Muse Wonder vs Reflection Beam: อันหนึ่งคือเรตการ์ด อีกอันหนึ่งคือคำสัญญา

Seven days apart, from opposite directions. M​eta put Muse Wonder into general availability on October 12, 2026, on the Meta Model API and inside Muse Code, at $4.00 per million input tokens and $20.00 per million output tokens, with a 1,048,576-token context window and no download of any kind. Reflection announced Reflection Beam on October 5, 2026 — a sparse mixture-of-experts model with 501 billion total parameters and 23 billion active per token — with the weights promised under Apache 2.0, a waitlisted preview behind a sign-up wall, and no published price on any of the company's own properties.

ซึ่งหมายความว่าการวางกรอบอย่างตรงไปตรงมาของการจับคู่นี้ไม่ใช่โมเดลปะทะโมเดล แต่เป็นเรตการ์ดปะทะคำสัญญา อย่างหนึ่งคุณโทรเรียกใช้ได้บ่ายนี้และจะไม่มีวันได้เป็นเจ้าของ ส่วนอีกอย่างคุณอาจได้เป็นเจ้าของในที่สุดและไม่สามารถโทรเรียกใช้ได้เลยในวันนี้ หากคุณกำลังเลือกค่าเริ่มต้นสำหรับเวิร์กโหลดที่จะส่งมอบภายในไตรมาสนี้ ความแตกต่างนั้นตัดสินได้มากกว่าบรรทัดเบนช์มาร์กใด ๆ และควรพูดให้ชัดว่าไม่มีฝั่งใดของการเปรียบเทียบนี้ที่เป็นการจิกกัดแล็บอีกฝ่าย

เจ็ดวัน สองทิศทางการเดินทาง

Muse Wonder arrived as a finished commercial product with unusually thin public documentation underneath it. The model is callable, the price is listed, the parameter surface is enumerated — a reasoning-effort ladder running from minimal to max with a medium default, an output ceiling of 943,718 tokens, every reasoning token billed at the output rate — and a second checkpoint, Muse Wonder Full, ships in the same launch at a higher score but only inside a Muse Code subscription and not sold per token at all. What M​eta did not ship is anything downloadable. There is no model card release, no checkpoint, no licence grant.

Reflection ทำในทางตรงกันข้าม โพสต์เปิดตัวของ Beam คือประกาศงานวิจัยที่แนบคำสัญญาเรื่องการให้บริการมาด้วย: ตาราง benchmark, บันทึกการ pre-training ที่ระบุชื่อระบบ GB300 NVL72 จำนวน 6,144 ระบบ และการรันเป็นเวลาสี่สัปดาห์บน 23.8 ล้านล้านโทเคน, ขั้นตอน reinforcement learning บน GB300 จำนวน 10,500 ตัว พร้อม rollouts มากกว่า 100 ล้านครั้ง และ sandbox ประมาณ 1.3 พันล้านแห่ง และคำมั่นเรื่องสัญญาอนุญาตอย่างเฉพาะเจาะจง — weights, รายงานทางเทคนิค, model card และ developer artefacts จะตามมาภายใต้ Apache 2.0 ตามคำพูดของบริษัทเอง ภายในเดือนนี้ สิ่งที่ไม่ได้เปิดตัวในวันที่ 5 ตุลาคม คือ ราคา, หน้าต่างบริบทสำหรับการให้บริการ, ตัวเลขผลลัพธ์สูงสุด หรือไฟล์

สองห้องแล็บ หนึ่งสัปดาห์ และระหว่างทั้งสองนั้นคือสเปกตรัมทั้งหมดของสิ่งที่คำว่า "เปิดตัว" อาจหมายถึงได้ในปี 2026

สิ่งที่แต่ละรายได้เผยแพร่จริง ๆ

ตัวเลขทุกตัวด้านล่างเป็นของผู้ขายเอง และตรงไหนที่ไม่มีตัวเลข นั่นคือข้อค้นพบ

• ความสามารถในการเรียกใช้ — Muse Wonder พร้อมใช้งานทั่วไปตั้งแต่ 2026-10-12 บน Meta Model API ภายใต้ muse-wonder-1.0 และภายใน Muse Code; พรีวิวของ Reflection Beam เป็นรายการรอสำหรับ "ผู้ใช้จำนวนจำกัด" โดยไม่มีเส้นทางแบบบริการตนเองใน

