Thẻ tiêu đề chính (hero card) cho bài viết 'Meta Watermelon: Lời nhá hàng ranh giới tiếp theo, đã được giải mã', kèm huy hiệu 'BÁO CÁO RÒ RỈ · NHỮNG GÌ CHÚNG TA BIẾT CHO ĐẾN NAY'; phụ đề giải thích rằng vào ngày 2 tháng 9, Zuckerberg đã chốt lại bài đăng công bố Muse Spark 1.3 của mình bằng hai lời hứa — một mô hình được nhá hàng bằng emoji quả dưa hấu và các bản phát hành Muse Spark dạng trọng số mở, cả hai đều chưa được phát hành — cùng bốn chip ghi 'Mục tiêu được báo cáo: tháng 10/2026', 'Tuyên bố năng lực: tương đương GPT-5.5 (các bài đánh giá không nêu tên)', 'Sức mạnh tính toán: ~10x so với thế hệ trước' và 'Phân phối: chưa rõ — trọng số mở chưa được xác nhận', với logo OrcaRouter được ghép ở góc dưới bên phải.
Guides & Insights

Meta Watermelon là Muse Wonder: Những gì buổi ra mắt ngày 12 tháng 10 thực sự đã xác nhận

Tác giả

Alistair Wren

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Meta Watermelon thực ra vẫn luôn là Muse Wonder, và Meta đã phát hành nó vào ngày 12 tháng 10 năm 2026 — được cung cấp rộng rãi với tên muse-wonder-1.0 trên Meta Model API và trong Muse Code, với giá 4,00 USD mỗi triệu token đầu vào và 20,00 USD mỗi triệu token đầu ra. Mức giá đó chính là tuyên bố đang lan truyền: thấp hơn 60% so với Claude Fable 5.1, mẫu mà nhà sản xuất Claude niêm yết ở mức 10,00 USD đầu vào và 50,00 USD đầu ra, trong khi tài liệu ra mắt của Meta đặt Muse Wonder vượt lên trên nó qua hết benchmark này đến benchmark khác. Nó cũng có đúng mức 4/20 USD giống hệt Claude Opus 5.5, mẫu hiện đang đứng đầu chỉ số trí tuệ độc lập. Nửa phần định giá của câu chuyện đó vẫn đứng vững trước phép tính số học. Nửa phần hiệu năng chỉ đứng vững với một trong hai checkpoint của Meta — và checkpoint mà một nhà phát triển thực sự có thể gọi hôm nay không phải là checkpoint đó.

Bài viết này khởi đầu vào tháng 9 dưới dạng một bài tường thuật rò rỉ về biểu tượng cảm xúc dưa hấu được gắn thêm vào bài đăng ra mắt Muse Spark 1.3. Giờ đây biểu tượng đó đã có tên sản phẩm, nên phần sau đây là chính bài tường thuật ấy, được đọc lại đối chiếu với một bản phát hành đã ra mắt: những gì đã ra mắt, mức giá thực sự là bao nhiêu, các benchmark cho thấy điều gì sau khi tách cột nhà cung cấp khỏi cột độc lập, và một nửa về trọng số mở trong lời hứa hồi tháng 9 vẫn chưa được thực hiện sau sáu tuần. Bốn hình ảnh trên trang này được tạo cho phiên bản tiền phát hành — thẻ hero vẫn đọc như một báo cáo rò rỉ, bảng đã xác nhận so với chưa xác minh được vẽ khi tên mã còn là suy đoán chứ chưa phải sự thật, và ảnh chụp bảng xếp hạng là bản chụp ngày 6 tháng 9 trên một bản sửa đổi trước đó của chỉ mục đó. Chúng được giữ lại như bản ghi về những gì đã biết khi đó, và không có tuyên bố nào dưới đây dựa trên các số liệu trong đó.

Mật danh đã được chốt, và tài liệu ra mắt của chính Meta không hề nhắc đến nó.

