Muse Wonder Full vs Muse Wonder: Cùng ngày ra mắt, cùng bảng giá, cách nhau bốn điểm trên bảng đánh giá duy nhất đã đo lường cả hai

Muse Wonder Full và Muse Wonder ra mắt trong một bài đăng duy nhất vào ngày 12 tháng 10 năm 2026, từ Meta Superintelligence Labs, và gần như mọi thông số kỹ thuật trong bài đăng đó đều áp dụng cho cả hai. Cả hai đều được mô tả với cửa sổ ngữ cảnh 1.048.576 token. Cả hai đều được niêm yết ở mức $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. Cả hai đều yêu cầu suy luận. Cả hai đều nhận đầu vào là văn bản, hình ảnh, giọng nói và video và trả về văn bản. Và trên Artificial Analysis Intelligence Index độc lập, chúng cách nhau bốn điểm: Muse Wonder Full ở mức 56, xếp thứ tư trong số 699 mô hình được đo lường, và Muse Wonder ở mức 52, xếp thứ chín trong số 219.

Bốn điểm là khác biệt thực sự nhỏ nhất giữa hai checkpoint tiên tiến được phát hành cùng ngày bởi cùng một phòng thí nghiệm, và chúng cũng là điều ít mang tính quyết định nhất ở cặp này — bởi vì chỉ một trong hai là có thể gọi tới. Muse Wonder phản hồi qua Meta Model API và bên trong Muse Code. Muse Wonder Full được Meta mô tả là chỉ dành cho thuê bao Muse Code, với $50 một tháng cho Power Usage hoặc $200 một tháng cho Maximum Usage. Đây không phải là so sánh giữa một mô hình mạnh và một mô hình mạnh hơn. Đây là so sánh giữa một mô hình mạnh hơn mà bạn không thể gọi và một mô hình yếu hơn mà bạn có thể gọi.

Một thông báo, hai điểm kiểm soát và một cột phân tách chúng.

Đọc tài liệu ra mắt từng dòng một và hai mô hình bám sát nhau gần như đến tận cuối. Nơi chúng khác biệt là một cột duy nhất, và đó không phải là năng lực.

• Quyền truy cập — muse-wonder-1.0 trả lời trên Meta Model API và trong Muse Code; muse-wonder-full-1.0 chỉ dành cho thuê bao Muse Code, không có phương thức tính phí theo mức sử dụng và không có SDK nào có thể được trỏ đến nó.

• Giá — bảng giá dùng chung $4.00 cho đầu vào, $0.20 cho bộ nhớ đệm và $20.00 cho đầu ra mô tả một lộ trình tồn tại đối với Muse Wonder và không tồn tại đối với Muse Wonder Full, với chi phí là gói hàng tháng $50 hoặc $200.

• Chỉ số độc lập — Muse Wonder 52, thứ chín trong 219; Muse Wonder Full 56, thứ tư trong 699. Bốn điểm, được đo trên cùng một khung kiểm thử công khai, nơi duy nhất cả hai cùng xuất hiện trên một thang đo.

• Ngân sách đầu ra — mức trần một phản hồi của checkpoint có thể gọi là 943.718 token. Mức trần của checkpoint dành cho thuê bao không được công bố, vì không ai ngoài Meta có thể đếm được nó.

• Tổng hợp của nhà cung cấp — bảng của chính Meta đặt Muse Wonder Full ở mức 59,1 trên Chỉ số Siêu trí tuệ Cá nhân của mình và Muse Wonder ở mức 56. Trên dòng Chỉ số Artificial Analysis của cùng bảng đó, Meta liệt kê Muse Wonder Full ở mức 59,0, trong khi Artificial Analysis công bố 56.