• ราคา — Muse Wonder $4.00 ขาเข้า / $0.20 ขาแคชเข้า / $20.00 ขาออก ต่อล้านโทเคน และมีการประกาศแล้ว; Reflection Beam ไม่ได้ถูกเผยแพร่ที่ใดเลยบนพร็อพเพอร์ตี้ของ Reflection เอง ดังนั้นตัวเลขดอลลาร์ใดก็ตามที่คุณเคยเห็นผูกกับมันจึงเป็นเพียงการประมาณการ ไม่ใช่ราคาที่ประกาศไว้

• บริบท — Muse Wonder 1,048,576 โทเค็น; เอกสาร API ของ Reflection Beam ระบุขีดจำกัดการให้บริการที่ 256,000 โทเค็น พร้อมเชิงอรรถที่เตือนว่าตัวเลขดังกล่าวอาจเปลี่ยนแปลงระหว่างช่วงเบต้า ขณะที่โพสต์เปิดตัวระบุแยกต่างหากว่า การฝึกกลางทางขยายบริบทที่มีประสิทธิผลของโมเดลไปเป็น 1M โทเค็น สิ่งเหล่านั้นเป็นความสามารถฝั่งการฝึกและขีดจำกัดฝั่งการให้บริการ ไม่ใช่ความขัดแย้ง — แต่มีเพียงหนึ่งในนั้นเท่านั้นที่เป็นตัวเลขที่คุณสร้างต่อยอดได้

• เอาต์พุตสูงสุด — Muse Wonder 943,718 โทเค็น; Reflection Beam ยังไม่ได้เผยแพร่

• รูปแบบข้อมูล — Muse Wonder รับข้อความ รูปภาพ เสียงพูด วิดีโอ และไฟล์ แล้วส่งคืนเป็นข้อความ; Reflection Beam เป็นข้อความเข้า ข้อความออก

• น้ำหนักโมเดล — Muse Wonder ไม่มี และยังไม่มีการประกาศ; Reflection Beam รับปากว่าจะเป็น Apache 2.0 แต่ยังไม่เปิดตัว ณ วันนี้

• คะแนนอิสระ — Muse Wonder ได้ 52 คะแนนใน Intelligence Index ของ Artificial Analysis อยู่อันดับที่ 9 จาก 219; ส่วน Reflection Beam ไม่มีแถวในบอร์ดนั้น หรือในผู้ประเมินอิสระรายอื่นใดที่เราหาได้

• สถาปัตยกรรม — Muse Wonder ไม่เปิดเผย; Reflection Beam รวม 501B / 23B ที่ใช้งานอยู่ โดยระบุอัตราส่วนไว้ที่ประมาณ 4.6%

ความไม่สมมาตรในรายการนั้นคือเรื่องทั้งหมด Muse Wonder มีราคาและเป้าหมาย แต่ไม่มีอาร์ติแฟกต์ Reflection Beam มีอาร์ติแฟกต์ที่สัญญาไว้ แต่ไม่มีทั้งราคาและเป้าหมาย

ข้อกล่าวอ้างเรื่องประสิทธิภาพคือข้อที่ควรตั้งข้อสงสัยไว้

ข้ออ้างที่น่าสนใจที่สุดของ Reflection ไม่ใช่คะแนนบนเบนช์มาร์ก แต่คือ Beam ผสานความสามารถด้านการเขียนโค้ดและความสามารถแบบเอเจนต์เข้ากับ “การให้เหตุผลที่มีประสิทธิภาพสูง” โดยทำคะแนนบนเบนช์มาร์กการให้เหตุผลขั้นสูงเทียบได้กับ GLM-5.2 ในขณะที่ใช้พลังประมวลผลสำหรับการอนุมานน้อยกว่า 3–4 เท่า และช่องว่างจะยิ่งกว้างขึ้นเมื่อเทียบกับโมเดลในตระกูลที่มีพารามิเตอร์ 2T+ อย่าง Qwen 3.8-Max แผนภูมิที่รองรับข้ออ้างนี้เป็นแผนภูมิของผู้ขาย บนแกนของผู้ขายเอง และยังไม่มีการทำซ้ำ — แต่คณิตศาสตร์เบื้องหลังไม่ใช่เรื่องแปลกพิลึก FLOPs ของการอนุมานสเกลโดยประมาณเท่ากับสองเท่าของจำนวนพารามิเตอร์ที่ใช้งานจริง คูณกับจำนวนโทเค็นที่สร้างขึ้น ดังนั้นโมเดลที่ใช้งานจริง 23B ซึ่งสร้างเอาต์พุตเทียบเคียงได้สำหรับงานหนึ่ง ย่อมมีต้นทุนต่องานต่ำกว่าโมเดลที่ใช้งานจริง 40B หรือ 100B จริง ๆ สถาปัตยกรรมคือข้อโต้แย้ง และในแง่สถาปัตยกรรม กรณีของ Beam ก็มีความสอดคล้องกัน

