Muse Wonder против Claude Opus 5.5 в генерации SVG: что на самом деле показывает первый практический тест

Muse Wonder стал общедоступным 12 октября 2026 года — в тот же день, когда его более высокооценённый собрат Muse Wonder Full вышел по подписке — и он уже собрал больше сравнительных страниц, чем почти любая модель, которую освещал этот блог. Чего у него не было до этой недели, так это опубликованного теста из первых рук конкретной проверяемой возможности. 12 октября аккаунт X @scaling01 опубликовал прямое сравнение Muse Wonder с Claude Opus 5.5 в генерации SVG, с двумя выводами, которые стоит внимательно прочитать: Muse Wonder Full «хорош и даже пытается генерировать 3D», а его стиль вывода «слишком вычурный», и он «перебарщивает».

Это реальное, конкретное, опровержимое утверждение о реально выпущенной модели, и оно исходит от человека, который сообщает, что сам запускал обе модели. Кроме того, на момент написания это единичный невоспроизведённый запуск от одного аккаунта, чей собственный пост начинается с пометки о рекламе. И то и другое верно одновременно, и этот материал о том, чтобы удерживать их вместе, а не выбирать что-то одно.

Условия теста, изложенные так, как они были изложены

Раскрытие информации — это первая строка поста, а не сноска, и это стоит отметить, поскольку для такого формата это нетипично. Автор заявляет, что Meta предоставила бесплатный предварительный доступ к Muse Wonder, что за Claude Opus 5.5 он заплатил из собственного кармана, и что тесты и выводы принадлежат ему. Это существенно более слабая позиция с точки зрения конфликта интересов, чем нераскрытое платное размещение: одна сторона сравнения получила доступ бесплатно, другая — нет, и автор об этом говорит.

Три момента в постановке не заданы, и каждый из них ограничивает то, что вердикт может подкрепить.

• Какой эндпоинт тестировался — Muse Wonder и Muse Wonder Full существуют как два отдельных ID модели с двумя разными таблицами результатов, и в посте в сравнении упоминается Muse Wonder, но наблюдение о 3D-генерации приписывается Muse Wonder Full

• Какая настройка уровня усилий использовалась — режим рассуждений Muse Wonder обязателен и работает по шкале усилий от минимального до максимального, по умолчанию — средний, а токены рассуждений тарифицируются как выходные, поэтому эта настройка влияет и на стоимость, и на характер результата

• Сколько промптов было запущено — без количества промптов, без текста промптов, без seed, без повторного запуска

Второй и третий из них важнее, чем кажутся. Модель, у которой рассуждения всегда включены, а уровень усилий задаётся пользователем, при минимальном уровне будет выдавать заметно отличающийся SVG-вывод по сравнению с максимальным, а вердикт о стиле — это как раз тот тип суждения, в котором один прогон одного запроса может ошибиться. Это не критика автора — короткий пост в X не статья, и раскрытие информации плюс фраза «тесты и выводы — мои собственные» — это больше прозрачности, чем в большинстве сравнений в день запуска. Это констатация того, для чего этот материал можно и нельзя использовать.

Что на самом деле измеряет SVG-тест

SVG — на удивление удачная цель для практического сравнения и на удивление неудачная цель для поверхностного, и понимание того, почему это так, объясняет, что вердикт говорит вам, а что — нет.

SVG — это текст, который рендерится детерминированно. В этом-то и преимущество: проверяющий может вставить необработанный вывод модели в просмотрщик, посмотреть на него и увидеть ровно то, что создала модель, — никакого конвейера генерации изображений, никакого seed-значения при сэмплировании в диффузионном декодере, никакого вопроса о том, что является критерием — картинка или файл. Если модель выдаёт некорректную разметку, рисунок явно ломается. Если она выдаёт 40 килобайт определений градиентов там, где хватило бы 2 килобайт путей, это измеримо.

Плохо то, что такие вердикты о стиле, как «трюкачество» и «перебарщивание», — это наименее отделимые утверждения во всём пространстве. Внутри них заключены два независимых суждения:

• Мастерство — создала ли модель валидный, хорошо структурированный SVG, готовый к отображению, или она выдала нечто такое, что нужно было исправить, прежде чем что-либо отрисовалось?

• Сдержанность — использовалась ли минимальная разметка, необходимая для запроса, или же он тянулся к градиентам, фильтрам, размытию, анимации и встроенным растровым эффектам просто потому, что они были доступны?

Мастерство близко к объективному и может быть оценено скриптом. Сдержанность — это вкусовая оценка, замаскированная под техническую, и разумные рецензенты постоянно расходятся на этот счёт во мнениях: дизайнер, заказывающий иллюстрацию для портфолио, хочет градиентов, а инженер, которому нужен набор иконок, — нет. Поэтому когда рецензент говорит, что модель проявляет чрезмерную избыточность, полезный вопрос не в том, правда ли это, а в том, для какой задачи это правда. В посте эти два утверждения не разделяются, и их действительно трудно разделить за один присест.

