TLDR Meta hat am 12. Oktober 2026 Muse Wonder und Muse Wonder Full veröffentlicht — die bislang leistungsfähigsten Modelle, speziell für persönliche und professionelle agentische Aufgaben. Muse Wonder Full erzielt 56 auf dem Artificial Analysis Intelligence Index (knapp hinter Claude Opus 5.5 mit 58), Muse Wonder erzielt 52. Beide bieten Active Memory und Active Focus, ein Kontextfenster mit 1 Mio. Tokens, starke Coding- und Domänenkompetenz (Recht, Finanzen, Gesundheit) sowie multimodale Eingaben.
Muse Wonder ist über die Meta Model API verfügbar zu $4/$20 pro Million Tokens (Eingabe/Ausgabe); Muse Wonder Full ist höheren Muse Code‑Abostufen vorbehalten. Entwickler können diese Modelle (und 500+ weitere) auch über vereinheitlichte Plattformen wie CometAPI nutzen — für einfachere Integration und potenzielle Kostenvorteile.
Zentrale Erkenntnisse
- Muse Wonder und Muse Wonder Full sind Metas Spitzenmodelle für langlaufende Agenten, Coding, Computerbenutzung und realitätsnahe Wissensarbeit.
- Zentrale Neuerungen: Active Memory (persistenter, relevanter Kontext über Gespräche hinweg) und Active Focus (persistentes Zielverfolgen, Fehlererholung und Klärungsfragen).
- Unabhängiger Artificial Analysis Intelligence Index (maximaler Aufwand): Muse Wonder Full 56, Muse Wonder 52 (hoch von 48 bei Muse Spark 1.3).
- Starke Leistung bei langfristigem Programmieren (DeepSWE, SWE-Marathon), juristischen/finanziellen Agentenaufgaben und Memory-Benchmarks; konkurrenzfähig oder führend in mehreren Meta- und Drittanbieterbewertungen.
- Preise: Muse Wonder zu $4 Input / $0.20 gecached / $20 Output pro 1M Tokens auf der Meta Model API; Muse Wonder Full nur per Abo über Muse Code (Power $50/Monat und Maximum $200/Monat). Standardpreise für die Muse Wonder API in CometAPI: $3.2/M Input, $0.16/M gecachter Input, $20/M Output.
Was ist Muse Wonder?
Muse Wonder ist Metas neue Familie von Frontier‑Large‑Language‑Modellen, angekündigt am 12. Oktober 2026 von den Meta Superintelligence Labs. Die Veröffentlichung baut auf Muse Spark auf und verlagert den Schwerpunkt von isolierten Chatbot‑Antworten hin zu langlaufenden Assistenten, die mit Tools arbeiten, nützlichen Kontext behalten und schwierige Arbeit iterativ bearbeiten können. Sie besteht aus zwei Varianten:
- Muse Wonder — das Standard‑Frontier‑Modell, optimiert für realitätsnahes Programmieren, langlaufende Agenten und fortgeschrittene Computerbenutzung. Verfügbar über die Meta Model API und Muse Code.
- Muse Wonder Full — die leistungsfähigere Version mit maximaler Reasoning‑Performance für die härtesten, langlaufenden professionellen und agentischen Workflows. Derzeit nur für Muse Code‑Abonnenten in höheren Stufen verfügbar.
Diese Modelle bauen direkt auf dem Fundament von Muse Spark (früher 2026 eingeführt) auf und stellen Metas bedeutendsten Schritt in Richtung „persönlicher Superintelligenz“ dar. Sie sind ausdrücklich für agentische Anwendungsfälle konzipiert — Systeme, die nicht nur Fragen beantworten, sondern planen, ausführen, Fehler beheben, sich an neue Informationen anpassen und mehrstufige reale Aufgaben über längere Zeiträume hinweg abschließen. Beispiele sind das Navigieren durch Versicherungsschäden, die Interpretation von Mietverträgen, die Analyse finanzieller oder gesundheitlicher Informationen, der Aufbau kompletter Anwendungen und die Bearbeitung komplexer persönlicher Projekte.
Die Modelle wurden in Metas Gigawatt‑Rechenzentrum Prometheus mittels fortgeschrittener Vortrainings- und Reinforcement‑Learning‑Techniken trainiert, die seit der Muse Spark‑Serie verfeinert wurden. Sie unterstützen ein Kontextfenster mit 1 Million Tokens und akzeptieren multimodale Eingaben (Text, Bilder, Video, Audio und PDFs in vielen Konfigurationen) mit Textausgabe.