สิ่งที่ขาดหายไปคือตัวส่วน การคำนวณต่อหนึ่งงานเป็นอัตราส่วน และเอกสารที่เผยแพร่ให้ข้อมูลด้านพารามิเตอร์ของมัน แต่ไม่มีข้อมูลด้านโทเคนเลย Reflection ไม่ได้เผยแพร่จำนวนโทเคนเอาต์พุตสำหรับการรันเบนช์มาร์กใดๆ ของมัน ไม่มีตัวเลขความยาวของคำตอบ ไม่มีการวัดจำนวนโทเคนต่อหนึ่งงาน ไม่มีการรันอิสระ

Muse Wonder, by contrast, has exactly that number and it cuts the other way. Artificial Analysis measured Muse Wonder (max) at 130 million output tokens consumed during its Intelligence Index evaluation, against a median of 85M across comparable models, and at about $4.52 per index task. The evaluator's own label for that behaviour is "somewhat verbose." Muse Wonder is a frontier model at a frontier price and it pays for its score in output tokens, because reasoning tokens bill at the output rate — which is the single most consequential line in M​eta's own pricing documentation.

So the two labs are making opposite bets and neither has published the numbers that would settle it. M​eta has a measurable verbosity and no disclosed parameter count, so you cannot compute its FLOPs per token. Reflection has a disclosed parameter count and no measured verbosity, so you cannot compute its tokens per task. Anyone who tells you Beam is three to four times cheaper to run than Muse Wonder is comparing a parameter ratio against a token count that does not exist.

ความเบาบางช่วยลดต้นทุนการอนุมาน ไม่ได้เพิ่มขีดความสามารถ

มีกับดักที่สองในตัวเลข 501B และเป็นเรื่องง่ายที่จะหลงเข้าไปเพราะตัวเลขนั้นใหญ่มาก พารามิเตอร์ทั้งหมดในโมเดล sparse mixture-of-experts เป็นสถิติด้านการจัดเก็บและการฝึกล่วงหน้า ไม่ใช่สถิติด้านการคำนวณต่อโทเคน ทุกโทเคนที่ Beam สร้างจะแตะพารามิเตอร์ประมาณ 23 พันล้านตัวจากทั้งหมด 501 พันล้านตัวของมัน อีก 478 พันล้านตัวจะไม่ถูกใช้งานในการเรียกครั้งนั้น Beam ไม่ใช่โมเดลขนาด 501 พันล้านพารามิเตอร์ในความหมายเดียวกับที่โมเดล dense ขนาดนั้นจะเป็น และการอ้างตัวเลขนี้เทียบกับขนาดที่ไม่เปิดเผยของ Muse Wonder ก็ชักชวนให้เกิดการเปรียบเทียบที่ไม่มีความหมายอะไร

จุดที่อัตราส่วนนี้สำคัญจริง ๆ คือการดีพลอยด์ เช็กพอยต์ 501B ใน BF16 มีขนาดน้ำหนักอยู่ในระดับหนึ่งเทระไบต์ และจำนวนพารามิเตอร์ที่ใช้งานจริงไม่ได้ลดพื้นที่หน่วยความจำที่ใช้ แต่ลดเฉพาะการประมวลผล การให้บริการ Beam ด้วยตัวเองหมายถึงคุณต้องใช้โหนดหลาย GPU ขนาดใหญ่ หรือไม่ก็การควอนไทซ์แบบหนักหน่วง และการควอนไทซ์ก็เป็นสิ่งที่คุณประเมินได้ก็ต่อเมื่อมีน้ำหนักอยู่แล้วเท่านั้น นั่นเป็นเหตุผลข้อที่สองที่ทำให้การเปิดตัวภายใต้ Apache 2.0 เป็นเหตุการณ์ที่สำคัญตรงนี้ ไม่ใช่เพียงหมายเหตุประกอบ มันเปลี่ยนสถาปัตยกรรมที่มีศักยภาพให้กลายเป็นสิ่งที่คุณวัดผลได้บนฮาร์ดแวร์ของคุณเอง ด้วยขนาดแบตช์ของคุณเอง และด้วยพรอมป์ต์ของคุณเอง

M​eta's position on the same axis is the opposite. Muse Wonder's architecture is undisclosed and its deployment story is entirely someone else's API. You will not quantise it, will not run it on-premises for a regulated workload, and will not fine-tune it. You rent it, at a listed rate, indefinitely.