Bài đưa tin về màn ra mắt của CNBC cho biết Muse Wonder chính là mô hình mà Meta gọi nội bộ là Watermelon, và sự tương ứng đó khớp với một chuỗi đưa tin kéo dài nhiều tháng trước đó: The Information đưa tin vào tháng 8 rằng Meta nhắm tới tháng 10 cho một mô hình mà hãng gọi là Watermelon, nhưng không xác định liệu nó có được phát hành dưới tên Muse hay không. Nó đã ra mắt với tên Muse Wonder, đúng theo lịch trình được đưa tin, và đây là lời giải cho màn nhá hàng mà bài viết này ban đầu được viết xoay quanh. Hãy lưu ý kỹ nguồn gốc. Sự tương ứng này đến từ bài đưa tin của CNBC về cách đặt tên nội bộ của Meta, không phải từ tài liệu ra mắt của Meta, vốn công bố một dòng Muse Wonder và không nói gì về trái cây. Bài đăng ngày 2 tháng 9 khởi đầu tất cả chuyện này kết thúc bằng “Tiếp theo là 🍉 và các bản phát hành trọng số mở của Muse Spark sẽ sớm ra mắt”; nửa đầu của dòng đó giờ đã là một sản phẩm đã phát hành, còn nửa sau thì chưa.

Bối cảnh phía người tiêu dùng cũng đã rõ. Cùng bản báo cáo hồi tháng Tám đó gắn Watermelon với một đợt thúc đẩy agent trả phí, với gói đăng ký cao cấp được báo cáo lên tới 199,99 USD một tháng, và việc ra mắt xác nhận hướng đi chứ không phải con số chính xác: Muse Wonder chỉ đến với ứng dụng Muse ở các gói trả phí, với mức 20 USD hoặc 100 USD một tháng, trong khi Muse Wonder Full yêu cầu đăng ký Muse Code với mức 50 USD hoặc 200 USD một tháng.

Cái gì đã được phát hành vào ngày 12 tháng 10

Meta đã phát hành hai checkpoint trong cùng một thông báo, và sự khác biệt giữa chúng chính là điều quan trọng nhất của đợt ra mắt này.

• muse-wonder-1.0 — checkpoint được cung cấp trên Meta Model API và bên trong Muse Code, agent lập trình trên terminal của Meta. Đây là mô hình mà bất kỳ ai cũng có thể gọi ngay hôm nay.

• muse-wonder-full-1.0 — một checkpoint riêng biệt, đạt điểm số cao hơn, được Meta mô tả là chỉ dành riêng cho gói đăng ký Muse Code. Đây không phải là một cờ điều chỉnh mức độ nỗ lực suy luận trên mô hình API; mà là một bộ trọng số khác, có thể tiếp cận thông qua một sản phẩm đăng ký theo tháng.

• Giá — $4.00 cho mỗi triệu token đầu vào, $0.20 cho đầu vào được lưu trong bộ nhớ đệm, và $20.00 cho mỗi triệu token đầu ra. Meta công bố mức giá giống nhau cho cả hai checkpoint, vì vậy rào cản đăng ký không phải là một bậc định giá. Đó là cách duy nhất để tiếp cận mô hình tốt hơn.

• Ngữ cảnh — 1.048.576 token, với ngân sách đầu ra giới hạn tối đa ở 943.718 token.

• Đầu vào và đầu ra — văn bản, hình ảnh, giọng nói và video vào; văn bản ra. Suy luận là bắt buộc chứ không phải tùy chọn, với thang nỗ lực từ tối thiểu đến tối đa và mặc định là trung bình.

• Các tính năng được đặt tên — Active Memory, được mô tả là trạng thái bền vững được duy trì qua các phiên, và Active Focus, được mô tả là khả năng tự quản lý sự tập trung của chính mô hình trong các tác vụ dài và sẵn sàng hỏi lại để làm rõ thay vì đình trệ. Cả hai đều là những mô tả của Meta về mô hình của chính mình, và không cái nào có thể đo lường được từ một thẻ mô hình.

• Triển khai cho người tiêu dùng — Meta cho biết Muse Wonder sẽ "sớm vận hành các trải nghiệm trong Muse", bắt đầu với những người đăng ký. Không có ngày cụ thể, và cũng không có tuyên bố về việc liệu bề mặt dành cho người tiêu dùng có nhận được cùng checkpoint hay không.

