TL;DR
Meta meluncurkan Muse Wonder dan Muse Wonder Full pada 12 Oktober 2026. Wonder tersedia melalui Meta Model API dan Muse Code, sedangkan Full tersedia di Muse Code melalui langganan Power Usage dan Maximum Usage. Full memimpin di sejumlah tolok ukur yang dipublikasikan, tetapi pilihan praktis bergantung pada akses API, kualitas tugas, dan biaya. Perbandingan ini meninjau sumber yang dipublikasikan dan tidak mencakup pengujian mandiri langsung.
Poin Penting
- Wonder mendukung integrasi API; Full tersedia melalui langganan Muse Code Power Usage dan Maximum Usage.
- Grafik peluncuran Meta melaporkan skor Artificial Analysis Intelligence Index sebesar 52 untuk Wonder dan 56 untuk Full. Selisih empat poin tidak merepresentasikan peningkatan persentase universal pada kinerja tugas.
- Wonder mendukung jendela konteks 1,048,576 token serta input teks, gambar, audio, video, dan PDF, dengan keluaran teks.
- Tarif API standar Meta adalah $4 input, $0.20 input yang di-cache, dan $20 output per satu juta token; Full tidak memiliki tarif Model API per token yang dipublikasikan.
- Upaya penalaran maksimum tidak memilih Full. Mulailah dengan Wonder untuk aplikasi; evaluasi Full untuk kerja interaktif yang menuntut di Muse Code.
Muse Wonder vs Muse Wonder Full: Ikhtisar dan Spesifikasi
Mulai dengan Wonder saat Anda memerlukan model yang dapat dipanggil untuk produk atau alur kerja otomatis. Evaluasi Full jika Anda menggunakan Muse Code dan keunggulan tolok ukurnya relevan dengan tugas Anda. Akses memerlukan langganan Power Usage atau Maximum Usage dan tetap tunduk pada batas paket. Perbedaan praktisnya adalah akses terlebih dahulu, performa tolok ukur kemudian.
| Faktor keputusan | Muse Wonder | Muse Wonder Full |
|---|---|---|
| Mulai pengujian dengan | API produksi, agen kustom, dan pemrosesan batch | Pengodean interaktif yang sulit dan pekerjaan profesional di Muse Code |
| Akses penyedia | Meta Model API dan Muse Code | Muse Code Power Usage atau Maximum Usage |
| ID model Meta API publik | muse-wonder-1.0 | Tidak ada pengenal Model API publik |
| Jendela konteks | 1,048,576 token | 1M token saat inferensi di kartu model |
| Input dan output | Input teks, gambar, audio, video, PDF; output teks | Input teks, gambar, audio, video dan output teks di level kartu model; periksa dukungan Muse Code |
| Tarif Meta API input / input di-cache / output per 1M token | $4 / $0.20 / $20 | Tidak ada harga Model API per token yang dipublikasikan |
| Status akses CometAPI | Tersedia; konfirmasikan rute akun dan penagihan | Segera hadir per 16 Oktober 2026 |
| Kriteria pemilihan utama | Kualitas tugas yang diterima, keandalan, dan total biaya tugas | Kualitas tugas yang diterima dalam produk yang didukung dan dalam alokasi langganan |
Tabel merangkum spesifikasi, hasil yang dipublikasikan, dan ketentuan komersial yang dibahas di bawah. Modalitas pada level model tidak menjamin dukungan identik di setiap endpoint. Batas konteks yang tercantum di kartu model Full bukan kontrak API publik.
Kedua varian menargetkan pengodean kompleks serta pekerjaan agen personal dan profesional. Perbedaan utama yang didokumentasikan adalah performa yang dipublikasikan dan opsi akses: Wonder tersedia melalui Meta Model API dan Muse Code, sementara Full tersedia melalui langganan Muse Code yang memenuhi syarat.
Muse Wonder untuk Alur Kerja Terprogram
Meta memperkenalkan keluarga model Muse Wonder sebagai sistem AI frontier untuk alur kerja agen personal dan profesional, dengan penekanan pada penalaran berkelanjutan, penggunaan alat, rekayasa perangkat lunak, dan pekerjaan pengetahuan yang sulit.
Muse Wonder adalah model standar yang dapat diakses melalui Model API Meta dan Muse Code. Model ini cocok untuk pengembang yang merancang asisten pengodean, analisis dokumen, sistem multimodal, dan agen jangka panjang. Antarmuka API-nya memungkinkan pengukuran beban kerja langsung, penagihan penggunaan, dan integrasi ke perangkat lunak produksi.