Technische Spezifikationen der Muse Wonder API
| Spezifikation (offizielle Model Card) | Muse Wonder | Muse Wonder Full |
|---|---|---|
| Entwickler | Meta Superintelligence Labs | Meta Superintelligence Labs |
| Veröffentlichung | 12. Oktober 2026 | 12. Oktober 2026 |
| Bezeichner | muse-wonder-1.0 | muse-wonder-full-1.0 |
| Kontextfenster | 1,000,000 Tokens | 1,000,000 Tokens |
| Eingaben | Text, Bild, Audio, Video | Text, Bild, Audio, Video |
| Ausgabe | Text | Text |
| Reasoning | Konfigurierbar | Fortschrittlich |
| Active Memory / Focus | Unterstützt | Unterstützt |
| Öffentliche API | Meta Model API | Nicht verfügbar |
| Zugriff | Meta API und Muse Code | Qualifizierende Muse Code‑Pläne |
| Modellgewichte / Parameteranzahl | Nicht öffentlich bekanntgegeben | Nicht öffentlich bekanntgegeben |
| Intelligence Index | 52 | 56 |
Kernfunktionen: Active Memory und Active Focus
Active Memory
Die Modelle können wichtigen Nutzerkontext über Gespräche hinweg tragen und aktiv die Details abrufen, die für die aktuelle Aufgabe relevant sind. Das geht über reine Langkontext‑Fenster hinaus; es priorisiert und hebt Informationen hervor, die für laufende Ziele, Gewohnheiten, Präferenzen und frühere Interaktionen wichtig sind. Meta hebt starke Ergebnisse bei MemoryBench hervor, bei dem beide Varianten sehr hohe Werte erzielen.
Active Focus
Wenn eine Aufgabe schwierig wird, bleiben die Modelle dran: Sie probieren alternative Ansätze, erholen sich von Fehlern, passen sich neuen Informationen an, stellen bei Bedarf Rückfragen und melden sich vor wichtigen Aktionen. Dies wird durch interne FocusBench und Langhorizont‑Coding‑Suiten wie SWE‑Marathon evaluiert. Das Ergebnis sind Agenten, die über Stunden hinweg auf Kurs bleiben, statt abzudriften oder aufzugeben.
Weitere Stärken umfassen:
Multimodales Verständnis: Die Modellfamilie unterstützt Text-, Bild-, Audio- und Videoeingaben und erzeugt Textausgabe. Audio‑abhängige Anwendungen müssen die Unterstützung auf der jeweiligen Bereitstellungsoberfläche bestätigen. Eine Modalität auf Modellebene garantiert nicht, dass jede API oder Anwendung denselben Eingabekanal bereitstellt.
Experten‑Domänen‑Reasoning: Metas Launch‑Evaluierungen umfassen Aufgaben in Recht, Finanzen und Gesundheit, etwa Dokumentenprüfung und Informationssynthese. Diese Werte beschreiben evaluierte Aufgaben; sie stellen keine professionelle Zertifizierung dar und ersetzen keine Expertenprüfung in sicherheitskritischen Szenarien.
Frontier‑Coding und Computerbenutzung: Wonder unterstützt Anwendungsentwicklung, Debugging, Code‑Modifikation und Tool‑basierte Workflows. Der Erfolg in der Praxis hängt weiterhin vom umgebenden Agenten‑Harness, Berechtigungen und dem Evaluationsprozess ab.
Wie schlägt sich Muse Wonder in KI-Benchmarks?
Die folgende Tabelle reproduziert die zum Launch berichteten Werte. Sie kombiniert unabhängige Auswertungen, Metas interne Tests und Anbieterangaben zu Wettbewerbern. Höhere Werte sind innerhalb jeder Zeile besser; die Zeilen verwenden unterschiedliche Metriken und sollten nicht zu einem neuen Gesamtwert gemittelt werden.