Câu cuối đó đáng để ngồi lại ngẫm cho kỹ. Con số mà nhà cung cấp đưa ra cho checkpoint đứng đầu của chính họ cao hơn ba điểm so với phép đo độc lập cùng checkpoint đó trên cùng chỉ số được nêu tên — và phép đo độc lập của checkpoint còn lại, 52, lại gần với con số 59,1 của nhà cung cấp dành cho cái đầu tiên hơn mức hai con số của nhà cung cấp gần nhau.

Bốn điểm không phải là con số quan trọng.

Trên chính các hàng long-horizon của Meta, hai checkpoint chênh lệch nhau vượt xa bốn điểm, và theo cả hai hướng. Tất cả những nội dung sau đây đều do nhà cung cấp báo cáo, được tạo ra trong harness của Meta với mức nỗ lực suy luận tối đa, và không có nội dung nào được tái lập độc lập.

• JobBench, các tác vụ chuyên môn dài hạn — Muse Wonder Full 75,3, Muse Wonder 30,8. Khoảng cách 44 điểm giữa hai mô hình cùng một bản phát hành.

• Terminal-Bench 4.0-AA — Muse Wonder 85.6, Muse Wonder Full 85.5. Checkpoint có thể gọi nhỉnh hơn bản đăng ký đúng một phần mười điểm.

• SWE-Marathon — Muse Wonder Full 79.0, Muse Wonder 78.8.

• MemoryBench — Muse Wonder Full 39.4, Muse Wonder 34.3.

• Harvey LAB-AA, bộ tác nhân pháp lý của Meta — Muse Wonder 54.3, Muse Wonder Full 13.1. Checkpoint đăng ký xếp cuối cùng, kém 41 điểm so với cái mà bạn thực sự có thể gọi.

Vậy cặp này cách nhau bốn điểm trên bảng độc lập, cách nhau 44 điểm theo hướng có lợi cho Meta ở một hàng, và cách nhau 41 điểm theo hướng bất lợi cho Meta ở hàng kế tiếp. Ba con số đó không thể cùng mô tả một khác biệt năng lực, và cách lý giải tiết kiệm nhất là chúng không làm vậy: mức dao động 44 điểm giữa các checkpoint vốn chỉ cách nhau bốn điểm trên một harness công khai chính là dạng mà một đánh giá nhạy cảm với harness đối với một tác vụ dạng rollout trông ra sao trong điểm tổng hợp.

Bốn điểm của bảng độc lập, nếu có gì, chính là con số trung thực hơn và cũng ít hữu dụng hơn — một khoảng cách một lần chạy cỡ đó nằm ngay trong dải nhiễu của chính phép đánh giá. Đặt cạnh bảng tổng hợp, ba hàng này cùng chỉ về một kết luận khi nhìn tổng thể: đây là hai checkpoint tiên phong trong top 10 mà các thước đo năng lực tổng quát thì sát nhau, hành vi tầm xa lại cách xa nhau, và một trong số đó không ai ngoài Meta chạy được. Điều nó không thể xác lập là cái nào thắng trên khối lượng công việc của bạn, và nó cũng không cố làm vậy.

Nấc thang thừa ra đó được cho là để đổi lấy điều gì

Meta nêu tên hai khả năng cho dòng sản phẩm này mà hoàn toàn không phải là các hàng điểm chuẩn: Active Memory, được mô tả là trạng thái bền vững được duy trì xuyên qua các phiên, và Active Focus, được mô tả là sự tập trung tự quản lý trong các tác vụ dài. Nếu một trong hai hoạt động đúng như mô tả, thì đó là một kiểu khác biệt khác hẳn so với một điểm số — nó thay đổi hình dạng của ứng dụng, bởi vì trạng thái tồn tại qua ranh giới phiên là thứ mà nếu không có, bạn sẽ phải tự xây dựng, một cách tồi tệ, trong cơ sở dữ liệu của riêng mình.