Muse Wonder Full untuk Pekerjaan Interaktif yang Menuntut
Muse Wonder Full adalah varian yang lebih mumpuni dan dioptimalkan untuk alur kerja yang sangat menuntut. Materi peluncuran Meta mengaitkannya dengan analisis profesional dan pengodean berjangka panjang. Saat peluncuran, akses terikat pada paket langganan Muse Code yang memenuhi syarat, bukan API publik berharga terpisah.
Spesifikasi API mendokumentasikan input multimodal Wonder, batas konteks yang tepat, dan kontrol penalaran. Full memiliki deskripsi level keluarga di kartu model, tetapi tidak ada kontrak API publik yang setara. Kapabilitas level keluarga tidak menetapkan parameter endpoint atau batas unggahan produk yang identik.
Active Memory, Active Focus, dan Pengaturan Penalaran
Meta menjelaskan Active Memory dan Active Focus sebagai dua mekanisme yang dirancang untuk mempertahankan konteks yang berguna dan menjaga kemajuan berorientasi tujuan melalui tugas yang sulit. Keduanya tidak menghilangkan kebutuhan akan verifikasi, perizinan, atau pengawasan manusia di tingkat aplikasi.
Mengatur Wonder ke tingkat upaya penalaran maksimum tidak mengubahnya menjadi Wonder Full. Pembedaan ini adalah pembedaan akses model, bukan sekadar sakelar dalam sebuah permintaan.
Muse Wonder vs Muse Wonder Full: Performa
Tolok Ukur yang Dipublikasikan dan Batasan Sumber
Full memimpin pada indeks komposit yang dilaporkan, tetapi skor tolok ukur mengukur performa pada evaluasi terpilih, bukan peningkatan persentase universal. Bandingkan versi tolok ukur yang sama, pengaturan inferensi, dan tanggal evaluasi sebelum menarik kesimpulan untuk penerapan.
| Evaluasi | Muse Wonder | Muse Wonder Full | Metrik / pengaturan yang dilaporkan |
|---|---|---|---|
| AA Intelligence Index v4.3 | 52 | 56 | Indeks komposit; Artificial Analysis; upaya maksimum |
| AutomationBench-AA | 39.1 | 45.4 | Strict pass@1; alur kerja bisnis tersimulasikan; Artificial Analysis |
| SWE-Marathon | 53.1 | 57.5 | Pass@1; pengujian proyek; Abundant AI; Full pada xhigh |
| Terminal-Bench 4.0-AA | 52.0 | 57.1 | Akurasi; tugas terminal terisolasi dengan verifikasi dapat dieksekusi; Artificial Analysis |
| DeepSWE 1.1 | 78.8 | 79.0 | Pass@1; pengujian fungsional dan regresi; hasil Datacurve |
| MemoryBench | 85.6 | 85.5 | Tolok ukur memori percakapan internal; recall dinilai oleh LLM |
Kartu skor kartu model resmi Meta, direproduksi tanpa penggambaran ulang. Metodologi pendamping mengidentifikasi sumber hasil dan pengaturannya.
Ketentuan Evaluasi
Metodologi evaluasi Meta menggunakan penalaran maksimum kecuali dinyatakan sebaliknya. SWE-Marathon menggunakan lingkungan yang dilaporkan vendor alih-alih harness umum yang terkontrol untuk semua model. Ini adalah hasil pihak ketiga yang diringkas oleh Meta; bukan empat pengujian internal yang seragam dan terkontrol. Snapshot rilis adalah 12 Oktober 2026, bukan papan peringkat yang hidup.
DeepSWE mengukur pekerjaan repositori berjangka panjang menggunakan pengujian fungsional dan regresi. MemoryBench mengukur recall dalam percakapan 64K–100K token dengan penilaian LLM. Skor ini menilai perilaku yang berbeda dan menggunakan sistem penilaian yang berbeda. Selisih 0.1 poin pada MemoryBench terlalu kecil untuk mendukung pemeringkatan praktis tanpa informasi tentang variabilitas evaluasi.
Pengodean dan Rekayasa Perangkat Lunak
Full unggul pada hasil pengodean yang dikutip, tetapi besaran selisihnya bervariasi: DeepSWE berbeda 0.2 poin, SWE-Marathon 4.4, dan Terminal-Bench 5.1. Pola ini mendukung pengujian Full pada pekerjaan panjang yang sulit; ini tidak menunjukkan bahwa setiap tinjauan kode atau implementasi pendek membutuhkan Full. Ketersediaan API tetap menjadi kendala penerapan yang terpisah.
Memori dan Agen Jangka Panjang
Full tidak memimpin setiap metrik yang dilaporkan. MemoryBench adalah 85.5 untuk Full dan 85.6 untuk Wonder pada kartu skor resmi. Perlakukan hasil yang nyaris seri itu sebagai alasan untuk menguji perilaku memori aktual, termasuk koreksi fakta, instruksi usang, dan isolasi proyek. Evaluasi Active Focus melalui penyelesaian end-to-end dan pemulihan dari langkah yang gagal alih-alih mengasumsikan bahwa skor komposit yang lebih tinggi menjamin persistensi yang lebih baik.