| Benchmark (Metriken und Methodik) | Wonder Full | Wonder | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|
| AA Intelligence Index v4.3 | 56 | 52 | 53 | 58 |
| Personal Superintelligence Index | 59.1 | 54.3 | 54.5 | 55.2 |
| Harvey LAB-AA | 13.1 | 10.0 | 8.6 | 4.2 |
| Vals Finance Agent V2 | 59.1 | 56.6 | 53.5 | 58.6 |
| HealthBench Pro | 62.3 | 60.5 | 65.3 | 65.6 |
| AutomationBench-AA | 45.4 | 39.1 | 41.6 | 41.2 |
| GDP.pdf | 33.2 | 30.8 | 34.2 | 30.6 |
| JobBench | 75.3 | 70.5 | 66.1 | 75.4 |
| MemoryBench | 85.5 | 85.6 | 81.4 | 81.5 |
| DeepSWE 1.1 | 79.0 | 78.8 | 74.1 | 74.2 |
| SWE-Marathon | 57.5 | 53.1 | 42.5 | 46.3 |
| Terminal-Bench 4.0-AA | 57.1 | 52.0 | 59.1 | 59.6 |
| ProgramBench | 59.0 | 50.0 | 52.5 | 70.5 |
Evaluationsbedingungen und Ergebnisinterpretation
Meta berichtet für den allgemeinen Vergleich maximalen Reasoning‑Aufwand, mit benchmark‑spezifischen Ausnahmen. Interne Wettbewerberläufe sind Best‑Effort; externe Ergebnisse behalten ihre ursprünglichen Harnesses bei. Es handelt sich um Launch‑Vergleiche und nicht um einen einheitlichen Test aller Modelle unter einer Produktionskonfiguration.
AA Intelligence Index ist ein zusammengesetzter Index von Artificial Analysis. PSI und MemoryBench sind interne Evaluierungen. Harvey LAB‑AA und AutomationBench‑AA nutzen Ergebnisse von Artificial Analysis; Vals Finance Agent V2 nutzt Vals AI; GDP.pdf nutzt Surge. HealthBench Pro kombiniert Meta‑Runs und von Anthropic gemeldete Ergebnisse. JobBench berichtet die durchschnittliche Aufgabenerfüllung.
DeepSWE 1.1 berichtet pass@1 über 113 Aufgaben und 91 Repositories. SWE‑Marathon nutzt Ergebnisse von Abundant AI aus verschiedenen Agentenprodukten; Wonder Fulls 57.5 ist bei xhigh‑Aufwand berichtet. ProgramBench nutzt mini‑swe‑agent und misst Rollouts, die mindestens 95% der versteckten Tests bestehen. Terminal‑Bench nutzt Ergebnisse von Artificial Analysis aus ausführbaren Terminalaufgaben. MemoryBench testet 64K–100K‑Token‑Konversationen.
Stärken von Muse Wonder Full in Benchmarks
Muse Wonder Full glänzt besonders bei langlaufender Softwareentwicklung und speicherintensiver Agentenarbeit, während Claude Opus 5.5 in einigen reinen Terminal-/Computerbenutzungs- und From‑Scratch‑Programmierungstasks weiterhin Vorteile behält. Wissensbreite bleibt ein relativer Verbesserungsbereich, obwohl die Halluzinationsraten bemerkenswert niedrig sind.
Unabhängige Verifizierung stammt hauptsächlich von Artificial Analysis
Artificial Analysis Intelligence Index (v4.3, maximaler Reasoning‑Aufwand)
- Muse Wonder Full: 56
- Muse Wonder: 52
- Claude Opus 5.5: 58
- GPT-6 Astra / Claude Fable 5.1 / Gemini 4 Argon: ~53
- Vorheriges Meta‑Modell (Muse Spark 1.3 max): 48
Muse Wonder Full gehört in sechs der zehn Komponentenevaluierungen zu den Top drei und führt oder liegt nahe der Spitze bei agentischer Wissensarbeit und wissenschaftlichem Reasoning (z. B. CritPt, GDP.pdf, GDPval‑AA). Beide Modelle zeigen große Zuwächse in Terminal‑Bench und anderen agentischen Coding‑Suiten im Vergleich zu Muse Spark 1.3.
Was kostet die Muse Wonder API?
Meta bietet Muse Wonder über seine Model API mit tokenbasierter Abrechnung an. Entwickler können auch die Muse Wonder API in CometAPI prüfen, wo die Plattform vergünstigten Modellzugang bewirbt.