เมื่อตัวเลขจากผู้ขายและตัวเลขจากแหล่งอิสระไม่ตรงกัน

This is worth a short section because it is the discipline that keeps the rest of the comparison honest. M​eta's own harness puts Muse Wonder Full at 59.1 on its Personal Superintelligence Index and Muse Wonder at 56. Artificial Analysis, running its own index on Muse Wonder (max), gets 52. Same model family, same week, four points of daylight — and the independent figure is the lower one. Muse Wonder Full at 56 on the independent board is a genuine result, ranking #4 of 699 models in that class, and it is still four points below what M​eta's own table implies. None of that makes M​eta's numbers wrong; vendor harnesses are tuned for the vendor's deployment, and M​eta labels them as its own. It does mean the only figures in this article that can be laid against each other are the Artificial Analysis ones, and those exist for exactly one of the two models.

ตารางของ Reflection นำเสนอปัญหากลุ่มเดียวกันในอีกรูปแบบหนึ่ง โดยระบุว่า Beam ได้ 80.9 บน SWE-Bench Verified, 80.1 บน Terminal-Bench v2.1 และ 44.4 บน DeepSWE v1.1 ซึ่งล้วนเป็นตัวเลขที่ผู้ขายรายงานเอง ทั้งหมดนี้อยู่ในหน้าเดียวกับการเปรียบเทียบกับ Inkling และ Nemotron 3 Ultra สองในสามตัวนั้นเป็นคะแนนที่ Muse Wonder ก็มีตัวเลขจากผู้ขายเช่นกัน และการนำชุดตัวเลขจากผู้ขายสองชุดซึ่งผลิตโดยฮาร์เนสที่แตกต่างกันมาเปรียบเทียบกันนั้นไม่ใช่การเปรียบเทียบ มันเป็นเพียงความบังเอิญของหัวคอลัมน์เท่านั้น

ถ้าคุณต้องเลือกในเดือนนี้

การตัดสินใจขึ้นอยู่กับว่าคุณทนต่อสิ่งที่ขาดหายไปสิ่งไหนได้

• หากคุณต้องเปิดตัวภายในไตรมาสนี้ และต้องการความสามารถในการเรียกใช้งาน ราคาที่คาดการณ์ได้ หน้าต่าง 1M โทเคน และงบประมาณเอาต์พุต 943,718 โทเคน — Muse Wonder เป็นเพียงหนึ่งเดียวในสองตัวเลือกที่มีอยู่ในฐานะบริการในวันนี้ และทางเลือกก็ตัดสินใจได้เอง

• การส่งมอบในไตรมาสนี้ และอัตราค่าเอาต์พุต 20 ดอลลาร์ต่อล้านโทเคนของ Muse Wonder เมื่อเทียบกับโปรไฟล์การประเมินขนาด 130 ล้านโทเคนนั้นเกินงบประมาณของคุณ — สิ่งที่คุ้มค่าที่จะทำคือปรับระดับความพยายาม ไม่ใช่เปลี่ยนไปใช้โมเดลอื่น การใช้เหตุผลเป็นสิ่งบังคับบน Muse Wonder แต่ระดับความพยายามมีตั้งแต่ต่ำสุดถึงสูงสุด และทุกโทเคนการใช้เหตุผลถูกคิดเงินเป็นเอาต์พุต การรันงานสกัดและจำแนกที่ระดับต่ำสุด และเก็บระดับสูงหรือสูงสุดไว้สำหรับการเรียกที่คุ้มค่ากับมัน คือคันโยกที่ทำให้ใบแจ้งหนี้ขยับ

• ข้อกำหนดด้านการกำกับดูแล การแยกออกจากเครือข่ายภายนอก หรือการติดตั้งภายในองค์กร (on-premises) — วันนี้ยังไม่มีโมเดลใดตอบโจทย์ข้อนี้ได้ Muse Wonder จะไม่มีวันทำได้ ส่วน Beam อาจทำได้ภายในหนึ่งเดือน ภายใต้สัญญาอนุญาตแบบผ่อนปรน ด้วยต้นทุนหน่วยความจำที่คุณยังไม่ได้วัด

• แผนการวิจัยหรือการปรับละเอียด — ให้รอเวตก่อน อย่าเริ่มโปรเจกต์กับสถาปัตยกรรม 501B ที่คุณดาวน์โหลดไม่ได้

