Muse Wonder против Reflection Beam: одно — тарифная карта, другое — обещание

С разницей в семь дней, с противоположных направлений. Meta сделала Muse Wonderобщедоступной 12 октября 2026 года в Meta Model API и внутри Muse Code — по цене $4.00 за миллион входных токенов и $20.00 за миллион выходных токенов, с контекстным окном 1,048,576 токенов и без какой-либо загрузки. Reflection анонсировала Reflection Beam5 октября 2026 года — разреженную смесь экспертов с 501 миллиардом общих параметров и 23 миллиардами активных на токен — с обещанием выложить веса под Apache 2.0, предварительным доступом по списку ожидания за регистрационной стеной и без опубликованной цены ни на одном из собственных ресурсов компании.

А значит, честная формулировка этого противостояния — не «модель против модели». Это тарифная сетка против обещания. К одному из этих вариантов вы можете обратиться уже сегодня днём и никогда не будете им владеть; другим вы, возможно, когда-нибудь будете владеть, но сегодня вообще не можете к нему обратиться. Если вы выбираете вариант по умолчанию для рабочей нагрузки, которая выходит в этом квартале, это различие решает больше, чем любая строка бенчмарка, и стоит прямо сказать, что ни одна из сторон этого не является упрёком в адрес другой лаборатории.

Семь дней, два направления путешествия

Muse Wonder появился как готовый коммерческий продукт с на удивление скудной публичной документацией в его основе. Модель можно вызвать, цена указана, поверхность параметров перечислена — шкала усилий рассуждения от минимального до максимального со средним по умолчанию, потолок вывода в 943 718 токенов, каждый токен рассуждения тарифицируется по ставке вывода — а второй чекпоинт, Muse Wonder Full, поставляется в том же релизе с более высокой оценкой, но только в рамках подписки Muse Code и вообще не продаётся по токенам. Meta не выпустила ничего, что можно скачать. Нет ни карточки модели, ни чекпоинта, ни лицензии.

Reflection сделала наоборот. Пост о запуске Beam — это научный анонс с прилагаемым обещанием предоставления сервиса: таблицы бенчмарков, описание предобучения, в котором названы системы 6,144 GB300 NVL72 и четырёхнедельный прогон на 23,8 триллиона токенов, этап обучения с подкреплением на 10 500 GB300 с более чем 100 миллионами развёртываний и примерно 1,3 миллиарда песочниц, а также конкретное обязательство по лицензии — веса, технический отчёт, карточка модели и артефакты для разработчиков последуют под Apache 2.0, по словам самой компании, позднее в этом месяце. Что не было выпущено 5 октября — это цена, контекстное окно для сервиса, максимальный объём вывода или файл.

Две лаборатории, одна неделя — и между ними весь спектр того, что может означать «выпущено» в 2026 году.

Что каждый из них на самом деле опубликовал

Каждый показатель ниже — собственный показатель вендора, и там, где числа не существует, это и есть вывод.

• Возможность вызова — Muse Wonder общедоступна с 2026-10-12 в Meta Model API под muse-wonder-1.0 а также в Muse Code; предварительная версия Reflection Beam — это список ожидания для «ограниченного набора пользователей», без возможности самостоятельного доступа в

• Цена — Muse Wonder: $4.00 за ввод / $0.20 за кэшированный ввод / $20.00 за вывод за миллион токенов, опубликовано; Reflection Beam нигде не публикуется на собственных ресурсах Reflection, поэтому любая сумма в долларах, которую вы видели рядом с ним, — это оценка, а не прейскурантная цена.

