Muse Wonder vs Reflection Beam: Den ena är en prislista, den andra är ett löfte.

Sju dagar isär, från motsatta håll. M​eta gjorde Muse Wonder allmänt tillgänglig den 12 oktober 2026, på Meta Model API och i Muse Code, till $4.00 per miljon indatatoken och $20.00 per miljon utdatatoken, med ett kontextfönster på 1 048 576 token och ingen nedladdning av något slag. Reflection tillkännagav Reflection Beam den 5 oktober 2026 – en gles mixture-of-experts-modell med 501 miljarder totala parametrar och 23 miljarder aktiva per token – med vikterna utlovade under Apache 2.0, en förhandsvisning med väntelista bakom en registreringsvägg och inget publicerat pris på någon av företagets egna plattformar.

Vilket innebär att den ärliga beskrivningen av den här matchen inte är modell mot modell. Det är en prislista mot ett löfte. En av dem kan du ringa i eftermiddag och kommer aldrig att äga; den andra kan du så småningom äga och kan inte ringa alls i dag. Om du väljer en standard för en arbetsbelastning som levereras det här kvartalet, avgör den distinktionen mer än någon benchmark-rad gör, och det är värt att vara tydlig med att ingen av dess sidor är en kritik mot det andra labbet.

Sju dagar, två resvägar

Muse Wonder kom som en färdig kommersiell produkt med ovanligt tunn offentlig dokumentation under sig. Modellen är anropbar, priset är listat, parameterytan är uppräknad — en stege för resonemangsansträngning som löper från minimal till max med medium som standard, ett utdatatak på 943 718 tokens, varje resonemangstoken debiteras enligt utdataraten — och en andra checkpoint, Muse Wonder Full, släpps i samma lansering med högre poäng men endast inom en Muse Code-prenumeration och säljs inte per token överhuvudtaget. Det Meta inte släppte är något nedladdningsbart. Det finns ingen publicering av modellkort, ingen checkpoint, ingen licensbeviljning.

Reflection gjorde det motsatta. Beams lanseringsinlägg är ett forskningsmeddelande med ett servinglöfte kopplat till sig: benchmarktabeller, en förträningsredogörelse som namnger 6 144 GB300 NVL72-system och en fyra veckor lång körning över 23,8 biljoner tokens, en förstärkningsinlärningsfas på 10 500 GB300-enheter med mer än 100 miljoner rollouts och ungefär 1,3 miljarder sandlådor, samt ett specifikt licensåtagande – vikterna, den tekniska rapporten, modellkortet och utvecklarartefakterna kommer att följa under Apache 2.0, enligt företagets egna ord, senare under månaden. Det som inte levererades den 5 oktober är ett pris, ett kontextfönster för serving, en maximal utdatasiffra eller en fil.

Två labb, en vecka, och mellan dem hela spektrat av vad "released" kan betyda år 2026.

Vad var och en faktiskt har publicerat

Varje siffra nedan är leverantörens egen, och där en siffra inte finns är det själva fyndet.

• Anropsbarhet — Muse Wonder är allmänt tillgänglig sedan 2026-10-12 på Meta Model API under muse-wonder-1.0 och inuti Muse Code; Reflection Beams förhandsvisning är en väntelista för "en begränsad uppsättning användare," utan någon självbetjäningsväg in

• Pris — Muse Wonder $4.00 in / $0.20 cachad in / $20.00 ut per miljon tokens, publicerat; Reflection Beam finns inte publicerat någonstans på Reflections egna plattformar, så varje dollarbelopp du har sett kopplat till den är en uppskattning snarare än ett listpris

• Kontext — Muse Wonder 1 048 576 tokens; Reflection Beams API-dokumentation listar en serveringsgräns på 256 000 tokens med en fotnot som varnar för att siffran kan ändras under betan, medan lanseringsinlägget separat säger att mellanträning utökar modellens effektiva kontext till 1 miljon tokens. Det är en kapacitet på träningssidan och en gräns på serveringssidan, inte en motsägelse — men bara en av dem är en siffra du kan bygga mot

