Muse Wonder đã ra mắt: Mô hình tiên phong mới của Meta được phát hành kèm một bản song sinh ngang cấp mà bạn không thể mua riêng

Meta Superintelligence Labs đã phát hành Muse Wonder vào ngày 12 tháng 10 năm 2026 — và tung ra nó dưới dạng hai mô hình trong một lần ra mắt. Muse Wonder là checkpoint mà các nhà phát triển có thể gọi ngay hôm nay thông qua Meta Model API và bên trong Muse Code; Muse Wonder Full là một cấu hình đạt điểm cao hơn mà Meta nói rằng chỉ dành cho người đăng ký Muse Code. Cả hai đều công bố cửa sổ ngữ cảnh 1 triệu token và cùng mức giá được công bố là 4,00 USD cho mỗi triệu token đầu vào và 20,00 USD cho mỗi triệu token đầu ra, điều này đặt cặp mô hình này trực tiếp lên trên Claude Opus 5.5 và khiến câu hỏi thú vị không phải là Muse Wonder đạt điểm bao nhiêu mà là bạn thực sự có thể truy cập được ID mô hình nào trong hai ID đó.

Sự tách đôi đó chính là câu chuyện của lần ra mắt này. Một bản phát hành tiên phong thường chỉ cho bạn một endpoint và một con số. Bản này cho bạn hai ID, hai bảng điểm, và một ranh giới khả dụng được vạch theo đường thuê bao thay vì tầng API.

Những gì đã được phát hành và mỗi mô hình nằm ở đâu

Trang mô hình của chính Meta liệt kê hai ID. muse-wonder-1.0 là ID được phục vụ trên Meta Model API và thông qua Muse Code, tác nhân viết mã trên terminal của Meta. muse-wonder-full-1.0 là ID mà Meta mô tả là chỉ dành cho thuê bao Muse Code — đây không phải là một cờ trên mô hình API, mà là một checkpoint riêng có thể truy cập thông qua một sản phẩm mà Meta bán theo tháng. Các gói đã công bố của Meta cho sản phẩm đó là 50 USD một tháng cho Power Usage và 200 USD một tháng cho Maximum Usage.

Cả hai ID đều có mức giá 4,00 USD cho mỗi triệu token đầu vào, 0,20 USD cho đầu vào được lưu trong bộ nhớ đệm và 20,00 USD cho mỗi triệu token đầu ra. Meta cũng cho biết Muse Wonder sẽ “sớm hỗ trợ vận hành các trải nghiệm trong Muse”, đây là giao diện dành cho người tiêu dùng của công ty — một đợt triển khai vẫn chưa có ngày cụ thể.

Meta đã nêu tên hai tính năng trong bản phát hành, và chúng chính là những tính năng đáng theo dõi vì chúng mô tả hành vi thay vì một điểm benchmark. Active Memory là trạng thái liên tục xuyên suốt một phiên; Active Focus là khả năng quản lý sự tập trung của chính mô hình đối với các tác vụ dài. Cả hai đều không thể đo lường được từ thẻ mô hình, và cả hai đều thuộc loại năng lực chỉ thể hiện sau vài tuần trong một khối lượng công việc thực tế.

Bảng điểm của chính Meta — và hai cột thực sự quan trọng

Meta đã công bố một bảng benchmark bao gồm cả hai checkpoint cùng với Claude Fable 5.1, GPT-6 Astra và Claude Opus 5.5, tất cả ở thiết lập suy luận tối đa của chúng. Mọi con số dưới đây đều do nhà cung cấp báo cáo, được tạo ra trong harness của Meta, và không có con số nào được tái lập độc lập. Hãy đọc đây như tuyên bố của Meta, không phải như kết quả đo lường:

• Chỉ số Siêu trí tuệ Cá nhân — Muse Wonder Full 59.1, Muse Wonder 56, Claude Fable 5.1 52, GPT-6 Astra 53, Claude Opus 5.5 53