Сравнительное утверждение и утверждение о соответствии

Подача в посте ставит Claude Opus 5.5 на другую сторону, а наблюдение о 3D-генерации — на сторону Muse Wonder Full, что делает это трёхсторонним сравнением в заголовке с двумя названиями — та же структурная нестыковка, которая проходит через весь запуск Muse Wonder.

По этой оси полезный контекст одинаков для всех его собратьев: Claude Opus 5.5 — не абсолютно новая модель. Она вышла 22 сентября 2026 года, примерно за три недели до Muse Wonder, и её профиль стоимости и возможностей хорошо охарактеризован. Независимо, в Artificial Analysis Intelligence Index Claude Opus 5.5 (max) показывает 58 — наивысший балл в классе из 219 моделей, — тогда как Muse Wonder (max) показывает 52, занимая девятое место из 219. Прейскурантная цена Opus 5.5 — $4.00 за миллион входных токенов и $20.00 за миллион выходных токенов; прейскурантная цена Muse Wonder идентична: $4.00 и $20.00. Ирония ситуации в том, что Opus 5.5 на практике оказывается более дорогой моделью — не из-за своей тарифной сетки, а из-за многословности: Artificial Analysis фиксирует, что она потребляет около 260 миллионов выходных токенов во время оценки против медианы в 85 миллионов, против примерно 130 миллионов у Muse Wonder, что даёт около $5.98 за задачу индекса против примерно $4.52. Это тот тип сравнения двух чисел, который может измерить оценщик с оплатой за токены, а один SVG-промпт — нет.

Что добавляет тест SVG — это категория, которую индекс не покрывает. Генерация структурированного текста находится где-то между кодом и иллюстрацией, и ни одна таблица лидеров её не оценивает — ни Personal Superintelligence Index, ни JobBench, ни Terminal-Bench 4.0-AA, ни SWE-Marathon. Если реальная работа читателя связана с выпуском чистых векторных файлов, мейнстримные таблицы лидеров молчат об их вопросе — и именно поэтому вообще имеет смысл давать ссылку на сделанное на скорую руку очное сравнение.

О чём на самом деле идёт речь во втором утверждении

«Даже пробует 3D-генерацию» — это более интересная половина наблюдения, и её легко ошибочно принять за утверждение о возможностях.

В контексте SVG это, скорее всего, описывает модель, выходящую за пределы плоского двумерного рисунка в подразумеваемое или частичное третье измерение — изометрические построения, выдавленные формы, перспективные сетки, сложенные псевдослои или сгенерированную разметку, которая отображается как трёхмерная сцена. Это не то же самое, что 3D-модель. Создание сетки, отсканированного объекта или пригодного для печати ассета — это совершенно другой тип выходных данных, а фраза «3D-генерация» используется в этой области вольно, обозначая что угодно: от 2.5D-иллюстрации до настоящего файла геометрии. Без промптов или файлов читатель не может определить, что именно это было.

Если речь о более свободном смысле, это утверждение согласуется с жалобой на стиль, а не противоречит ей. Обращение к изометрической проекции или стопкам слоёв — тот же инстинкт, что и обращение к градиентам: больше механизмов, чем требовалось в брифе. Возможно, оба утверждения описывают одно поведение — модель, которая воспринимает доступную разметку как разрешение, — и это более полезный вывод, чем каждая из этих половин по отдельности, а также та версия, которую второй проверяющий скорее всего либо подтвердит, либо опровергнет.

Впрочем, здесь есть одна асимметрия, которую стоит назвать. Там, где два чекпоинта различаются в данных запуска, разделение проходит по структуре, а не по полировке. В собственной таблице бенчмарков Meta Muse Wonder Full с большим отрывом обходит API-модель на JobBench (75,3 против 30,8) и Vals Finance Agent V2 (59,1 против 10,0), но при этом уступает ей Harvey LAB-AA на 41 пункт — 13,1 против 54,3. Эти цифры заявлены вендором, получены в тестовом стенде Meta и не воспроизведены. Но они описывают лабораторию, которая обучала два профиля, а не один, и различие в стиле или сдержанности между чекпоинтами — как раз то, что могло бы породить структурное разделение. Поэтому вопрос о том, на какой чекпоинт смотрел рецензент, когда написал «трюкачество», — вовсе не педантичный вопрос: в посте два наблюдения относятся к разным моделям.

Где к моделям действительно можно получить доступ

Для всех, кто хочет провести это сравнение самостоятельно, а не принимать вердикт на веру, практический вопрос — где живёт каждая модель, и ответы здесь не симметричны.