• Maximal utdata — Muse Wonder 943 718 tokens; Reflection Beam inte publicerad

• Modalitet — Muse Wonder tar text, bild, tal, video och filer och returnerar text; Reflection Beam är text in, text ut

• Vikter — Muse Wonder: inga, och inga aviserade; Reflection Beam: Apache 2.0 utlovat, inte släppt i dagsläget

• Oberoende poäng — Muse Wonder 52 på Artificial Analysis Intelligence Index, rankad som #9 av 219; Reflection Beam har ingen rad på den listan, eller hos någon annan oberoende utvärderare vi kan hitta

• Arkitektur — Muse Wonder ej offentliggjord; Reflection Beam 501B totalt / 23B aktiva, ett angivet förhållande på cirka 4,6 %

Asymmetrin i den listan är hela historien. Muse Wonder har ett pris och ett mål och ingen artefakt. Reflection Beam har en artefakt utlovad och varken ett pris eller ett mål.

Effektivitetsanspråket är det man bör hålla på armlängds avstånd.

Reflections mest intressanta påstående är inte en benchmarkpoäng. Det är att Beam kombinerar kodning och agentisk förmåga med "mycket effektivt resonemang" och uppnår poäng på benchmarks för avancerat resonemang jämförbara med GLM-5.2 samtidigt som den använder 3–4 gånger mindre inferensberäkning, med ett gap som ökar gentemot modeller i parameterfamiljen 2T+ såsom Qwen 3.8-Max. Diagrammet bakom det påståendet är ett leverantörsdiagram, på leverantörens egna axlar, och det är inte reproducerat – men den underliggande aritmetiken är inte exotisk. Inferens-FLOPs skalar ungefär som två gånger antalet aktiva parametrar gånger antalet genererade tokens, så en modell med 23B aktiva parametrar som genererar jämförbar utdata för en uppgift kostar verkligen mindre per uppgift än en med 40B eller 100B aktiva. Arkitekturen är argumentet, och när det gäller arkitektur håller Beams argument ihop.

Det som saknas är nämnaren. Beräkningsmängd per uppgift är en kvot, och det publicerade materialet ger oss parametersidan av den och ingenting om tokensidan. Reflection publicerar inget antal utdatatokens för någon av sina benchmarkkörningar. Det finns ingen siffra för verbositet, ingen mätning av tokens per uppgift, ingen oberoende körning.

Muse Wonder har däremot exakt den siffran, och det slår åt andra hållet. Artificial Analysis mätte Muse Wonder (max) till 130 miljoner utdatatoken som förbrukades under dess Intelligence Index-utvärdering, mot en median på 85M bland jämförbara modeller, och till cirka 4,52 USD per uppgift i indexet. Utvärderarens egen etikett för det beteendet är "något mångordig". Muse Wonder är en frontiermodell till ett frontierpris och den betalar för sin poäng i utdatatoken, eftersom resonemangstoken debiteras enligt utdatapriset – vilket är den enskilt mest betydelsefulla raden i Metas egen prisdokumentation.

Så de två labben gör motsatta satsningar och ingen av dem har publicerat siffrorna som skulle avgöra saken. Meta har en mätbar utförlighet och inget offentliggjort antal parametrar, så du kan inte beräkna dess FLOPs per token. Reflection har ett offentliggjort antal parametrar och ingen uppmätt utförlighet, så du kan inte beräkna dess tokens per uppgift. Den som säger till dig att Beam är tre till fyra gånger billigare att köra än Muse Wonder jämför en parameterkvot mot ett antal tokens som inte existerar.