Điều gì đã được xác nhận, điều gì do nhà cung cấp công bố, điều gì vẫn còn bỏ ngỏ

Việc tách riêng ba thứ đó chính là toàn bộ công việc của bài này, và lần ra mắt đã khiến danh sách đầu tiên dài thêm. Bảng dưới đây được vẽ cho phiên bản trước khi ra mắt — cột bên trái của nó là những gì có thể kiểm chứng vào tháng Chín, cột bên phải là những gì khi đó còn là suy luận — và danh sách đã xác nhận giờ đọc khác đi.

A two-column infographic titled 'Watermelon & the Muse Spark open-weights tease — what is confirmed vs what is a guess'. Left column (green, 'CONFIRMED / CHECKABLE'): 'The tease exists — Sept 2, 2026 Zuckerberg post, relayed by @scaling01', 'Muse Spark 1.3 shipped Sept 2 at $1.25 / $4.25', 'Muse Spark 1.2 weights promised Aug 10 — none on Hugging Face by Sept 6', 'Muse Glimmer 30B open weights shipped Aug 10 (Apache-2.0)'. Right column (amber, 'UNVERIFIED / REPORTED'): 'The emoji maps to a model called Watermelon', 'October 2026 release target (The Information)', 'GPT-5.5 parity on unnamed internal benchmarks', 'An order of magnitude more compute than the prior generation'. Footer: 'Every Watermelon capability claim is internal or press-reported — no independent run exists.' OrcaRouter logo composited bottom-right.

• Đã xác nhận — Meta đã phát hành Muse Wonder vào ngày 12 tháng 10 năm 2026, có sẵn rộng rãi trên Meta Model API và trong Muse Code, với Muse Wonder Full chỉ giới hạn cho người đăng ký Muse Code.

• Đã xác nhận — mức giá đã công bố của Muse Wonder là 4,00 USD cho mỗi triệu token đầu vào và 20,00 USD cho mỗi triệu token đầu ra, với đầu vào được lưu trong bộ nhớ đệm ở mức 0,20 USD, và mức giá tương tự cũng được công bố cho Muse Wonder Full.

• Đã xác nhận, bằng phép tính — các mức giá đó thấp hơn 60% so với $10.00/$50.00 của Claude Fable 5.1 và giống hệt $4.00/$20.00 của Claude Opus 5.5.

• Đã được xác nhận, một cách độc lập — Artificial Analysis đo Muse Wonder (max) ở mức 52 và Muse Wonder Full (max) ở mức 56, so với 53 của Claude Fable 5.1 (max có dự phòng) và 58 của Claude Opus 5.5 (max).

• Được báo cáo, không phải do hãng công bố — rằng mô hình mà Meta phát hành dưới tên Muse Wonder từng có mật danh nội bộ là Watermelon. Thông tin ánh xạ này xuất phát từ bài đưa tin của CNBC về thời điểm ra mắt, trong đó nói về cách đặt tên nội bộ của Meta, và tài liệu của chính Meta không dùng tên đó.

• Nhà cung cấp tự công bố — mọi benchmark trong bảng công bố ra mắt của Meta, bao gồm con số JobBench 59.1 thuộc về checkpoint chỉ dành cho gói đăng ký và con số chỉ số 59.0 mà Artificial Analysis công bố là 56. Tuyên bố của Meta rằng mình đã đạt đến biên giới chỉ là tuyên bố của Meta.

• Mở — câu hỏi về trọng số cho Muse Wonder và Muse Wonder Full, câu hỏi tương tự cho Muse Spark 1.3, và ngày phát hành trọng số mở đã hứa của Muse Spark 1.2. “Sớm” không phải là một ngày, và một lời hứa không phải là một mục trong sổ đăng ký.

Tuyên bố rẻ hơn 60%, đối chiếu với bảng giá cước

Phép so sánh đang lưu hành là so với Claude Fable 5.1, và nó vẫn trụ vững khi đối chiếu với các con số. Mức giá công bố cho Claude Fable 5.1 là $10.00 mỗi triệu token đầu vào và $50.00 mỗi triệu token đầu ra — đúng những con số mà Artificial Analysis ghi trên thẻ của mình cho mô hình, cùng với mức giảm giá cache 98%. So với $4.00 và $20.00, đó chính xác là mức giảm 60% trên cả hai chặng: không phải xấp xỉ kiểu “khoảng 60%”, mà là cùng một hệ số 0,6 được áp dụng cho đầu vào và đầu ra. Với một khối lượng công việc chủ yếu là đầu vào, hoặc chủ yếu là đầu ra, khoản tiết kiệm vẫn như nhau dù theo hướng nào, điều này sạch sẽ một cách bất thường so với các phép so sánh giá.

