Muse Wonder против Intern S2: 1 048 576 токенов против 256K, и никакой общей линейки

Intern-S2-397B and Muse Wonder have never been measured against each other by anyone. That is not a gap in the research — it is a structural fact about how each model came to exist. I​nternLM published Intern-S2-397B on September 13, 2026 as an Apache-2.0 open-weights checkpoint for scientific intelligence and long-horizon agents, benchmarked entirely by its own makers, with no third-party score at all. Meta Superintelligence Labs began selling Muse Wonder on October 12, 2026 through the Meta Model API and Muse Code, and it has exactly one independent evaluator's row. So everything below requires labelling which side of the fence each number sits on, and the two models disagree about something more basic than benchmark scores: what a context window is for. Muse Wonder's 1,048,576 tokens are a flat, priced, single-response budget. Intern-S2-397B's are split — 256K for text reasoning and 64K for multimodal input — on a checkpoint you download rather than call.

Полезная формулировка этого сравнения состоит не в том, какая модель побеждает. А в том, что одна из них — инструмент для работы с научными документами, который можно запускать внутри собственного периметра, а другая — арендованный универсал с очень большим окном по фиксированной ставке. Это разные покупки.

Что на самом деле представляет собой каждая модель

Intern-S2-397B is Shanghai AI Laboratory's I​nternLM flagship, released September 13, 2026 under Apache-2.0. The name carries 397B; the model card says 403 billion total parameters, and that difference is the kind of inconsistency a checkpoint built in public accumulates. Architecturally it is a standard mixture-of-experts transformer — 60 layers, 512 experts with 10 active per token — and its headline claim is a pre-training paradigm that reads raw pages of scientific literature, figures, layout, symbolic notation and prose together, rather than parsing the text out first. Around that it scales reinforcement learning across more than twenty scientific domains and adds long-horizon agent training in sandboxed environments. It takes text, image and time-series input, produces forecasts from the time-series path, serves on LMDeploy, vLLM and SGLang, supports tool calling, and thinks by default unless you pass enable_thinking=False per request. In BF16 the checkpoint is roughly 807 GB, so self-hosting means a serious multi-GPU node.

Muse Wonder — это передовой релиз Meta Superintelligence Labs от 12 октября 2026 года, анонсированный как серия из двух чекпоинтов. Только muse-wonder-1.0 имеет эндпоинт с оплатой за токен в Meta Model API и внутри Muse Code; Muse Wonder Full, конфигурация с более высокими показателями, продаётся только по подписке Muse Code и не имеет публичной тарифной сетки. Вызываемый чекпоинт принимает на вход текст, изображения, речь и видео, возвращает текст, имеет контекстное окно в 1 048 576 токенов, ограничивает один ответ 943 718 токенами, стоит $4,00 за миллион входных токенов, $0,20 за кэшированные и $20,00 за выходные, а также обязательно выполняет рассуждения по шкале усилий от минимальной до максимальной, по умолчанию — средний уровень. Нет весов, нет лицензии и нет версии, которую вы сможете продолжать использовать, если эндпоинт изменится.

Это первое настоящее различие между ними, и это не строка бенчмарка. Одно — файл. Другое — контракт.

Контекстное окно, которое две модели понимают по-разному

Именно здесь сравнение по таблице характеристик вводит в заблуждение чаще всего, потому что обе модели обычно описывают как модели с длинным контекстом.

• Текстовый контекст — Muse Wonder: 1 048 576 токенов в одном окне; Intern-S2-397B: 256K для текстовых рассуждений

• Мультимодальный контекст — полное окно Muse Wonder охватывает ввод изображений, речи и видео; Intern-S2-397B имеет отдельный 64K мультимодальный контекст

• Максимальный объём вывода в одном ответе — Muse Wonder 943 718 токенов; для Intern-S2-397B сопоставимый показатель не опубликован.

• Входные данные — Muse Wonder: текст, изображения, речь, видео; Intern-S2-397B: текст, изображения, временные ряды

• Прогнозирование временных рядов — Muse Wonder нет; Intern-S2-397B поддерживается, сейчас подключён только через LMDeploy

• Тариф — Muse Wonder: $4,00 за ввод, $0,20 за кэшированные, $20,00 за вывод за миллион токенов; Intern-S2-397B — опубликованного тарифа за токен нет, потому что модель распространения — загрузка

Строка прогнозирования — та, у которой нет аналога на другой стороне, и это не маркетинговая функция — это причина, по которой модель существует именно в таком виде. Модель, которая принимает сигнал временного ряда и выдаёт прогноз, делает то, о чём текстовую модель нельзя попросить, каким бы ни был размер её окна. Если это ваша рабочая нагрузка, сравнение уже завершено.

Для всех остальных актуальный вопрос — что действительно подходит. Окно на 1 048 576 токенов по фиксированной цене — это другой продукт по сравнению с текстовым окном на 256K на вашем собственном оборудовании, и разница проявляется именно в тех рабочих нагрузках, которые сделали длинный контекст интересным, — кодовая база в промпте, корпус статей, длительная агентная сессия, сохраняющая свою историю.

Базы доказательств, которые не соприкасаются

Опубликованные показатели двух моделей нельзя отложить на одной оси, и стоит прямо сказать, почему.