Gleshet ger lägre inferenskostnad, inte högre kapacitet

Det finns en andra fälla i 501B-siffran, och den är lätt att falla i eftersom talet är så stort. Det totala antalet parametrar i en gles mixture-of-experts-modell är en statistik över lagring och förträning, inte en beräkningsstatistik per token. Varje token som Beam genererar rör ungefär 23 miljarder av dess 501 miljarder parametrar. De övriga 478 miljarderna står oanvända vid det anropet. Beam är inte en modell med 501 miljarder parametrar på det sätt som en tät modell av den storleken skulle vara, och att citera den bredvid Muse Wonders oredovisade storlek inbjuder till en jämförelse som inte betyder något.

Där förhållandet faktiskt spelar roll är vid driftsättning. En 501B-checkpoint i BF16 ligger i storleksordningen en terabyte vikter, och antalet aktiva parametrar krymper inte minnesavtrycket – bara beräkningen. Att själv serva Beam innebär antingen en stor multi-GPU-nod eller en tung kvantisering, och kvantisering är precis en sådan sak som man bara kan utvärdera när vikterna väl finns. Det är den andra anledningen till att Apache 2.0-släppet är händelsen som spelar roll här snarare än en fotnot: det förvandlar en lovande arkitektur till något du kan mäta på din egen hårdvara, med din egen batchstorlek, med dina egna prompter.

Metas position på samma axel är den motsatta. Muse Wonders arkitektur är hemlig och dess driftsättning bygger helt och hållet på någon annans API. Du kommer inte att kvantisera den, inte köra den lokalt för en reglerad arbetsbelastning och inte finjustera den. Du hyr den, till ett listat pris, på obestämd tid.

Där leverantörens siffror och de oberoende inte stämmer överens

Detta är värt ett kort avsnitt eftersom det är disciplinen som håller resten av jämförelsen ärlig. M​etas egen testram sätter Muse Wonder Full på 59,1 i sitt Personal Superintelligence Index och Muse Wonder på 56. Artificial Analysis, som kör sitt eget index på Muse Wonder (max), får 52. Samma modellfamilj, samma vecka, fyra poängs skillnad — och den oberoende siffran är den lägre. Muse Wonder Full på 56 på den oberoende listan är ett genuint resultat, rankad som #4 av 699 modeller i den klassen, och den ligger fortfarande fyra poäng under vad M​etas egen tabell antyder. Inget av detta gör M​etas siffror felaktiga; leverantörers testramverk är anpassade för leverantörens driftsättning, och M​eta märker dem som sina egna. Det betyder att de enda siffrorna i den här artikeln som kan ställas mot varandra är de från Artificial Analysis, och de finns för exakt en av de två modellerna.

Reflections tabeller innehåller en annan version av samma problem. Beam anges till 80,9 på SWE-Bench Verified, 80,1 på Terminal-Bench v2.1 och 44,4 på DeepSWE v1.1 – alla rapporterade av leverantören, alla på samma sida som jämförelser mot Inkling och Nemotron 3 Ultra. Två av dessa tre är poäng som Muse Wonder också har ett leverantörsnummer för, och att jämföra två uppsättningar leverantörsnummer som producerats av två olika testramverk är inte en jämförelse. Det är ett sammanträffande i kolumnrubrikerna.

Om du måste välja den här månaden

Beslutet kokar ner till vilken saknad sak du kan tolerera.

• Släpps detta kvartal, och du behöver anropbarhet, ett pris du kan förutse, ett fönster på 1M tokens och en utdatabudget på 943 718 tokens — Muse Wonder är den enda av de två som finns som tjänst i dag, och valet är självklart

Att leverera det här kvartalet, och Muse Wonders utpris på 20 USD per miljon output-tokens mot en utvärderingsprofil på 130M tokens, ligger utanför din budget — det användbara draget är effort-stegen snarare än en annan modell. Reasoning är obligatoriskt på Muse Wonder, men stegen går från minimal till max och varje reasoning-token debiteras som output; att köra extraktion och klassificering på minimal och spara high eller max för de anrop som förtjänar dem är spaken som flyttar fakturan