Latensi dan Keandalan
Materi yang dikutip tidak menetapkan pemeringkatan latensi yang sebanding antara Wonder API dan Full di Muse Code. Ukur waktu hingga keluaran yang berguna, durasi tugas median dan persentil ke-95, frekuensi timeout, percobaan ulang, dan penyelesaian tanpa bantuan manusia. Catat alat, pengaturan penalaran, runtime, dan batas tugas untuk setiap permukaan sehingga perbandingan tingkat produk tidak dipresentasikan sebagai eksperimen yang hanya terkait model.
Muse Wonder vs Muse Wonder Full: Biaya
Harga API Resmi dan Unit Langganan
Meta memublikasikan tarif API Wonder standar sebesar $4 input, $0.20 input yang di-cache, dan $20 output per satu juta token. Full menggunakan model akses berbasis langganan, sehingga perhitungan harga per token yang sama tidak berlaku baginya.
Paket Power Usage dan Maximum Usage dari Meta mencakup Wonder dan Full di Muse Code. Manfaat dan ketersediaan dapat bervariasi menurut wilayah, jadi periksa penawaran terkini dan alokasi akun sebelum membuat anggaran. Langganan ini menyediakan penggunaan interaktif terbatas; tidak termasuk panggilan API produksi tanpa batas.
Contoh biaya token: 100,000 token input yang tidak di-cache berharga $0.40, dan 20,000 token output berharga $0.40, total $0.80. Satu run agen multi-langkah dapat menimbulkan penggunaan token tambahan di berbagai permintaan, plus biaya alat.
Meta mencantumkan grounding pencarian web sebesar $2.50 per 1,000 kueri pencarian, di luar biaya token.
Ketentuan Penagihan CometAPI
Muse Wonder tersedia melalui CometAPI, dengan harga tingkat rute khusus akun. Konfirmasikan syarat penagihan input, output, input yang di-cache, dan lainnya secara terpisah dari harga daftar Meta sebelum mengirim trafik produksi. Per 16 Oktober 2026, Muse Wonder Full berstatus Coming soon, sehingga listing tersebut bukan rute API yang tersedia maupun penawaran harga atau komitmen rilis.
Biaya per Tugas yang Diterima
Definisikan deliverable yang diterima sebelum mengukur biaya. Bagi total biaya model dan alat yang ditagihkan, termasuk percobaan ulang dan fallback yang dikenai biaya, dengan deliverable yang diterima. Catat tenaga peninjau secara terpisah atau terapkan tarif per jam eksplisit. Untuk Full, lacak juga pekerjaan bermanfaat yang diselesaikan dalam alokasi langganan. Biaya bulanan dan tarif per token adalah unit yang berbeda, sehingga membandingkan harga headline saja tidak dapat mengidentifikasi alur kerja yang lebih murah.
Muse Wonder vs Muse Wonder Full: Perbandingan dan Pemilihan
Pemilihan Berdasarkan Kapabilitas dan Beban Kerja
Pilih Muse Wonder untuk integrasi API produksi, pemrosesan dokumen batch, agen kustom, dan uji A/B yang dapat direproduksi. API yang dapat dipanggil dan penagihan berbasis penggunaan memudahkan otomatisasi alur kerja, inspeksi perilaku alat, pengukuran regresi, dan pengukuran biaya per tugas yang diterima. Mulailah dari sini saat kontrol penerapan dan keterulangan adalah persyaratan utama.
Pilih Muse Wonder Full untuk refactoring interaktif yang kompleks dan analisis profesional dalam Muse Code, dengan catatan Anda memiliki langganan yang memenuhi syarat. Keunggulan tolok ukur yang dilaporkan menjadikannya kandidat untuk penugasan sulit dan panjang; uji apakah model ini mengurangi koreksi dan waktu tinjauan pada pekerjaan Anda sendiri, dan konfirmasikan bahwa alokasi langganan sesuai dengan beban kerja Anda.
Aplikasi dan Alur Kerja Otomatisasi
Muse Wonder adalah pilihan yang masuk akal untuk tanya jawab repositori, tinjauan kode terskrip, ekstraksi dokumen, asisten berbasis retrieval, dan agen kustom. Akses API-nya memungkinkan tim memantau latensi, menelusuri perilaku alat, mengotomatiskan regresi, dan menetapkan batas biaya.
