GPT-Rosalind vs Muse Wonder: что вам даёт контекст в 1M в биологической лаборатории

Muse Wonder и GPT-Rosalind — две модели в этом сравнении, которые ближе всего друг к другу на бумаге и дальше всего друг от друга по назначению. Meta Superintelligence Labs выпустила Muse Wonder 12 октября 2026 года по цене $4,00 за миллион входных токенов и $20,00 за миллион выходных, с контекстом в 1 млн токенов и индексом Artificial Analysis 56 — тот же ценовой уровень и тот же размер контекста, что и у GPT-Rosalind, модели, которую O​penAI продаёт с 16 апреля 2026 года по $5,00 и $25,00. Пять долларов и пять долларов разницы — не самое интересное. Интересно то, что одна из этих моделей ответит на любой заданный ей вопрос, а другая будет отвечать только на вопросы организаций, прошедших проверку, и при этом вторая — единственная из этих двух, которую дообучали на том, чем на самом деле занимается биологическая лаборатория. Когда закрытый релиз становится общедоступным или оценка пересматривается, изменение фиксируется с указанием дат и источников в AI Incident Archive, рядом с другими инцидентами моделей и поставщиков, которые мы отслеживаем.

То же контекстное окно, но иная причина его наличия

Обе модели вмещают миллион токенов, и стоит понимать, что это совпадение двух не связанных между собой проектных решений, а не общая характеристика.

Причина Meta — широта охвата. Muse Wonder принимает текст, изображения, речь и видео, а возвращает текст и создан для того, что Meta называет персональными и профессиональными агентными задачами. Его собрат Muse Wonder Full заперт внутри подписки Muse Code — 50 долларов в месяц за план Power Usage и 200 долларов за Maximum Usage, — что делает его скорее продуктовым решением, чем уровнем API. Миллион токенов нужен, когда одна сессия агента должна одновременно удерживать запись экрана, документ, историю переписки и расшифровку работы инструментов.

Причина OpenAI — глубина. GPT-Rosalind вмещает миллион токенов, так что лаборатория может за один проход загрузить целый справочный атлас, библиотеку протоколов и описание набора данных. Его набор инструментов — это плагин для наук о жизни с более чем пятьюдесятью инструментами; опубликованные бенчмарки — химия и геномика; его шлюз существует потому, что модель признана достаточно хорошей в биологии, чтобы он ей понадобился.

• Окно контекста — Muse Wonder 1 000 000 токенов против GPT-Rosalind 1 000 000 токенов. Настоящая ничья.

• Модальности ввода — Muse Wonder: текст, изображение, речь и видео. GPT-Rosalind: текстовые данные и научные файлы на входе через ChatGPT, Codex и API; публичных заявлений о поддержке произвольного ввода изображений нет.

• Вывод — только текст, оба.

• Цена — Muse Wonder: $4.00 за вход / $0.20 за кэш / $20.00 за выход за 1M против GPT-Rosalind: $5.00 / $0.50 / $25.00. Специализированная модель стоит на 25% дороже по каждой строке и в 2,5 раза дороже за чтение из кэша.

• Доступ — Muse Wonder уже сегодня можно вызвать как muse-wonder-1.0 в Meta Model API и внутри Muse Code. GPT-Rosalind требует проверки доверенного доступа.

• Независимая оценка — Muse Wonder 56 в индексе Artificial Analysis, v4.3.2. GPT-Rosalind: не отслеживается в этом рейтинге.

Эта последняя пара — ключевой момент. По каждому критерию, который закупочная команда может измерить, не проводя научных исследований, Muse Wonder выигрывает: он дешевле, доступен без подачи заявки, поддерживает больше типов входных данных и имеет независимую оценку. Единственный критерий, по которому выигрывает GPT-Rosalind, — тот, который не измеряет ни одна таблица лидеров, и именно о нём эта статья.

Баллы, которые несопоставимы, — сказано прямо

56 у Muse Wonder и 27,5% у Rosalind — это не два измерения одного и того же, и любая таблица, где они стоят в соседних столбцах, вводит в заблуждение. 56 — это независимый составной показатель, построенный по десяти общим оценкам: AA-Briefcase, GDPval-AA, AutomationBench, Terminal-Bench, SciCode, Humanity's Last Exam, GDP.pdf и другим. 27,5% — это собственный бенчмарк OpenAI по медицинской химии, оценённый в сравнении с GPT-5.5 и не воспроизведённый.