• JobBench (các tác vụ chuyên môn dài hạn) — Muse Wonder Full 75.3, Muse Wonder 30.8, Claude Fable 5.1 27.6, GPT-6 Astra 34.2, Claude Opus 5.5 30.6

• Harvey LAB-AA (công việc tác nhân pháp lý) — Muse Wonder Full 13.1, Muse Wonder 54.3, Claude Fable 5.1 49.9, GPT-6 Astra 54.5, Claude Opus 5.5 55.2

• Vals Finance Agent V2 — Muse Wonder Full 59.1, Muse Wonder 10.0, Claude Fable 5 6.4, GPT-6 Astra 8.6, Claude Opus 5.5 4.2

• HealthBench Pro — Muse Wonder Full 62,3, Muse Wonder 56,6, Claude Fable 5.1 58,9, GPT-6 Astra 53,5, Claude Opus 5.5 58,6

• AutomationBench-AA — Muse Wonder Full 45.4, Muse Wonder 60.5, Claude Fable 5.1 62.1, GPT-6 Astra 65.3, Claude Opus 5.5 65.6

• GDP.pdf — Muse Wonder Full 33.2, Muse Wonder 39.1, Claude Fable 5.1 32.1, GPT-6 Astra 41.6, Claude Opus 5.5 41.2

• OSWorld V2.1 (sử dụng máy tính) — Muse Wonder Full 78,4, Muse Wonder 72,6, Claude Fable 5.1 73,1, GPT-6 Astra 66,1, Claude Opus 5.5 75,4

• MemoryBench — Muse Wonder Full 39.4, Muse Wonder 34.3, Claude Fable 5.1 34.3, GPT-6 Astra 34.3, Claude Opus 5.5 không được báo cáo

• Terminal-Bench 4.0-AA — Muse Wonder Full 85,5, Muse Wonder 85,6, Claude Fable 5.1 79,0, GPT-6 Astra 81,4, Claude Opus 5.5 81,5

• DeepSWE 1.1 — Muse Wonder Full 57.1, Muse Wonder 52.0, Claude Fable 5.1 52.0, GPT-6 Astra 59.1, Claude Opus 5.5 59.6

• SWE-Marathon — Muse Wonder Full 79.0, Muse Wonder 78.8, Claude Fable 5.1 67.4, GPT-6 Astra 74.1, Claude Opus 5.5 74.2

• Chỉ số Artificial Analysis — Muse Wonder Full 59.0, Muse Wonder 56, Claude Fable 5.1 54, GPT-6 Astra 53, Claude Opus 5.5 58

Cột Full không hẳn tốt hơn một cách đồng đều, và đó là điều mang nhiều thông tin nhất trong bảng. Full thắng JobBench 44 điểm, Vals Finance Agent V2 49 điểm, và MemoryBench 5 điểm — công việc dài hạn, có trạng thái, nặng về công cụ. Muse Wonder thắng AutomationBench-AA 15 điểm và GDP.pdf 6 điểm, và nó nhỉnh hơn Full ở Harvey LAB 41 điểm. Vậy nên mô hình đăng ký không đơn thuần là mô hình API được vặn núm lên cao hơn; Meta dường như đã huấn luyện theo hai cấu hình khác nhau, và bản bạn có thể gọi qua API mạnh hơn trong hai bản ở khả năng tự động hóa doanh nghiệp kiểu tác tử, trong khi bản nằm sau gói đăng ký mạnh hơn ở công việc chuyên môn kéo dài.

Đánh giá độc lập đến nay nói gì

Artificial Analysis xếp Muse Wonder (max) ở mức Intelligence Index là 52, xếp thứ chín trong số 219 mô hình, với 4,00 USD đầu vào và 20,00 USD đầu ra mỗi triệu token cùng chiết khấu cache 95% — tính ra khoảng 4,52 USD mỗi tác vụ chỉ số. Thẻ của nó báo cáo 130 triệu token đầu ra được tiêu thụ trong quá trình đánh giá, so với mức trung vị 85 triệu, ngữ cảnh 1M, và đầu vào văn bản, hình ảnh, giọng nói và video so với đầu ra văn bản.