• Контекст — Muse Wonder 1 048 576 токенов; документация API Reflection Beam указывает лимит обслуживания в 256 000 токенов со сноской, предупреждающей, что это значение может измениться во время беты, в то время как в посте о запуске отдельно говорится, что промежуточное обучение расширяет у модели эффективный контекст до 1 млн токенов. Это возможность на стороне обучения и ограничение на стороне обслуживания, а не противоречие — но только одно из них является числом, на которое можно ориентироваться

• Максимальная длина вывода — Muse Wonder 943 718 токенов; Reflection Beam не опубликован

• Модальность — Muse Wonder принимает текст, изображение, речь, видео и файлы и возвращает текст; Reflection Beam — текст на входе, текст на выходе

• Веса — Muse Wonder: отсутствуют, и не анонсированы; Reflection Beam: обещаны под Apache 2.0, но по состоянию на сегодня не выпущены

• Независимая оценка — Muse Wonder 52 в Индексе интеллекта Artificial Analysis, занимает 9-е место из 219; Reflection Beam не представлен ни в этой таблице, ни у каких-либо других независимых оценщиков, которых нам удалось найти

• Архитектура — у Muse Wonder не раскрыта; Reflection Beam — 501B всего / 23B активных, заявленная доля около 4,6%

Асимметрия в этом списке — это вся суть. У Muse Wonder есть цена и цель, но нет артефакта. У Reflection Beam артефакт обещан, но нет ни цены, ни цели.

Именно к утверждению об эффективности и следует относиться с осторожностью.

Самое интересное утверждение Reflection — не результат в бенчмарке. Оно в том, что Beam сочетает навыки программирования и агентные возможности с «высокоэффективным рассуждением», достигая на продвинутых бенчмарках рассуждений результатов, сопоставимых с GLM-5.2, при использовании в 3–4 раза меньше вычислительных ресурсов на инференс, причём разрыв увеличивается в сравнении с моделями семейства с 2T+ параметров, такими как Qwen 3.8-Max. График, стоящий за этим утверждением, — это график вендора, на собственных осях вендора, и он не воспроизведён, — но лежащая в его основе арифметика не экзотична. FLOPs инференса масштабируются примерно как удвоенное число активных параметров, умноженное на количество сгенерированных токенов, поэтому модель с 23B активных параметров, генерирующая сопоставимый результат для задачи, действительно стоит меньше на задачу, чем модель с 40B или 100B активных параметров. Архитектура — это и есть аргумент, и в том, что касается архитектуры, доводы Beam согласованны.

Не хватает знаменателя. Вычисления на задачу — это отношение, и опубликованные материалы дают нам его сторону параметров и ничего — со стороны токенов. Reflection не публикует количество выходных токенов ни для одного из своих прогонов бенчмарков. Нет ни показателя многословности, ни измерения количества токенов на задачу, ни независимого прогона.

Muse Wonder, напротив, демонстрирует ровно такое число, и оно работает в обратную сторону. Artificial Analysis измерила Muse Wonder (max) на уровне 130 миллионов выходных токенов, потреблённых во время оценки по Intelligence Index, при медиане 85 млн среди сопоставимых моделей, и примерно $4,52 на задачу индекса. Собственная формулировка оценщика для такого поведения — «несколько многословно». Muse Wonder — фронтирная модель по фронтирной цене, и она оплачивает свой результат выходными токенами, потому что токены рассуждений тарифицируются по ставке выходных токенов — а это самая значимая строка в собственной документации Meta по ценам.

Итак, две лаборатории делают противоположные ставки, и ни одна не опубликовала цифры, которые могли бы это разрешить. У Meta измеримая многословность и нераскрытое число параметров, поэтому нельзя вычислить её FLOPs на токен. У Reflection раскрыто число параметров и нет измеренной многословности, поэтому нельзя вычислить её количество токенов на задачу. Любой, кто говорит вам, что Beam в три-четыре раза дешевле в запуске, чем Muse Wonder, сравнивает соотношение параметров с количеством токенов, которого не существует.

Разреженность даёт выигрыш в стоимости инференса, а не в возможностях.