• Krav på reglerad, luftgapad eller lokal (on-premises) installation – ingen av modellerna löser det i dag. Muse Wonder kommer aldrig att uppfylla det. Beam kanske, inom en månad, under en tillåtande licens, till en minneskostnad du ännu inte har mätt

• Forsknings- eller finjusteringsplaner — vänta på vikterna. Starta inte ett projekt mot en 501B-arkitektur som du inte kan ladda ner

• Benchmarking mot din egen arbetsbelastning — Muse Wonder kan mätas den här veckan och Beam kan inte mätas alls. Varje Beam-siffra i ditt utvärderingskalkylark är för närvarande ett leverantörspåstående utan nämnare

Vad vi dirigerar, och vad vi inte dirigerar

Rakt på sak: ingen av modellerna finns i OrcaRouters katalog. Det finns ingen meta/muse-wonder post och ingen Reflection-post av något slag, och vi kommer inte att presentera en rutt som inte finns. Vad vi tillhandahåller från Meta Superintelligence Labs är Muse Spark-serien —Muse Spark 1.2 och Muse Spark 1.1 — som är det närmaste man kan komma Metas resonemangsfamilj som ett team kan anropa via oss idag och kostar ungefär en femtedel av vad Muse Wonder kostar per token. Bland de modeller som den här matchen prissätts mot, Claude Opus 5.5 finns på vår lista till Anthropics egna priser, och detsamma gäller DeepSeek V4 Pro till en bråkdel av det.

Den ärligheten har en praktisk konsekvens som en jämförelse som den här gör ovanligt tydlig. Automatisk redundansväxling växlar bara över till något som vi faktiskt dirigerar trafik till, och en väntelista utan endpoint är inte en reservlösning. Om din plan för Beam är ”vi testar det när förhandsvisningen är över”, är det som är användbart att hålla på plats fram till dess en primär väg som du kan mäta och en andra väg bakom den – vilket är en konfigurationsändring på en enda OpenAI-kompatibel endpoint. OrcaRouter tillhandahåller över 200 modeller bakom en enda nyckel och en enda faktura, så när Beams vikter landar och någon leverantör börjar servera den, är det som krävs ett ID i en konfigurationsfil snarare än en ny integration.

Vad skulle ändra svaret, och när man ska titta

Tre händelser, i ordning efter hur mycket de skulle påverka detta.

Det första är viktsläppet. Reflection har förbundit sig till Apache 2.0 och sagt att artefakterna kommer senare denna månad. Det släppet är det som förvandlar ett 501B-påstående till något nedladdningsbart, kvantifierbart och benchmarkbart, och det råkar också vara den enda vägen genom vilken Beam någonsin dyker upp på en routingplattform. Tills det sker är Beam en hypotes med en källhänvisning.

Den andra är en oberoende utvärdering. En enda rad för Beam i Artificial Analysis skulle göra mer för att avgöra den här matchen än hur mycket leverantörstabell-läsning som helst, eftersom den skulle leverera siffran för tokens per uppgift som effektivitetsanspråket saknar. Håll koll på den resultattavlan i stället för på lanseringsbloggen.

Den tredje är att Muse Wonders egen konfigurationsyta stabiliseras. Siffran 4,52 dollar per uppgift uppmättes vid maximalt resonemang på en modell som har varit tillgänglig i en dag. I takt med att team använder de lägre nivåerna i ansträngningsskalan i produktion kommer modellens realistiska kostnad att sjunka – och det är den siffran, inte indexpoängen, som Beam skulle behöva slå.

Det mest sannolika svaret på kort sikt är varken en ren vinst eller en ren förlust: ett team som behöver en modell nu kör Muse Wonder, och ett team som behöver äga sina vikter slutar med den av de två som det faktiskt kan ladda ner. Vilket är ett märkligt sätt att beskriva en direkt duell, och ett korrekt sådant.