Die folgende Tabelle vergleicht Metas offizielle Token‑Sätze mit einem 20%-Rabatt‑Szenario bei CometAPI.
| Preiskategorie (offizielle Token-Sätze) | Muse Wonder | CometAPI (20%-Rabatt-Ziel) |
|---|---|---|
| Eingabe | $4.00 pro 1M Tokens | $3.20 / 1M Tokens |
| Zwischengespeicherte Eingabe | $0.20 pro 1M Tokens | $0.16 / 1M Tokens* |
| Ausgabe | $20.00 pro 1M Tokens | $16.00 / 1M Tokens |
| Kontext | 1M Tokens | Abhängig von unterstützter Bereitstellung |
| Wonder Full API | Nicht öffentlich angeboten | Nicht öffentlich angeboten |
Zwischengespeicherte Eingaben sind zu den veröffentlichten Sätzen 95% günstiger als nicht gecachte Eingaben und potenziell nützlich für wiederholte Agenten‑Prompts mit umfangreichem gemeinsamem Kontext.
Beispielkosten einer Anfrage
Für 100,000 nicht gecachte Eingabetokens und 20,000 Ausgabetokens: Eingabe = (100,000 / 1,000,000) × $4 = $0.40; Ausgabe = (20,000 / 1,000,000) × $20 = $0.40; geschätzte Gesamtkosten des Modells = $0.80.
Ein tatsächlicher Agenten‑Workflow mit mehreren Aufrufen kann aufgrund von Planung, Tool‑Aufrufen, Wiederholungen und Evaluationsdurchläufen höhere Kosten verursachen.
Abonnementpreise für Muse Wonder Full
Wonder Full wird über qualifizierende Muse Code‑Abos verteilt statt über separat veröffentlichte API‑Tokenpreise. Die Pläne Power und Maximum kosten $50 bzw. $200 pro Monat. Sie bieten das 20‑fache bzw. 80‑fache der Everyday Usage‑Freimenge; dies sind limitierte Abos, kein unbegrenzter Gebrauch oder pro‑Token‑API‑Pläne.
Vergleich: Muse Wonder vs GPT-6 Astra vs Claude Opus 5.5
Der folgende Vergleich kombiniert Launch‑Benchmarkbeobachtungen mit Anbieterspezifikationen. Für alternative Integrationen können Entwickler die GPT-6 Astra API in CometAPI und die Claude Opus 5.5 API in CometAPI evaluieren. Die Tabelle nutzt offizielle Anbieterspezifikationen und -preise; reine Benchmark‑Führungen bestimmen nicht allein die beste Einsatzwahl.
| Dimension | Wonder Full | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| Gesamtintelligenz | Stark | Stark | Höchster gelisteter Index |
| Juristische Agentenaufgaben | Bester gelisteter Harvey‑Score | Wettbewerbsfähig | Niedriger gelisteter Score |
| Langfristiges Programmieren | Bester gelisteter DeepSWE / Marathon | Stark | Stark |
| Terminalausführung | Wettbewerbsfähig | Stark | Bester gelisteter Score |
| Programmrekonstruktion | Wettbewerbsfähig | Wettbewerbsfähig | Bester gelisteter Score |
| Öffentliche eigenständige API | Nein | Ja | Ja |
| Kontextfenster | 1M Tokens | 1.05M Tokens | 1M Tokens |
| Standardpreis für Eingabe/Ausgabe pro 1M Tokens | Abonnementzugang; kein öffentlicher Token‑Tarif | $10 / $50 für Prompts bis 272K Eingabetokens | $4 / $20 |
| Reasoning | Leistungsfähigere Muse‑Variante | Konfigurierbarer Reasoning‑Aufwand | Adaptives Denken |
| Multimodale Integration | Model Card listet Text/Bild/Audio/Video‑Input; Oberflächenunterstützung variiert | Text- und Bildeingaben; Textausgabe | Text- und Bildeingaben; Textausgabe |
| Architekturvergleich | Unzureichend offengelegte Details für einen 1:1‑Vergleich | In den zitierten API‑Spezifikationen nicht verglichen | In den zitierten API‑Spezifikationen nicht verglichen |
| Praktischer Ausgangspunkt | Muse Code‑Nutzer, die nachhaltige Coding‑Workflows testen | Benutzerdefinierte API‑Agenten und professionelle Forschung | Benutzerdefinierte API‑Coding‑ und Wissensarbeits‑Agenten |
Die Muse Wonder‑Serie positioniert Meta wettbewerbsfähig an der Spitze für agentische Workloads statt für reinen Chat oder kurzanhaltendes Reasoning. Die Preise für Muse Wonder entsprechen den Listenpreisen von Claude Opus 5.5 und liefern gleichzeitig starke Spezialleistungen in Memory, langfristigem Programmieren und professionellen Agentenaufgaben. GPT-6 Astra und Claude Fable 5.1 sind auf einigen Plattformen oft teurer gelistet. Die Zugangsmodelle unterscheiden sich: Meta beschränkt die absolute Top‑Variante (Full) auf sein Coding‑Abo‑Produkt, während Wettbewerber ihre höchsten Modelle typischerweise per API anbieten.