В цифре 501B есть вторая ловушка, и в неё легко попасть, потому что число такое большое. Общее число параметров в разреженной модели смеси экспертов — это статистика хранения и предварительного обучения, а не статистика вычислений на токен. Каждый токен, который генерирует Beam, задействует примерно 23 миллиарда из его 501 миллиарда параметров. Остальные 478 миллиардов простаивают при этом вызове. Beam — не модель с 501 миллиардом параметров в том смысле, в каком ею была бы плотная модель такого размера, а упоминание этого числа рядом с нераскрытым размером Muse Wonder провоцирует сравнение, которое ничего не значит.

А вот где соотношение действительно играет роль — так это при развёртывании. Чекпоинт 501B в BF16 — это порядка терабайта весов, и количество активных параметров не уменьшает объём занимаемой памяти — только вычисления. Чтобы самостоятельно обслуживать Beam, понадобится либо крупный узел с несколькими GPU, либо серьёзная квантизация, а квантизацию можно оценить только тогда, когда веса уже существуют. Это вторая причина, по которой релиз под Apache 2.0 — важное здесь событие, а не сноска: он превращает перспективную архитектуру в нечто, что можно измерить на своём оборудовании, со своим размером батча и своими промптами.

Позиция Meta на той же оси — противоположная. Архитектура Muse Wonder не раскрыта, а её развёртывание целиком зависит от чужого API. Вы не сможете её квантовать, не сможете запускать её на собственной инфраструктуре для регулируемой рабочей нагрузки и не сможете дообучить её. Вы арендуете её по указанному тарифу, бессрочно.

Где данные поставщика и независимые данные расходятся

Это заслуживает короткого раздела, потому что именно эта дисциплина заставляет всё остальное сравнение оставаться честным. Собственный стенд Meta ставит Muse Wonder Full на 59,1 балла в её Personal Superintelligence Index, а Muse Wonder — на 56. Artificial Analysis, прогоняя собственный индекс на Muse Wonder (max), получает 52. Одно и то же семейство моделей, одна и та же неделя, четыре балла расхождения — и независимая цифра ниже. 56 баллов Muse Wonder Full в независимом рейтинге — это настоящий результат, 4-е место из 699 моделей в этом классе, и всё же это на четыре балла ниже того, что подразумевает собственная таблица Meta. Всё это не делает цифры Meta ошибочными; вендорские стенды настроены под развёртывание вендора, и Meta помечает их как свои собственные. Но это означает, что единственные цифры в этой статье, которые можно сопоставлять друг с другом, — это цифры Artificial Analysis, а они существуют ровно для одной из двух моделей.

Таблицы Reflection содержат другую версию той же проблемы. Beam указан как 80,9 на SWE-Bench Verified, 80,1 на Terminal-Bench v2.1 и 44,4 на DeepSWE v1.1 — все цифры заявлены вендором, и всё это на одной странице со сравнениями с Inkling и Nemotron 3 Ultra. Для двух из этих трёх показателей у Muse Wonder тоже есть вендорская цифра, а сравнение двух наборов вендорских цифр, полученных на двух разных харнессах, — это не сравнение. Это совпадение заголовков столбцов.

Если вам нужно выбрать в этом месяце

Решение сводится к тому, с каким недостающим элементом вы можете мириться.

• Если вы выпускаете продукт в этом квартале и вам нужна возможность вызова, предсказуемая цена, окно в 1M токенов и бюджет вывода в 943,718 токенов — Muse Wonder — единственный из двух, который сегодня существует как сервис, и выбор напрашивается сам собой

• В этом квартале начинаются поставки, а ставка Muse Wonder в $20 за миллион выходных токенов при профиле оценки на 130 млн токенов выходит за рамки вашего бюджета — полезный ход — использовать лестницу уровней усилий, а не другую модель. На Muse Wonder режим рассуждений обязателен, но эта лестница идёт от минимального до максимального, и каждый токен рассуждений тарифицируется как выходной; выполнять извлечение и классификацию на минимальном уровне, а высокий или максимальный приберегать для вызовов, которые это оправдывают, — вот рычаг, который влияет на счёт.

• Требование регулируемой среды, изолированной сети или локального развёртывания — сегодня ни одна из моделей его не решает. Muse Wonder никогда не будет ему соответствовать. Beam, возможно, сможет — через месяц, под разрешительной лицензией, ценой затрат памяти, которые вы ещё не измеряли.

• Планы по исследованиям или тонкой настройке — дождитесь весов. Не начинайте проект на архитектуре 501B, которую вы не можете скачать

• Бенчмаркинг на вашей собственной рабочей нагрузке — Muse Wonder можно измерить уже на этой неделе, а Beam вообще нельзя измерить. Каждая цифра Beam в вашей таблице оценки сейчас является заявлением вендора без знаменателя

Что мы маршрутизируем, а что — нет

Скажем прямо: ни той, ни другой модели нет в каталоге OrcaRouter. meta/muse-wonder — такой записи нет, как нет и записи Reflection в любом виде, и мы не станем выдавать за маршрут то, чего не существует. Из Meta Superintelligence Labs у нас есть линейка Muse Spark —Muse Spark 1.2 и Muse Spark 1.1 — это самое близкое к семейству рассуждающих моделей Meta, что команда может вызвать через нас уже сегодня, и стоит это примерно пятую часть того, что стоит Muse Wonder за токен. Среди моделей, с которыми в этом сопоставлении сравнивают цену, Claude Opus 5.5 есть в нашем списке по собственным тарифам A​nthropic, как и D​eepSeek V4 Pro — по цене в разы меньше.

У этой честности есть практическое следствие, которое подобное сравнение делает необычайно ясным. Автоматическое аварийное переключение может переключаться только на то, что мы действительно маршрутизируем, а список ожидания без эндпоинта не является резервным вариантом. Если ваш план для Beam — «мы протестируем его, когда предварительная версия закончится», полезно до тех пор держать на месте основной маршрут, который можно измерять, и второй маршрут за ним — а это изменение конфигурации на одном O​penAI-совместимом эндпоинте. OrcaRouter предоставляет более 200 моделей через один ключ и один счёт, поэтому когда веса Beam появятся и какой-нибудь провайдер начнёт его обслуживать, для доступа к нему достаточно будет идентификатора в конфигурационном файле, а не новой интеграции.

Что изменило бы ответ и когда смотреть

Три события, в порядке того, насколько сильно они повлияли бы на это.

Первое — это релиз весов. Reflection взяла на себя обязательства по Apache 2.0 и заявила, что артефакты появятся позднее в этом месяце. Именно этот релиз превращает заявление о 501B во что-то загружаемое, поддающееся квантованию и бенчмаркингу, и к тому же он оказывается единственным путём, благодаря которому Beam вообще появляется на платформе маршрутизации. Пока это не произойдёт, Beam — это гипотеза со ссылкой.

Второй момент — независимая оценка. Одна-единственная строка Beam в Artificial Analysis сделала бы для разрешения этого сравнения больше, чем любое количество чтения вендорских таблиц, потому что она дала бы показатель числа токенов на задачу, которого недостаёт утверждению об эффективности. Следите за этим табло, а не за блогом о запуске.

Третье — это стабилизация собственной конфигурационной поверхности Muse Wonder. Её показатель $4.52 за задачу был измерен при максимальном уровне рассуждений на модели, которая доступна всего один день. По мере того как команды будут задействовать нижние ступени лестницы усилий в продакшене, реалистичная стоимость модели снизится — и именно эту цифру, а не балл в индексе, Beam должен будет побить.

Наиболее вероятный ответ в ближайшей перспективе — это ни чистая победа, ни чистое поражение: команда, которой модель нужна прямо сейчас, запускает Muse Wonder, а команда, которой нужно владеть собственными весами, в итоге получает ту из двух, которую действительно сможет скачать. Странный способ описывать очное противостояние — и точный.