Cả hai đều không được trình bày trên model card, và cả hai đều không thể truy cập để kiểm thử, vì checkpoint mang chúng là bản nằm sau gói đăng ký. Điều đó để lại cho một nhóm một vấn đề cụ thể và kém hào nhoáng: lý do hợp lý để trả 50 đô la hoặc 200 đô la một tháng cho Muse Wonder Full là một tính năng mà không ai ngoài Meta có thể đánh giá, gắn với một checkpoint mà còn báo cáo 13,1 trên bộ đánh giá agent pháp lý, so với 54,3 của mô hình anh em.

Đo lường độc lập lấp đầy một phần khoảng trống, và chỉ một phần. Artificial Analysis ghi nhận Muse Wonder Full tiêu thụ khoảng 140 triệu token đầu ra trong quá trình đánh giá, so với mức trung vị 88 triệu, và Muse Wonder khoảng 130 triệu so với mức trung vị 85 triệu. Cả hai đều chi tiêu mạnh tay để đạt điểm số của mình, điều này nhất quán với suy luận bắt buộc và cho bạn biết chi phí của một lần leo thang trước khi bạn thực hiện nó — nhưng không con số nào nói lên điều gì về việc liệu bộ nhớ liên tục có hoạt động hay không.

Quyết định này là một van tiết lưu, không phải là một giao dịch mua.

Hầu hết các so sánh giữa hai checkpoint đều kết thúc bằng một câu hỏi mua sắm: chúng ta mua cái nào. Trường hợp này thì không thể, vì một bên không có SKU tính phí theo mức sử dụng. Điều đó thay vào đó đóng khung lại toàn bộ vấn đề thành một câu hỏi định tuyến, và câu hỏi định tuyến ở đây có một hình dạng rõ ràng lạ thường, bởi vì lựa chọn rẻ hơn và lựa chọn đắt hơn được bán theo những thước đo hoàn toàn khác nhau.

Muse Wonder được tính phí theo mức sử dụng. Chi phí của nó tăng tuyến tính theo token ở mức 4,00 đô la và 20,00 đô la mỗi triệu token, với mức chiết khấu bộ nhớ đệm 95% ở phía đầu vào, đó là lý do chi phí độc lập cho mỗi tác vụ lập chỉ mục ra khoảng 4,52 đô la. Muse Wonder Full hoàn toàn không được tính phí theo mức sử dụng. Chi phí của nó là một gói đăng ký cố định hằng tháng, không thay đổi theo khối lượng, nghĩa là chi phí biên của một yêu cầu thêm gửi đến checkpoint Full là bằng không trong phạm vi một gói và vô hạn nếu nằm ngoài một gói. Hai mô hình kinh tế đó muốn lưu lượng trái ngược nhau: giá theo mức sử dụng thưởng cho việc giữ mô hình đắt đỏ tránh khỏi hầu hết yêu cầu, còn giá cố định thưởng cho việc đẩy càng nhiều càng tốt qua nó một khi bạn đã trả tiền.

Điều đó có nghĩa kiến trúc thực tế là một thang leo thang chứ không phải một lựa chọn mô hình. Checkpoint có thể gọi xử lý phần lớn lưu lượng ở mức giá bạn có thể dự báo. Checkpoint theo thuê bao hấp thụ tập con nơi hành vi tầm xa của nó được cho là khác biệt — giả sử bạn có một gói cho phép khối lượng đó, và giả sử tuyên bố JobBench 44 điểm vẫn đứng vững qua đo lường của chính bạn. Bản thân việc đo lường là phần cần xây dựng trước tiên, vì khoảng cách công khai bốn điểm và khoảng cách nhà cung cấp 44 điểm không thể cùng đúng, và khối lượng công việc của bạn là công cụ duy nhất giải quyết được điều đó.