Có hai điểm cần đính chính trong cách con số đó đang được lặp lại. Thứ nhất, mức 60% là so với Claude Fable 5.1, chứ không phải so với nhóm tiên phong nói chung — Claude Opus 5.5, mô hình hiện được Artificial Analysis xếp hạng nhất về trí tuệ, cũng có mức giá $4.00 cho đầu vào và $20.00 cho đầu ra, nên Meta không hề đưa ra mức giá thấp hơn vị trí dẫn đầu bảng xếp hạng. Meta đã ngang bằng với vị trí đó. Thứ hai, đơn giá token thấp hơn không đồng nghĩa với hóa đơn thấp hơn, và phần về chi phí thực tế ở bên dưới sẽ giải thích điều đó.

Tuyên bố vượt trội, được đối chiếu với chỉ số độc lập

Tài liệu ra mắt của Meta rất hào phóng với các benchmark. Bảng của chính họ đặt Muse Wonder Full ở 59,1 so với 52 của Claude Fable 5.1 trên “Personal Superintelligence Index” của Meta, ở 75,3 so với 27,6 trên JobBench, và ở 59,1 so với 6,4 trên Vals Finance Agent V2. Mỗi một con số trong số đó đều do nhà cung cấp báo cáo, được tạo ra trong harness của Meta, và chưa được ai khác tái tạo — hãy đọc chúng như tuyên bố của Meta, không phải như phép đo. Bảng của Meta cũng liệt kê Muse Wonder Full ở 59,0 trên Artificial Analysis Intelligence Index, trong khi Artificial Analysis tự công bố 56 cho cùng checkpoint đó. Khi một nhà cung cấp và bên đánh giá độc lập lệch nhau ba điểm trên chính chỉ số của bên đánh giá, con số của bên đánh giá là con số để hoạch định dựa theo.

A screenshot of the top of the Artificial Analysis Intelligence Index leaderboard (captured September 6, 2026) sorted by intelligence, showing Claude Fable 5.1 (max with fallback) leading at index 57, GPT-6 Astra (max) at 55, GPT-6 Astra (xhigh) and Claude Opus 5 (max) at 54, Muse Spark 1.3 (max) at 53 and Muse Spark 1.3 (xhigh) at 52 in the same leading closed-model group, and the open-weight leaders a step below — Kimi K3 (max) at 50 and GLM-5.3 (max) at 49 — each row showing context window, creator, index value, cost per task and speed.

Artificial Analysis đã tái lập cơ sở cho chỉ số này hơn một lần kể từ tháng 9, vì vậy thẻ bảng xếp hạng ở trên là bản chụp ngày 6 tháng 9 từ một bản sửa đổi trước đó và các giá trị của nó không thể so sánh với các giá trị hiện tại. Điều mà đơn vị đánh giá công bố hôm nay chia tách luận điểm theo ranh giới checkpoint:

• Muse Wonder (max) — 52, xếp thứ chín trong số 219 mô hình, với $4.00 cho đầu vào và $20.00 cho đầu ra cùng mức giảm giá bộ nhớ đệm 95%, tương đương khoảng $4.52 chi phí cho mỗi tác vụ chỉ mục.

• Muse Wonder Full (max) — 56, xếp thứ tư trong số 699 mô hình trên chính thẻ của đơn vị đánh giá. Không có giá trên mỗi token nào được công bố cho nó, vì nó không được bán theo token.

• Claude Fable 5.1 (tối đa với dự phòng) — 53, xếp thứ năm trong số 219, với $10.00 đầu vào và $50.00 đầu ra.

• Claude Opus 5.5 (max) — 58, đứng đầu trong số 219, ở mức $4.00 cho đầu vào và $20.00 cho đầu ra.