• Muse Wonder — 56 в индексе Artificial Analysis; в собственной таблице Meta указаны Terminal-Bench 4.0-AA — 85,6, SWE-Marathon — 78,8, OSWorld V2.1 — 72,6, HealthBench Pro — 56,6 и DeepSWE 1.1 — 52,0. Все строки Meta основаны на данных производителя; показатель индекса независим.

• GPT-Rosalind — MedChemBench 27,5% против 25,1%, GeneBench 21,6% против 20,4%, LabWorkBench 63,2% против 55,8% и прирост производительности на токен на 4,42% в LifeSciBench. Все данные предоставлены OpenAI, ни один результат не воспроизведён независимо.

• Единственное пересечение, которое стоит отметить — HealthBench Pro — это бенчмарк клинических знаний, и GPT-Rosalind ничего по нему не публикует. Показатель Meta 56,6 там ничего не говорит о том, способна ли Muse Wonder спроектировать эксперимент с возмущением.

Не существует публичного биологического бенчмарка, по которому обе эти модели были бы оценены. Это отсутствие — самый важный факт в сравнении, и ни один из поставщиков не собирается его исправлять.

Что Muse Wonder Full делает со сравнением цен

Meta выпустила две контрольные точки 12 октября, и это разделение меняет значение «Muse Wonder» в зависимости от того, через какую дверь вы входите.

• Muse Wonder — muse-wonder-1.0, на Meta Model API и в Muse Code, $4.00 / $0.20 / $20.00.

• Muse Wonder Full — отдельный чекпоинт с более высоким рейтингом, который, по словам Meta, доступен только подписчикам Muse Code. Это не флаг в API-модели; это другая модель, лежащая в основе продукта стоимостью от $50 до $200 в месяц.

• Разрыв — собственные данные Meta показывают: Muse Wonder Full набирает 75,3 балла на JobBench против 30,8 у Muse Wonder и 59,1 против 10,0 на Vals Finance Agent V2. Разрыв в 44 балла между двумя чекпойнтами одной лаборатории на одном бенчмарке — это либо реальное различие в возможностях, либо артефакт тестового стенда, и установить, что именно, может только третья сторона.

Для лаборатории практический вывод таков: модель, которую можно купить через API, и модель, для которой Meta публикует свои лучшие показатели, — это не одна и та же модель. Любой, кто сравнивает «Muse Wonder» с GPT-Rosalind, опираясь на оценки Full, сравнивает подписочный продукт с API-моделью.

Где на самом деле используется миллион токенов

Связь по контексту — вот почему эти две модели вообще сравнивают, так что стоит конкретно показать, что лаборатория делает с миллионом токенов, а что с ними делает универсальный агент.

Универсальный агент, удерживающий миллион токенов, хранит состояние: разговор, снимки экрана, выводы инструментов, текущий файл. Контекст — это рабочее пространство. Биологический рабочий процесс, удерживающий миллион токенов, хранит справочные материалы: атлас, таблицы аннотаций, корпус протоколов, предшествующую литературу. Контекст — это библиотека.

Это разные рабочие нагрузки, и они нагружают разные вещи. Рабочее пространство вознаграждает быстрые циклы работы с инструментами и дешёвое чтение из кэша; библиотека вознаграждает способность удерживать в поле зрения большой объём предметного текста и рассуждать по нему, не теряя нить. Meta оптимизирует под первую: Active Memory от Muse Wonder сохраняет состояние на протяжении сессии, а Active Focus управляет собственным вниманием модели на длительных задачах — обе функции имеют смысл только для агентного использования. OpenAI оптимизирует под вторую, поэтому опубликованные улучшения относятся к задачам, где модель должна одновременно удерживать в уме протокол и возмущение.

• Экономика кэширования — Muse Wonder: $0,20 за миллион кэшированных токенов против $0,50 у GPT-Rosalind. В длинной агентской сессии, которая на каждом шаге повторно отправляет большой системный промпт, универсальная модель в 2,5 раза дешевле по доминирующей статье затрат.

• Проектирование сессий — постоянное состояние Muse Wonder, сохраняемое между сессиями, — это то утверждение, которое сильнее всего меняет подход к архитектуре приложения, и в то же время именно его карточка модели продемонстрировать не может.

• Текст предметной области — Ни один из поставщиков не публикует бенчмарк долгоконтекстного поиска для научных текстов, поэтому ничья остаётся непроверенной в том направлении, которое здесь имеет значение.