Hai điều về phần còn lại của thị trường khiến chiếc thang đó rẻ hơn so với vẻ ngoài của nó. Thứ nhất là tất cả các mô hình này đều tính phí theo cùng một cách — token suy luận cũng là token đầu ra với mức 20 đô la mỗi triệu, và thang mức nỗ lực chạy từ tối thiểu đến tối đa, mặc định là trung bình, nên thiết lập bạn chọn là một khoản mục lớn hơn cả mã định danh mô hình mà bạn hoán đổi. Thứ hai là tập hợp so sánh mà lần ra mắt này gợi ra vốn đã có thể định tuyến: Claude Opus 5.5 ở mức 4,00 đô la đầu vào và 20,00 đô la đầu ra, cùng với sản phẩm của chính Meta là Muse Spark 1.2 ở mức 1,25 và 4,25 đô la, cả hai đều có mặt trên OrcaRouter theo giá niêm yết của nhà cung cấp, bên cạnh hơn 200 mô hình khác phía sau một API tương thích với OpenAI. Giá niêm yết được chuyển thẳng qua với mức chênh lệch 0%, nên phép tính của chiếc thang không thay đổi khi mô hình thay đổi.

Cả Muse Wonder lẫn Muse Wonder Full đều không phải là một trong các route của chúng tôi. Không có mục meta/muse-wonder hay meta/muse-wonder-full nào trong danh mục, Muse Wonder Full không khả dụng bên ngoài các bề mặt đăng ký của Meta ở bất kỳ mức giá nào, và chúng tôi sẽ không mô tả cái nào trong hai cái đó như thể nó là một route. Điều mà một router đóng góp cho quyết định cụ thể này chính là khả năng chuyển đổi dự phòng và phương án dự phòng: nấc leo thang lẽ ra hiếm khi chạy lại đúng là nấc mà ở đó một trục trặc nhỏ từ nhà cung cấp là khó chấp nhận nhất và cũng ít được thấy nhất, và chuyển đổi dự phòng tự động cùng với một DSL định tuyến có thể biểu đạt việc leo thang dưới dạng cấu hình thay vì mã ứng dụng chính là điều giữ cho một đường đi hiếm khi được dùng không biến thành một sự cố ngừng dịch vụ.

Phiên bản đáng nhớ

Nếu điều duy nhất bạn rút ra từ lần ra mắt này là Muse Wonder Full đạt điểm cao hơn Muse Wonder, thì bạn đang nắm phần ít có thể triển khai thành hành động nhất của nó. Hai bên khác nhau bốn điểm trên bảng độc lập duy nhất đo lường cả hai, khác nhau 44 điểm do nhà cung cấp báo cáo trên một bộ kiểm thử và 41 điểm do nhà cung cấp báo cáo theo hướng bất lợi cho nó trên một bộ khác, và khác nhau ở một sự phân biệt nhị phân dứt khoát về quyền truy cập: một bên là API bạn có thể gọi ngay hôm nay với mức $4.00 và $20.00 mỗi triệu, bên còn lại là gói hàng tháng không có mức giá theo token và không có cách truy cập từ SDK.

Nước đi đúng đắn là coi bốn điểm đó như bằng chứng rằng chúng ngang hàng về năng lực, và coi khác biệt về khả năng truy cập như bằng chứng rằng chúng không phải là những thứ thay thế cho nhau. Hãy xây dựng dựa trên checkpoint có thể gọi được, xây dựng bộ khung đo lường có thể cho bạn biết khoảng cách của chính mình, và coi gói đăng ký như một bước leo thang mà bạn bật lên khi phép đo biện minh cho nó — không phải như một bản nâng cấp bạn mua chỉ vì điểm tổng hợp cao hơn. Và khi một nhà cung cấp công bố khoảng cách 44 điểm trong một lần ra mắt duy nhất, câu hỏi hữu ích không phải là nên chuẩn hóa theo checkpoint nào. Mà là con số nào trụ được khi tiếp xúc với bộ đánh giá của chính bạn, và câu hỏi đó chỉ có câu trả lời nếu bạn đã xây dựng nó từ trước.