Vậy nên dòng tít thực chất quy về một điều chính xác hơn là “tốt hơn và rẻ hơn”. Muse Wonder Full ở mức 56 đúng là đánh bại Claude Fable 5.1 ở mức 53 — hơn ba điểm, trên bảng xếp hạng độc lập, trong khi chi phí trên mỗi token thấp hơn 60%. Muse Wonder ở mức 52 thì không: bản checkpoint được bán trên API nằm thấp hơn Claude Fable 5.1 một điểm và thấp hơn Claude Opus 5.5 sáu điểm. Người đọc muốn tuyên bố này là đúng thì phải mua gói đăng ký. Người đọc muốn có khóa API thì lại nhận được mô hình thua trong so sánh này.

Những con số độc lập cũng chỉ ra điểm yếu mà bảng của chính Meta không đặt lên hàng đầu. Trong đánh giá kiến thức thực tế của Artificial Analysis, Muse Wonder Full đạt 30 và Muse Wonder đạt 25 — kém xa Claude Opus 5.5 ở mức 46, GPT-6 Astra ở mức 43 và Gemini 4 Argon ở mức 42, đồng thời nhất quán với việc dòng mô hình này được xây dựng trên một mô hình nền nhỏ hơn so với các mô hình tiên phong đóng. Tỷ lệ ảo giác thấp phần nào bù đắp lại điều đó: cùng đánh giá này đặt Muse Wonder Full ở mức tỷ lệ ảo giác 23%, mức thấp thứ hai trong số các mô hình đạt ít nhất 45 trên chỉ số, trong khi Gemini 4 Argon thậm chí còn thấp hơn ở mức 15%. Điểm mạnh nằm ở khả năng agentic. Muse Wonder Full đạt 68 trên chỉ số coding agents của đơn vị đánh giá, ngang bằng Claude Sonnet 5.5, và mức cải thiện của nó so với Muse Spark 1.3 trên Terminal-Bench 4.0 được mô tả là tăng khoảng gấp đôi. Meta giải đáp lời chỉ trích thường trực rằng các mô hình của mình được tinh chỉnh cho benchmark bằng cách lập luận rằng mô hình nền mới tổng quát hóa sang các tác vụ nằm ngoài tối ưu hóa huấn luyện của nó — một tuyên bố của nhà cung cấp về chính mô hình của mình, và chỉ có việc sử dụng công khai lặp lại mới có thể xác định được.

Mức giá rẻ hơn tác động thế nào đến hóa đơn thực tế

Đây là chỗ mà con số tiêu đề 60% trở nên nhỏ hơn. Suy luận là bắt buộc trên Muse Wonder và token suy luận được tính như output, nên phần output chính là nơi quyết định hóa đơn. Artificial Analysis ghi nhận 130 triệu token output được tiêu thụ trong lượt đánh giá của mình, so với mức trung vị 85 triệu của các mô hình tương đương — một mô hình dài dòng, dù ít dài dòng hơn Claude Opus 5.5 ở 260 triệu và ngang mức với Muse Wonder Full ở 140 triệu. Độ dài dòng đó đã được tính vào con số chi phí trên mỗi tác vụ: 4,52 USD cho Muse Wonder so với 5,98 USD cho Claude Opus 5.5 và 7,63 USD cho Claude Fable 5.1. Bảng giá nói rằng rẻ hơn 60% so với Fable 5.1; nhưng khi đo trên mỗi tác vụ chỉ mục đã hoàn thành, khoảng cách gần với 40% hơn, vì Muse Wonder tiêu tốn nhiều token hơn để đạt được điều đó.

Hãy thử tính toán với một tháng cụ thể — giả sử 10 triệu token đầu vào và 2 triệu token đầu ra. Muse Wonder tính $40.00 tiền đầu vào và $40.00 tiền đầu ra, tổng $80.00. Claude Fable 5.1 tính $100.00 và $100.00, tổng $200.00. Claude Opus 5.5 tính $40.00 và $40.00, tổng $80.00. So với Fable 5.1, khoản tiết kiệm là có thật và lớn. So với mô hình thực sự dẫn đầu bảng xếp hạng, Meta đã định giá ngang bằng thay vì hạ giá. Và vì không thể tắt suy luận, các đòn bẩy chi phí duy nhất là mức độ nỗ lực và ngân sách đầu ra — ở mức nỗ lực trung bình cho các cuộc gọi ngắn, đây là một hóa đơn thông thường cho mô hình tiên phong, còn ở mức nỗ lực tối đa trong một vòng lặp agentic dài, nó là một hóa đơn lớn.