Отличительным фактором является гейт, а не бенчмарк.

Вот асимметрия, которая определяет исход разговора о закупке. Muse Wonder продаётся любому, у кого есть карта. GPT-Rosalind продаётся только организациям, прошедшим проверку, и эта проверка существует потому, что OpenAI пришла к выводу: биологические возможности модели не должны быть доступны по запросу. С 11 сентября 2026 года этот доступ открыт во всём мире для соответствующих критериям организаций, а не только для поименованного списка партнёров; с 15 октября также действует академическая программа, которая даёт соответствующим критериям лабораториям до 30 бесплатных мест ChatGPT Business на срок до двенадцати месяцев и явно исключает доступ к API.

Два прочтения этого, и оба имеют право на существование. Циничное: ограничение доступа — это налог на добросовестных исследователей, который никого другого не останавливает. Полезное: поставщик, закрывающий доступ к модели, сообщил вам, где, по его мнению, сосредоточена эта способность, а поставщик, продающий общую модель всем, сообщил вам то же самое умолчанием. Опубликованные сильные стороны Muse Wonder от Meta — агентная работа, программирование и профессиональные задачи. Биологии в презентации нет, и ограничения доступа нет, потому что ограничивать нечего.

Итак, решение не в том, «какая модель лучше». Оно в том, «относится ли мой запрос к библиотеке или к рабочему пространству», и ответ обычно очевиден, как только вопрос задан в таких терминах.

Запуская пару и честно признавая, какой половине мы служим

Ни Muse Wonder, ни GPT-Rosalind не доступны на OrcaRouter. Muse Wonder доступен через собственный API Meta и внутри Muse Code; GPT-Rosalind — только через программу доверенного доступа OpenAI. Мы не собираемся создавать впечатление, что маршрутизируем хотя бы один из них.

Из этого семейства у нас есть линейка Muse Spark — Muse Spark 1.2 и Muse Spark 1.1 по цене $1.25 за ввод и $4.25 за вывод за миллион токенов с контекстом в 1 048 576 токенов, обновлённый чекпоинт по той же цене и более широкий набор входных данных, включающий видео и аудио, а также текст, изображения и PDF. Для лаборатории, которая проверяет, подходит ли модель Meta для её пайплайна, прежде чем оформлять подписку на Muse Code, это дешёвый способ это выяснить. Рядом с ней находятся ещё более 200 моделей по одному ключу по прайсовой цене провайдера с 0% наценки, так что снижение цены поставщиком действует у нас в тот же день, когда оно публикуется.

Архитектура, которая здесь имеет смысл, — это то же разделение, к которому неизменно сводятся эти сравнения. Часть, связанная с рабочим пространством, — оркестрация, парсинг, код вокруг научной составляющей, работа с документами, — работает на модели, которую можно вызвать уже сегодня, с автоматическим переключением при сбое, чтобы сбой у провайдера перенаправлял запрос, а не прерывал весь запуск. Часть, связанная с библиотекой, остаётся на прямом ключе специалиста, за именованным маршрутом в DSL маршрутизации, который явно завершается ошибкой, когда специалист недоступен, вместо того чтобы молча отвечать с помощью универсальной модели. Если вы хотите получить второе мнение по пограничному результату, не платя по расценкам специалиста за каждый запрос, механизм для этого — слияние моделей в рамках панели: несколько моделей отвечают, вы сравниваете, и расхождение служит сигналом.

Что бы это решило

Три вещи. Независимый испытательный стенд мог бы повторно прогнать JobBench от Meta и спреды Vals Finance, и это показало бы, является ли 44-пунктовый разрыв между двумя чекпоинтами Muse Wonder различием в возможностях или артефактом. muse-wonder-full API-путь сделал бы модель с более высоким баллом доступной для покупки, а не привязанной к подписке. А любая независимая биологическая оценка, охватывающая обе модели, заменила бы весь этот спор числом — именно этого области не хватает с апреля.

Если их нет, правило достаточно простое, чтобы записать его на карточке. Если запрос агентный, мультимодальный или касается сохранения связности длинной сессии, Muse Wonder за $4.00 / $20.00 с контекстом 1M и независимой оценкой 56 — более выгодная покупка, и начать можно уже сегодня. Если речь о биологии, единственная модель здесь, которую настраивали под это, ожидает проверки, стоит на 25% больше по каждой позиции и не фигурирует ни в одном рейтинге, который вы можете проверить, — и именно так выглядит специалист, пока бенчмарки не догнали.