Muse Wonder Full (max) đạt 56 trên cùng chỉ số, xếp thứ tư trong số 699 mô hình, không công bố giá vì không được bán theo token. Bảng xếp hạng hiện tại cho thấy Claude Opus 5.5 (max) đứng đầu với 58, tiếp theo là Claude Sonnet 5.5 (max) và Opus 5.5 (xhigh) cùng Muse Wonder Full (max) đều ở 56, còn Opus 5.5 (high) ở 54.

Hãy lưu ý khoảng cách giữa hai nguồn về cùng một mô hình. Bảng của Meta liệt kê Muse Wonder Full ở mức 59,0 trên Artificial Analysis Index; còn bản thân Artificial Analysis công bố 56. Con số của Meta là của Meta; còn 56 và vị trí thứ tư là của chính đơn vị đánh giá. Khi một nhà cung cấp và một phòng thí nghiệm độc lập chênh nhau ba điểm trên cùng một chỉ số, con số độc lập mới là con số nên lấy làm căn cứ để lập kế hoạch.

Giá thì giống Opus 5.5 — còn hóa đơn thì không.

Mức $4.00 cho đầu vào và $20.00 cho đầu ra của Meta không phải là một phương án tiết kiệm. Đó đúng bằng chi phí của Claude Opus 5.5, và cao gấp nhiều lần mức mà các mô hình suy luận trọng số mở tính phí. Ở 130 triệu token đầu ra trong một lần chạy đánh giá, Muse Wonder nằm ở giữa nhóm về độ dài diễn đạt: thấp hơn nhiều so với 260 triệu của Opus 5.5 trong khi mức trung vị là 85 triệu, và cao hơn nhiều so với các mô hình lớp Gemini ít dài dòng hơn.

Suy luận là bắt buộc trên mô hình này. Thang mức độ nỗ lực gồm max, xhigh, high, medium, low, minimal, mặc định là medium, và token suy luận được tính như output. Không có công tắc để tắt suy luận và cũng không có đường đi rẻ nào không cần suy nghĩ — đòn bẩy chi phí duy nhất bạn có là mức độ nỗ lực và kích thước ngân sách output, vốn bị giới hạn ở 943.718 token trên ngữ cảnh 1.048.576 token. Ở mức 20 đô la cho mỗi triệu token output, một vòng lặp agentic dài đốt hết ngân sách đó là một hóa đơn thật sự; còn ở mức nỗ lực medium với những cuộc gọi ngắn thì đó chỉ là một hóa đơn thông thường của mô hình frontier.

Cách định khung về an toàn mà Meta sử dụng khi ra mắt đáng được trích dẫn vì nó trực diện một cách bất thường: công ty gọi Muse Wonder là “mô hình được căn chỉnh tốt nhất cho đến nay” của mình và viện dẫn những gì họ mô tả là các biện pháp bảo vệ mạnh nhất từ trước đến nay chống lại CBRN và việc lạm dụng không gian mạng. Đó là tuyên bố của nhà cung cấp về chính mô hình của họ và nên được đọc đúng như vậy, nhưng nó cho thấy Meta kỳ vọng sự phản đối việc triển khai sẽ đến từ đâu.

OrcaRouter phù hợp ở đâu — và ở đâu thì chưa, vào thời điểm này

Muse Wonder không có trên OrcaRouter. Không có mục meta/muse-wonder nào trong danh mục của chúng tôi và chúng tôi sẽ không mô tả một mục như vậy như thể nó tồn tại. Thứ chúng tôi thực sự cung cấp từ cùng phòng thí nghiệm là dòng Muse Spark — Muse Spark 1.2 và Muse Spark 1.1 — vì vậy một nhóm muốn dùng dòng suy luận của Meta ngay hôm nay có một lộ trình không cần tài khoản mới hay SDK mới.