Nửa open-weights hiện đã được chín tuần tuổi.

Mệnh đề thứ hai trong lời kết ngày 2 tháng 9 của Zuckerberg — “các bản phát hành trọng số mở Muse Spark sẽ sớm ra mắt” — đã không được thực hiện. Meta đã hứa về trọng số Muse Spark 1.2 vào ngày 10 tháng 8 năm 2026, khiến lời hứa đó tính đến hôm nay đã 64 ngày, và việc kiểm tra trực tiếp tổ chức mô hình của Meta trên Hugging Face sáng nay trả về đúng bốn kho lưu trữ, tất cả đều là các biến thể Muse Glimmer: Muse Glimmer 30B, bản dựng GGUF và bản dựng trợ lý của nó, và một bản xuất ExecuTorch. Không có checkpoint Muse Spark thuộc bất kỳ phiên bản nào, không có giấy phép, không có thông số phần cứng và không có ngày. Muse Glimmer — mô hình Apache 2.0 30 tỷ tham số mà Meta phát hành cùng lời hứa — vẫn là mô hình trọng số mở có thể tải xuống duy nhất trong dòng Muse.

Buổi ra mắt cũng không làm rõ cách phân phối của chính Muse Wonder. Meta vẫn chưa cho biết liệu họ có công bố trọng số cho một trong hai checkpoint mới hay không. Việc bỏ sót đó mang lại hậu quả vượt ra ngoài sở thích của nhà phát triển: theo Điều 53 của EU AI Act, một mô hình thực sự miễn phí và mở sẽ thoát khỏi một số tài liệu mà đáng lẽ nó phải nộp, và việc miễn trừ phụ thuộc vào việc giấy phép là thật, với trọng số, kiến trúc và thông tin sử dụng được công khai. Meta cũng chưa quyết định câu hỏi tương tự cho Muse Spark 1.3, và Zuckerberg đã ra tín hiệu thận trọng về việc mở các hệ thống mạnh mẽ nhất. Cách hiểu thực tế cho bất kỳ ai đang lên kế hoạch cho con đường tự lưu trữ vẫn không thay đổi kể từ tháng 9: cửa sổ thời gian liên tục được mô tả là "sắp", mẫu flagship liên tục được phát hành dưới dạng đóng, và trọng số duy nhất trên sổ đăng ký là bản chưng cất 30B.

Muse Wonder nằm ở đâu, và OrcaRouter khớp vào chỗ nào

Muse Wonder không có trên OrcaRouter. Không có mục muse-wonder nào trong danh mục 207 mô hình của chúng tôi, và bài viết này sẽ không mô tả một mô hình như thể nó tồn tại. Thứ mà chúng tôi thực sự cung cấp từ cùng phòng thí nghiệm đó là dòng Muse Spark, và logic bảng giá tương tự cũng áp dụng cho việc so sánh giá mà đợt ra mắt này khuyến khích: cả hai đối thủ cùng phân khúc giá của Muse Wonder đều đã có trong danh mục của chúng tôi với đúng giá niêm yết của nhà cung cấp. Claude Fable 5.1 có mặt ở đó với $10.00 cho đầu vào và $50.00 cho đầu ra, Claude Opus 5.5 với $4.00 cho đầu vào và $20.00 cho đầu ra. Muse Spark 1.2 có trên OrcaRouter với giá niêm yết của nhà cung cấp — $1.25 mỗi triệu token đầu vào và $4.25 mỗi triệu token đầu ra, được chuyển tiếp với mức chênh lệ 0%, nên mức giá phía chúng tôi chính là mức giá của Meta và thay đổi cùng ngày Meta thay đổi nó.

A screenshot of the OrcaRouter model page for Muse Spark 1.2 (meta/muse-spark-1.2, captured September 6, 2026) showing the model id, by Meta released 2026-08-05, text/image/video/file/audio input with text output, Vision/Audio/Tools/JSON/Reasoning capability chips, a p50 time-to-first-token of 6.33 seconds, the $1.25 input and $4.25 output per-1M-token pricing, and the description of Muse Spark 1.2 as Meta's reasoning model for complex agentic tasks and the current checkpoint of the Muse Spark family served on the same Standard tier at identical pricing.