Wo können Sie Muse Wonder verwenden?
Direkt von Meta
- Registrieren Sie sich für die Meta Model API auf dev.meta.ai für Muse Wonder.
- Abonnieren Sie Muse Code für beide Varianten (Full in höheren Stufen).
- OpenAI‑ und Anthropic‑kompatible Endpunkte werden für Meta API und CometAPI unterstützt.
Muse Wonder: Meta Model API
Muse Wonder ist über die Meta Model API verfügbar — für Teams, die Anwendungen, Forschungsassistenten und Tool‑basierte Agenten aufbauen. Dies ist der programmatische Zugriffsweg mit tokenbasierter Abrechnung, der in diesem Artikel beschrieben wird. Leser können die Anbieterseite des Modells für Zugriffdetails konsultieren, statt hier einem Code‑Tutorial zu folgen.
Die beiden Zugriffswege bedienen unterschiedliche Bedürfnisse: Die Meta Model API ist der Ausgangspunkt für maßgeschneiderte Wonder‑Anwendungen; qualifizierende Muse Code‑Abos gewähren Zugriff auf Wonder Full innerhalb des Coding‑Agenten. Die folgenden Abschnitte erläutern den Aboweg und was bei Drittanbieterzugängen zu prüfen ist.
Muse Wonder Full über Muse Code verwenden
Qualifizierte Muse Code‑Power‑ oder Maximum‑Nutzer können über Muse Code, einen terminalbasierten Coding‑Agenten, auf Wonder Full zugreifen. Dieser Aboweg unterscheidet sich vom Aufruf einer separat gemessenen öffentlichen Wonder Full API.
Muse Wonder Zugriff und CometAPI‑Alternativen
CometAPI bietet einen einzigen OpenAI‑kompatiblen Endpunkt (https://api.cometapi.com/v1) und einen API‑Schlüssel für 500+ Modelle, einschließlich Metas Muse‑Serie (Muse Wonder und Muse Wonder Full sind gelistet, mit einigen Varianten als verfügbar oder „coming soon“ und oft zu vergünstigten Preisen relativ zu Listenpreisen).
Für alternative Integrationen können Entwickler die GPT-6 Astra API in CometAPI und die Claude Opus 5.5 API in CometAPI nutzen. Vergleichen Sie dieselbe Aufgabe, denselben Kontext und dieselben Tool‑Einstellungen, bevor Sie den Anbieter wechseln.
Zum Start mit CometAPI: kostenloses Konto erstellen (inklusive Testguthaben), Schlüssel beziehen, Ihren Client auf die CometAPI‑Basis‑URL ausrichten und die Muse Wonder‑Modell‑ID angeben. Dieser Ansatz reduziert den operativen Aufwand beim Experimentieren mit oder der Produktionsreife von Frontier‑Agentenfähigkeiten.
Fazit
Muse Wonder und Muse Wonder Full sind Metas bisher klarste Aussage, dass das Unternehmen an die Spitze der KI‑Modellentwicklung zurückgekehrt ist. Mit dem Fokus auf die praktischen Anforderungen persönlicher und professioneller Agenten — verlässlicher Speicher, persistenter Fokus, Domänenexpertise sowie langfristiges Programmieren und Computerbenutzung — hat Meta Modelle geschaffen, die sofort für Entwickler nützlich sind, die die nächste Generation agentischer Systeme aufbauen, und die das eigene Muse‑Produkt stärken.
Für Teams, die diese Fähigkeiten evaluieren oder einsetzen, bieten die Meta Model API für Muse Wonder und Aggregationsplattformen wie CometAPI für Multi‑Modell‑Flexibilität einen reibungsarmen Weg zu Experimenten und Produktion. Mit der Veröffentlichung des vollständigen Sicherheitsberichts und der breiteren Einführung des Muse‑Agenten wird die praktische Wirkung dieser Modelle noch deutlicher werden.