Với nhu cầu so sánh giá mà đợt ra mắt này gợi ra, một sự thật hữu ích là cả hai đối thủ ngang giá của Muse Wonder đều đã có mặt trong danh mục của chúng tôi với đúng giá niêm yết của nhà cung cấp. Claude Opus 5.5 đã có trên OrcaRouter với mức $4.00 cho đầu vào và $20.00 cho đầu ra, giá đọc cache $0.20 và ngữ cảnh 1M tương tự, còn DeepSeek V4 Pro thì có mặt ở đó với chi phí chỉ bằng một phần nhỏ so với mức đó. Nếu bạn đang cân nhắc liệu mức $4/$20 của Muse Wonder có đáng với khối lượng công việc của mình hay không, thì việc chạy cùng những tác vụ đó qua hai mô hình vốn đã có thể truy cập sẽ chỉ tốn của bạn một khóa API thay vì ba.

Đó chính là toàn bộ ý nghĩa của một endpoint tương thích OpenAI trên hơn 200 mô hình với mức không cộng thêm giá: khi một phòng thí nghiệm công bố mức giá như thế này, bạn có thể so sánh nó với các lựa chọn thay thế trong một buổi chiều thay vì phải mở phiếu hỗ trợ với ba nhà cung cấp. Giá niêm yết của nhà cung cấp được chuyển qua nguyên vẹn, nên khi một nhà cung cấp giảm giá, bên chúng tôi sẽ thấy điều đó ngay trong cùng ngày giá được công bố. Khi Muse Wonder đến được một nhà cung cấp mà chúng tôi định tuyến, nó sẽ xuất hiện với giá của Meta, không phải giá của chúng tôi.

Những điều cần theo dõi từ đây

Có bốn điều chưa được giải quyết về lần ra mắt này, và mỗi điều trong số đó thay đổi cách bạn sẽ lập kế hoạch xoay quanh nó:

• Liệu muse-wonder-full-1.0 có được cấp một đường dẫn API hay không. Hiện tại, checkpoint có điểm số cao hơn đang bị khóa trong gói đăng ký hàng tháng từ $50 đến $200, điều này khiến nó trở thành một quyết định về sản phẩm chứ không phải một quyết định về kỹ thuật. Meta vẫn chưa nói rằng họ sẽ mở nó ra.

• Liệu tính năng Active Memory có trụ vững khi tiếp xúc với môi trường production hay không. Trạng thái bền vững xuyên phiên là tuyên bố làm thay đổi cách bạn kiến trúc một ứng dụng nhiều nhất, và cũng là tuyên bố mà một model card không thể chứng minh.

• Liệu các harness độc lập có tái lập được mức chênh lệch của JobBench và Vals Finance hay không. Khoảng cách 44 điểm giữa hai checkpoint từ cùng một lab trên một benchmark hoặc là sự phân tách năng lực thực sự, hoặc là hệ quả của harness, và chỉ bên thứ ba mới có thể phân định được đâu là đâu.

• Liệu đợt triển khai Muse cho người tiêu dùng có đi kèm với cùng một mô hình hay không. Meta nói Muse Wonder sẽ "sớm vận hành các trải nghiệm trong Muse" mà không có ngày cụ thể hay phiên bản, và sự khác biệt giữa một mô hình tác tử có ngữ cảnh 1M bên trong một ứng dụng tiêu dùng với một mô hình trò chuyện mang cùng cái tên là rất đáng kể.

Đợt ra mắt là thật và các endpoint đã tồn tại kể từ ngày 12 tháng 10. Điều chưa ngã ngũ là trong hai Muse Wonders, đâu mới là cái mà người ta rốt cuộc sẽ bàn tán — mô hình API ở mức $4/$20 mà bất kỳ ai cũng có thể gọi, hay Full checkpoint hiện cần có đăng ký thuê bao mới chạm được.