• Claude Opus 5.5 — общедоступна с 22 сентября 2026 года, 4,00 $ за миллион входных токенов и 20,00 $ за миллион выходных, со ставкой за чтение из кеша 0,20 $, контекстным окном на 1 миллион токенов и бюджетами на размышления, включающими конфигурацию без размышлений

• Muse Wonder — общедоступна с 12 октября 2026 года в Meta Model API и внутри Muse Code, по той же цене: $4.00 за ввод и $20.00 за вывод, с контекстом 1 048 576 токенов и ограничением вывода 943 718 токенов

• Muse Wonder Full — анонсирована в тот же день, но не продаётся по токенам; получить к ней доступ можно только через подписку Muse Code, и у неё нет опубликованного прайс-листа с ценой за токен, поэтому здесь у неё вообще нет строки с ценой

Загвоздка в конфигурации рассуждений Muse Wonder. Её нельзя отключить. Шкала усилий включает уровни minimal, low, medium, high, xhigh и max, по умолчанию — medium, а токены рассуждений тарифицируются как выходные. Поэтому любое прямое сравнение с моделью, которой можно указать не думать, фактически сравнивает ограниченную конфигурацию с неограниченной, если только обозреватель не указывает эту настройку, а в этом посте она не указана. Это самый существенный пробел в воспроизведении — более существенный, чем отсутствие количества промптов.

Как воспроизвести это за полдня

Причина, по которой этот тест стоит расширять, а не отвергать, заключается в том, что расширять его дёшево. Полезная версия требует четырёх вещей, которых не даёт оригинал: фиксированного набора промптов — примерно из дюжины векторных задач, охватывающих иконки, диаграммы, иллюстрации и графики; указания настройки усилий; необработанных SVG-файлов, сохраняемых рядом с рендерами; и этапа оценивания, который разделяет мастерство и сдержанность, а не смешивает их. Двенадцать промптов при двух настройках усилий для двух моделей — это 48 запусков: несколько долларов за выходные токены по этим тарифным картам, и по-настоящему более полезный артефакт, чем любое впечатление дня запуска.

Это также тот случай, когда роутер окупает себя так, как чистое сравнение цен этого не делает. Claude Opus 5.5 обслуживается на OrcaRouter по собственной прайс-листовой цене Anthropic — $4,00 за миллион входных токенов, $20,00 за миллион выходных, $0,20 за миллион для чтения из кэша — с нулевой наценкой и сквозной передачей, действующей по всему каталогу, так что изменение цены поставщиком отражается на нашей стороне в тот же день, когда оно происходит у них. Прайс-листовые цены поставщиков передаются без изменений; слой маршрутизации не добавляет спред. Прогон дюжины промптов по двум моделям — это один ключ и один эндпоинт вместо двух аккаунтов, двух интеграций SDK и двух биллинговых отношений, и если вы прогоняете что-то столь же непроверенное, как модель, выпущенная вчера, автоматическое переключение при сбое означает, что поставщик с ограничением частоты запросов или деградацией не потянет за собой весь прогон.

Скажем прямо, чего у нас нет: в нашем каталоге нет ни записи meta/muse-wonder, ни meta/muse-wonder-full. Мы не маршрутизируем ни один из этих чекпоинтов и не собираемся описывать один из них так, будто маршрутизируем. Что у нас действительно есть от той же лаборатории — это линейка Muse Spark — Muse Spark 1.2 стоит $1.25 за миллион входных токенов и $4.25 за миллион выходных, у неё то же контекстное окно, что и у флагмана, но за долю цены, и именно к ней стоит обратиться, если вы хотите получить доступ к семейству рассуждающих моделей Meta через тот же ключ, что и ко всему остальному. Добавить Muse Wonder в прогон сейчас означает завести второй аккаунт; добавить Muse Spark 1.2 — это одна строка в том же конфиге.

За чем следить и что могло бы это разрешить

Три вещи превратили бы это из интересного впечатления в доказательство.

• Второй рецензент с другим вкусом приходит к тому же вердикту о сдержанности — стилистические суждения, которые сохраняются при смене рецензента, относятся к модели; те, что не сохраняются, — к рецензенту

• Muse Wonder Full становится доступной за токен — модель, названная в наблюдении о 3D-генерации, — это та, у которой нет тарифной сетки, поэтому никто, кто хочет проверить эту половину утверждения, не может купить доступ к ней без месячной подписки на агента для программирования

• Любой независимый лидерборд, добавляющий задачу по векторной или структурированной графике, — пробел, в который попадает этот тест, состоит не в том, что никто его не запускал, а в том, что ни один лидерборд его не оценивает, поэтому сейчас вся запись результатов — это чей-то один послеобеденный сеанс.

Честная сводка такова: это реальная находка с реальным ограничением. Обозреватель, который раскрыл, что имел платный доступ к превью, сам заплатил за другую сторону и опубликовал конкретный отрицательный вердикт, сделал больше, чем делает обзор запуска, — а модель, которая «пробует» то, о чём её не просили, — это утверждение о сдержанности, а не о возможностях, и сдержанность — то, что следующему обозревателю легче всего увидеть иначе. Если сегодня вы выбираете между Claude Opus 5.5 и Muse Wonder для векторного вывода, разрыв в независимом индексе составляет шесть пунктов, а разрыв по объёму токенов — два к одному в пользу Muse Wonder; вердикт о стиле — это полдня одного человека, и к нему следует относиться как к гипотезе, а не как к результату.