Intern-S2-397B's benchmark card is I​nternLM's own, run through OpenCompass, VLMEvalKit and AgentCompass by the team that built the model, with no independent reproduction. Its columns are Qwen3.5-397B-A17B, D​eepSeek V4 Pro, Kimi K2.7-Code, GLM-5.2, GPT-5.5, Gemini 3.1 Pro and Claude Opus 4.8 — no model from M​eta, and no Muse Wonder, so the vendor's own table does not contain a single Muse comparison. and any "Intern-S2 versus Muse Wonder" figure circulating anywhere is an extrapolation across two unrelated tables.

What that card does publish, all of it I​nternLM-reported: 89.77 on MMLU Pro, 93.56 on HMMT-2026, 81.68 on MMMU Pro, 68.54 on SWE-bench-Pro, 64.04 on TerminalBench 2.1, and on the scientific sets 55.71 on Biology-Instructions, 63.28 on SciReasoner 1.5 and 53.95 on Mol-Instructions. Read that as a portrait: strong on knowledge, maths and multimodal reasoning, leading on software engineering, and twenty points behind Claude Opus 4.8 on terminal work — the exact axis a production agent spends its day on.

Muse Wonder's evidence is the inverse shape. M​eta's launch table covers both checkpoints at maximum reasoning and is built largely from sustained-agent benchmarks — DeepSWE 1.1, SWE-Marathon, Terminal-Bench 4.0-AA, OSWorld V2.1 — all of it vendor-reported, in M​eta's harness, unreproduced. Independent commentary has repeated the strongest rows without the caveat, which is how a vendor harness becomes a fact in public. The one genuinely independent row is Artificial Analysis' Intelligence Index at 52 at maximum effort, ninth of more than 200 models, with about $4.52 of measured cost per completed index task and roughly 130 million output tokens consumed against a board median near 85 million.

Итак: о силе одной модели заявляет её создатель, опираясь на научные бенчмарки, которые не перепроверяла ни одна третья сторона. О силе другой — на агентных бенчмарках, и точно так же. Ни одну из них никто не сравнивал с другой. Единственное, что может сделать с этим честная страница, — сказать это вслух.

Где сравнение определяется ценой, а где — нет

Intern-S2-397B has no rate card. That is the whole pricing section, and it is a real finding rather than a missing value: you either self-host roughly 807 GB of BF16 weights on hardware you own, or you register for a token on I​nternLM's own API and live within whatever quota is granted. There is no per-token number to put beside Muse Wonder's $4.00 and $20.00, and no invoice to compare with a pay-per-token bill.

То, как это влияет на решение, тоньше, чем «бесплатно или платно». Скачанный чекпоинт превращает переменные затраты в капитальные, а отношения с поставщиком — в артефакт, которым вы владеете. Это очень ценно, когда ваши данные не могут покинуть ваш периметр, когда ваша нагрузка достаточно стабильна, чтобы оправдать использование GPU, или когда воспроизводимость важнее, чем ещё один пункт в бенчмарке. Это стоит очень мало, если у вашего трафика резкие пики, если у вашей команды нет стека для обслуживания моделей, или если вам нужно, чтобы модель улучшалась без каких-либо действий с вашей стороны.

Neither model is served by us, and it is worth saying so plainly rather than implying otherwise: Intern-S2-397B is a brand-new Apache-2.0 checkpoint with no routing coverage, and Muse Wonder is on M​eta's API and inside Muse Code with no third-party serving we can verify. What a router does help with is the half of this that is callable. OrcaRouter carries more than 200 models behind one key at provider list price with 0% markup — no middleman delta, so a vendor price cut is live the same day — including M​eta's own Muse Spark 1.2 and Muse Spark 1.1, so the M​eta models you can reach today sit next to everything else on the same credential. If your production traffic lands on a routed model and your scientific batch work runs on Intern-S2-397B somewhere you control, that seam is a routing decision rather than a second integration.

Кто должен выбирать

Выбирайте Intern-S2-397B, когда работа — это чтение научных материалов: статья с обилием иллюстраций, молекулярная схема, отсканированная таблица, прогноз по сигналу временного ряда или агент, которому нужно непрерывно продвигаться по исследовательской задаче. Лицензия Apache-2.0 означает, что вы можете дообучать модель на проприетарных данных и сохранять результат в пределах собственного периметра — а эту часть сравнения не отражает ни один прайс-лист. Заложите в бюджет расходы на оборудование и рассчитывайте, что независимого табло результатов не будет ещё несколько месяцев — репозиторию всего несколько недель, и в нём нет сторонних измерений.

Take Muse Wonder when the work is general, long and agentic, and when you would rather rent than own: a 1,048,576-token window at a flat rate with no step, a 943,718-token response ceiling that nothing in Intern-S2's published material answers, mandatory reasoning for hard multi-step tasks, and a pay-per-token bill you can put in a spreadsheet today. The caveat is the same one that applies to every row M​eta published: two days of independent measurement is two days, and one evaluator is one evaluator.

Команда, которой нужно и то и другое, должна относиться к границе между ними как к вопросу маршрутизации, а не миграции. Пусть общий трафик идёт на модель, которую вы можете вызвать, научную работу держите на чекпойнте, который можете хранить у себя, и заново прогоните собственные оценки на Intern-S2-397B, прежде чем поверить цифре вендора о производительности в терминале — потому что в собственной таблице вендора ей соответствует самая невыгодная строка.