Việc chuyển tiếp đó quan trọng hơn mức thường lệ trong tuần này, bởi đây là một đợt ra mắt về giá cũng không kém phần là một đợt ra mắt về năng lực: thay đổi mức giá của nhà cung cấp xuất hiện ở phía chúng ta mà không cần đàm phán lại hợp đồng, và một mô hình rẻ hơn một đối thủ 60% trong khi ngang bằng một đối thủ khác khiến việc so sánh trở nên đáng để chạy thử hơn là chỉ đọc. Đây cũng là cách rẻ nhất để tự mình kiểm chứng tuyên bố đó. Tiếp thị của Muse Wonder dựa trên so sánh với các mô hình vốn đã có thể gọi được qua một endpoint tương thích OpenAI duy nhất, nên một đánh giá trung thực — cùng prompt, cùng harness, các phương án thay thế đặt cạnh nhau — chỉ tốn một API key thay vì ba tài khoản nhà cung cấp. Và với một checkpoint mới như vậy, mà đặc điểm khác biệt là tường đăng ký thuê bao chứ không phải thành tích đã được kiểm chứng, chuyển đổi dự phòng tự động là mô hình cho phép bạn dùng thử nó mà không đặt cược một đường production vào nó: trỏ một route thử nghiệm vào mô hình mới, giữ một fallback đã được chứng minh trên cùng endpoint, và để router đưa lưu lượng trở lại nếu vòng lặp suy luận bị đình trệ hoặc hóa đơn tăng quá cao.

Xem gì tiếp theo

Bốn điều vẫn chưa được giải quyết, và mỗi điều đều thay đổi cách một độc giả sẽ lên kế hoạch xoay quanh đợt ra mắt này.

• Liệu muse-wonder-full-1.0 có được cấp một đường dẫn API hay không. Checkpoint đánh bại Claude Fable 5.1 ba điểm trên chỉ số độc lập chỉ có thể tiếp cận thông qua gói đăng ký hàng tháng từ 50 đến 200 USD, khiến phép so sánh đình đám trở thành một quyết định sản phẩm thay vì một quyết định kỹ thuật. Meta vẫn chưa nói liệu họ có mở nó hay không.

• Liệu Meta có công bố trọng số của Muse Wonder hay không. Meta cũng đã không quyết định điều này đối với Muse Spark 1.3, và câu trả lời quyết định cả những gì một đội có thể tự vận hành lẫn những gì Meta phải thực hiện theo EU AI Act.

• Kho lưu trữ Hugging Face cho trọng số mở đã hứa của Muse Spark 1.2, hiện đã quá hạn sáu mươi tư ngày. Hãy kiểm tra các tổ chức mô hình của Meta trên Hub thay vì chờ thông báo — lần trước, danh bạ đã thay đổi trước cả bài đăng blog.

• Liệu các harness độc lập có tái lập được mức chênh lệch của JobBench và Vals Finance hay không, và liệu Active Memory có đứng vững khi ra khỏi môi trường demo hay không. Khoảng cách 44 điểm giữa hai checkpoint đến từ cùng một lab trên một benchmark hoặc là sự phân tách năng lực thực sự, hoặc là hệ quả của harness, và chỉ có các lượt chạy của bên thứ ba mới phân định được đâu là đâu.

Điều mà buổi ra mắt thực sự giải quyết là câu hỏi mà bài viết này được viết xoay quanh vào tháng 9. Emoji dưa hấu đúng là một sản phẩm chủ lực thực thụ: nó được phát hành đúng lịch trình đã được báo cáo, và nó ra mắt trong đúng phân khúc giá mà đường biên tiên phong vốn đã chiếm giữ. Phần thú vị không còn là liệu Meta có thể chạm tới đường biên tiên phong hay không. Mà là ở chỗ mô hình mà Meta định giá để ngang bằng với mô hình dẫn đầu không phải là mô hình mà Meta đã lấy làm chuẩn đối chiếu với nó.

So sánh trong bài viết này1

Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày