Muse Wonder når OpenCode: En kodagent möter en första token på 30 sekunder

Meta Muse Wonder blev valbar i OpenCode den 21 oktober 2026, nio dagar efter att Meta Superintelligence Labs släppte modellen den 12 oktober. Det är faktumet värt att rapportera, och det är ett mindre faktum än rubriken antyder: modellen lanserades inte här, den lades till i ett kodningsramverk som redan hade en lång lista med modeller. Det som gör tillägget intressant är den kollision det skapar. En terminalagent är det minst förlåtande stället att köra en modell som Artificial Analysis mäter till 30,35 sekunder till första token, och Muse Wonder är exakt den modellen – 52 på det oberoende Intelligence Index, 4,00 USD per miljon indatatoken och 20,00 USD per miljon utdatatoken, samt en väntetid till första token som är ungefär åtta gånger medianen på resultattavlan. Huruvida en kodningsagent kan absorbera den väntetiden är frågan som den här artikeln faktiskt handlar om. När en siffra för första token som den här ändras efter att en leverantör har levererat en rättning, loggas ändringen med datum och källor i AI Incident Archive, bredvid resten av de modell- och leverantörsfel vi följer.

Vad ändrades egentligen den 21 oktober

OpenCode publicerar sin modellista i sin dokumentation, och Muse Wonder finns nu med där under identifieraren muse-wonder-1.0, med prissättning på $4.00 för indata, $20.00 för utdata och $0.20 för cachad läsning per miljon tokens — samma prislista som Meta publicerar, utan någon rabatt. Posten tillhandahålls via en OpenAI-kompatibel Responses-endpoint, vilket innebär att en befintlig OpenCode-konfiguration inte behöver en specialanpassad klient för att nå den; den behöver en modellsträng och en nyckel.

Det ärliga förbehållet: OpenCodes egen ändringslogg namnger inte modellen. De nyaste posterna för den veckan, v2.1.0 den 20 oktober och v2.1.2 den 21 oktober, beskriver återställning av gratiskvoten, modellsynlighet och SDK-ändringar. Så tillgängligheten dokumenteras i modellistan i stället för att tillkännages som en huvudfunktion, vilket är det vanliga sättet stöd i ramverket införs på och också anledningen till att en läsare kan se modellen i en väljare innan de ser ett blogginlägg om den. Vi kunde inte läsa leverantörens sociala inlägg direkt – det möttes av en betalvägg – så datumet här bygger på listningen plus inläggets egen tidsstämpel, inte på ett pressmeddelande.

Ingenting med själva modellen ändrades den 21 oktober. Dess vikter öppnades inte, dess pris rörde sig inte och inget nytt riktmärke dök upp. Det enda nya är räckvidden: en modell som tidigare krävde att man kopplade upp Metas API för hand är nu en rad konfiguration i ett verktyg som många redan har öppet.

Siffran som avgör om detta är trevligt

Artificial Analysis kör varje modell genom samma testbänk, och för ett agentiskt kodverktyg är dess latenssiffror viktigare än dess sammansatta poäng. För Muse Wonder vid dess högsta resonemangsinställning:

• Tid till första token – 30,35 sekunder, jämfört med en median på 3,96 sekunder på resultattavlan

• Utdatashastighet när den väl har startat – 145,1 token per sekund, 26:a av 185 uppmätta modeller och klart över medianen på 79,2

• Kostnad per Intelligence Index-uppgift – cirka 4,52 USD, jämfört med en blandad listtaxa på 2,94 USD per miljon token

• Utdata-tokens som förbrukades under indexkörningen – cirka 130 miljoner, jämfört med en median på 85 miljoner

• Kontextfönster — 1,048,576 token, där text, bild, tal och video accepteras som indata och text returneras

De två latenssiffrorna beskriver en viss typ av modell: den tänker länge och skriver sedan snabbt. I ett chattfönster är det acceptabelt. I en agentloop som gör åtta verktygsanrop får man betala den 30 sekunder långa väntan för varje tur, och en uppgift på åtta turer kan lägga fyra minuter bara på att vänta på första token i varje steg. De 145 token per sekund är verkliga, och det är därför modellen inte känns långsam när den väl pratar – men det kan inte köpa tillbaka tystnaden före första ordet.

Det är inte ett argument mot att använda det. Det är ett argument för att välja rätt omgångar. Muse Wonders starkaste leverantörsrapporterade påstående är långsiktigt professionellt arbete – Metas egen tabell placerar Muse Wonder Full på 75,3 på JobBench, ett agentiskt benchmark för lång horisont och den plats där dess siffror avviker mest skarpt från sitt syskon. Om din OpenCode-session är en enda svår refaktorering med en stor plan, amorteras väntetiden över en lång generering. Om det är fyrtio små ändringar betalas den fyrtio gånger.

Repositoriet som inte är en utgåva

Läsare som letar efter vikterna hittar meta-01/muse-wonder på Hugging Face och kan rimligen dra slutsatsen att något öppet har hänt. Det har det inte. Repositoriet innehåller en .gitattributes-fil och inget annat: inget modellkort, ingen config.json, inga safetensors-shards, ingen licensfil. Nedladdningar spåras inte, och sidan anger att modellen inte distribueras av någon inferensleverantör på den plattformen. Om man läser det bokstavligt är det repositoriet en namnreservation – en platshållare som håller en sträng, inte en checkpoint.

Så den korrekta beskrivningen av Muse Wonders öppenhet är: proprietär, endast API, med ett bare-repository som ockuperar namnet. Den som beskriver den som en modell med öppna vikter, nedladdningsbar eller finjusterbar beskriver en annan modell. Samma försiktighet gäller strukturen med två checkpoints – muse-wonder-1.0 är den anropbara modellen, och muse-wonder-full-1.0 är den konfiguration som får högre poäng och som Meta säljer via sin Muse Code-prenumeration i stället för per token. OpenCode listar den första.

Var OrcaRouter passar in, och var det inte gör det

Vi tillhandahåller inte Muse Wonder. Det finns ingen meta/muse-wonder i OrcaRouters modellkatalog, och ingen mängd närliggande Meta-tillgänglighet ändrar på det – de Meta-checkpoints vi faktiskt har är meta/muse-spark-1.2 till $1,25 för input och $4,25 för output per miljon tokens, samt dess 1.1-föregångare, båda med ett fönster på 1 048 576 tokens. Att säga det rakt ut spelar större roll än det vanligtvis skulle göra, eftersom en modell som bara går att nå via två leverantörer är precis det fall där en routers ärliga svar är "inte den här ännu" snarare än en antydande tystnad.

Det som routinglagret verkligen är bra för här är experimentet. En tio dagar gammal modell med 30 sekunder till första token och bara en oberoende utvärdering bakom sig är inget att lägga en produktionsväg bakom på tro. Rikta en del av trafiken mot den via samma nyckel som når de modeller du redan litar på, behåll resten av trafiken där den är och låt automatisk redundansväxling fånga timeoutarna medan du tar reda på om beteendet över långa horisonter är värt väntan. Det är ett billigare sätt att besvara frågan än att migrera ett arbetsflöde och hoppas.

Den andra halvan av routeringsargumentet är aritmetik. Eftersom vi förmedlar leverantörernas listpriser vidare utan påslag, syns en leverantörs prissänkning hos oss samma dag, och en modell som vi inte driftar dyker helt enkelt inte upp – katalogen är ett uttalande om vad som är åtkomligt, inte en önskelista. När Muse Wonder lanseras här kommer priset du ser att vara Metas pris.

Vad skulle göra detta till en större nyhet?

Tre saker, som var och en kan kontrolleras vid en enda sidladdning. En Muse Wonder-post i OpenCodes ändringslogg i stället för enbart i dess modellista skulle innebära att integrationen behandlas som en funktion snarare än en rad i en katalog. En andra oberoende utvärderare som publicerar en långsiktig siffra skulle befästa det enda påståendet som för närvarande helt vilar på Metas egen tabell. Och varje förändring i Hugging Face-arkivet – ett modellkort, en licens, en enda safetensors-fil – skulle förändra öppenhetsfrågan, som i dag besvaras med ett enda ord.

Fram till dess är den riktiga tolkningen av den 21 oktober snäv och användbar: en frontiermodell blev lättare att prova i verktyget där de flesta skulle prova den, och det som avgör om den förblir konfigurerad är inte dess indexpoäng utan huruvida 30 sekunders tystnad per tur är ett pris som arbetet kan betala.