• การเปรียบเทียบกับเวิร์กโหลดของคุณเอง — Muse Wonder สามารถวัดได้ในสัปดาห์นี้ ส่วน Beam ไม่สามารถวัดได้เลย ตัวเลข Beam ทุกตัวในสเปรดชีตการประเมินของคุณในตอนนี้เป็นเพียงคำกล่าวอ้างของผู้ขายที่ไม่มีตัวส่วน

สิ่งที่เรากำหนดเส้นทาง และสิ่งที่เราไม่กำหนด

Being plain about this: neither model is in OrcaRouter's catalogue. There is no meta/muse-wonder entry and no Reflection entry of any kind, and we will not present a route that does not exist. What we carry from Meta Superintelligence Labs is the Muse Spark line —Muse Spark 1.2 and Muse Spark 1.1 — which is the closest thing to M​eta's reasoning family a team can call through us today and costs roughly a fifth of what Muse Wonder does per token. Among the models this matchup is priced against, Claude Opus 5.5 is on our list at A​nthropic's own rates, and so is D​eepSeek V4 Pro at a fraction of that.

That honesty has a practical consequence that a comparison like this one makes unusually clear. Automatic failover only ever fails over to something we actually route, and a waitlist with no endpoint is not a fallback. If your plan for Beam is "we will test it when the preview clears," the useful thing to hold in place until then is a primary you can measure and a second route behind it — which is a configuration change on one O​penAI-compatible endpoint. OrcaRouter serves 200-plus models behind one key and one bill, so when Beam's weights land and some provider starts serving it, reaching it is an ID in a config file rather than a new integration.

อะไรจะเปลี่ยนคำตอบ และเมื่อไรควรดู

สามเหตุการณ์ เรียงตามว่ามันจะส่งผลต่อเรื่องนี้มากแค่ไหน

อย่างแรกคือการปล่อยเวต Reflection ได้ให้คำมั่นว่าจะใช้ Apache 2.0 และกล่าวว่าอาร์ติแฟกต์จะตามมาในปลายเดือนนี้ การปล่อยครั้งนั้นคือสิ่งที่เปลี่ยนคำกล่าวอ้าง 501B ให้กลายเป็นสิ่งที่ดาวน์โหลดได้ ทำควอนไทซ์ได้ และนำไป benchmark ได้ และยังบังเอิญเป็นเส้นทางเดียวที่ Beam จะปรากฏขึ้นบนแพลตฟอร์ม routing จนกว่ามันจะเกิดขึ้น Beam ก็เป็นเพียงสมมติฐานที่มีการอ้างอิง

ข้อที่สองคือการประเมินที่เป็นอิสระ แถวข้อมูลของ Artificial Analysis เพียงแถวเดียวสำหรับ Beam จะช่วยชี้ขาดการเปรียบเทียบนี้ได้มากกว่าการนั่งอ่านตารางของผู้ขายไม่ว่าจะมากเพียงใด เพราะมันจะให้ตัวเลข tokens-per-task ที่คำกล่าวอ้างเรื่องประสิทธิภาพยังขาดอยู่ ให้จับตาบอร์ดนั้นแทนบล็อกเปิดตัว

ประการที่สามคือพื้นผิวการตั้งค่าของ Muse Wonder เองที่กำลังเข้าที่ ตัวเลข $4.52 ต่องานของมันวัดที่ระดับการใช้เหตุผลสูงสุดบนโมเดลที่เพิ่งเปิดให้ใช้งานได้หนึ่งวัน เมื่อทีมต่างๆ ลองใช้ขั้นบันไดล่างๆ ของความพยายามในโปรดักชัน ต้นทุนที่สมจริงของโมเดลจะลดลง — และตัวเลขนั้น ไม่ใช่คะแนนดัชนี คือสิ่งที่ Beam จะต้องเอาชนะ

คำตอบที่เป็นไปได้มากที่สุดในระยะใกล้นี้ไม่ใช่ทั้งชัยชนะแบบขาดลอยหรือความพ่ายแพ้แบบขาดลอย: ทีมที่ต้องการโมเดลตอนนี้ก็ใช้ Muse Wonder และทีมที่ต้องการเป็นเจ้าของเวตของตัวเองก็ลงเอยกับตัวใดตัวหนึ่งจากสองตัวนั้นที่ดาวน์โหลดได้จริง ซึ่งเป็นวิธีที่แปลกในการอธิบายการเผชิญหน้าแบบตัวต่อตัว และก็เป็นวิธีที่แม่นยำด้วย