Untuk layanan atau pipeline batch, evaluasi terlebih dahulu rute Wonder API yang didukung. Ini memberi aplikasi kontrol eksplisit atas permintaan, eksekusi alat, percobaan ulang, dan pengukuran. Jika tugas bergantung pada kapabilitas yang hanya tersedia di dalam Muse Code, evaluasi sebagai alur kerja interaktif terpisah dengan kendala operasionalnya sendiri.
Pengodean Interaktif dan Analisis Profesional
Full layak dievaluasi untuk sesi pengodean panjang, refactoring multi-berkas, dan analisis profesional yang kompleks dalam Muse Code, mengingat skornya yang lebih tinggi pada beberapa tolok ukur yang dipublikasikan. Kendala akses berarti keunggulan tersebut tidak serta merta dapat dipindahkan ke aplikasi API produksi.
Gunakan refactor, investigasi, dan artefak selesai yang representatif untuk menguji apakah Full mengurangi iterasi korektif atau upaya peninjauan. Konfirmasikan alokasi langganan yang sebenarnya sebelum menjadikannya dependensi untuk pekerjaan berulang. Jika peningkatannya kecil pada tugas Anda, varian standar mungkin sudah memenuhi ambang penerimaan.
Kriteria Evaluasi Produksi
Untuk evaluasi praktis, kumpulkan setidaknya tiga jenis bukti: penyelesaian tugas end-to-end, kualitas artefak akhir, dan total upaya yang dikonsumsi termasuk percobaan ulang dan peninjauan manusia. Keunggulan komposit empat poin bisa berarti bagi agen yang kompleks sekaligus menghasilkan sedikit perbedaan yang terlihat pada tugas klasifikasi sederhana.
Di Mana Anda Dapat Mengakses Muse Wonder dan Muse Wonder Full?
Akses dari Penyedia Resmi
Gunakan Meta Model API untuk Wonder standar atau akses melalui Muse Code. Full memerlukan langganan Muse Code yang memenuhi syarat; mengatur model standar ke upaya maksimum tidak mengubah varian yang dipilih. Konfirmasikan hak akun yang tepat, fitur permintaan yang didukung, dan batas penggunaan sebelum pengujian.
Integrasi CometAPI berbeda dari akses ke Wonder Full melalui Muse Code. Jangan mengasumsikan bahwa langganan Muse Code menyediakan kredensial API produksi yang dapat digunakan ulang atau throughput tanpa batas.
Akses CometAPI
Pengembang dapat mengakses Muse Wonder API di CometAPI. Muse Wonder Full API di CometAPI berstatus Coming soon per 16 Oktober 2026; status tersebut tidak menetapkan tanggal peluncuran atau endpoint yang dapat dipanggil. Konfirmasikan harga akun dan field yang didukung sebelum penerapan.
Untuk permintaan CometAPI, gunakan pengenal model yang didokumentasikan untuk rute yang Anda pilih. Sebelum memulai pekerjaan multi-langkah, periksa format pesan yang didukung, semantik alat, dan penanganan status. Pertahankan status tugas yang telah divalidasi di aplikasi agar perubahan rute tidak diam-diam membuang informasi yang diperlukan untuk menyelesaikan pekerjaan.
Kesimpulan
Muse Wonder dan Muse Wonder Full saling terkait erat tetapi berbeda secara komersial dan operasional. Wonder menawarkan API terdokumentasi yang multimodal dan berkonteks panjang untuk membangun aplikasi; Full menawarkan performa yang dilaporkan lebih kuat namun akses interaktif yang lebih sempit. Perlakukan skor komposit sebagai bukti yang berguna, bukan aturan keputusan universal. Uji versi yang benar-benar dapat Anda terapkan terhadap tugas, kendala, latensi, dan biaya Anda sendiri.
FAQ
Bagaimana tim sebaiknya membandingkan Muse Wonder API dengan Full di Muse Code?
Gunakan snapshot repositori, instruksi tugas, uji penerimaan, dan rubrik peninjauan yang sama. Catat akses alat masing-masing permukaan, pengaturan penalaran, waktu berlalu, percobaan ulang, dan intervensi manusia. Perlakukan hasil sebagai perbandingan alur kerja: agen API dan Muse Code mungkin menyediakan alat dan loop eksekusi yang berbeda, sehingga perbedaan kualitas tidak serta merta dapat diatribusikan hanya pada bobot model.
Apa yang terjadi saat langganan Muse Wonder Full mencapai batasnya?
Aturan langganan Meta mewajibkan pengguna untuk meningkatkan atau menunggu penyegaran setelah mencapai batas; pelanggan Maximum Usage harus menunggu reset. Kunci API tambahan ditagihkan terpisah dengan pay-as-you-go, dan Full tidak ditawarkan melalui Model API publik. Rencanakan pekerjaan interaktif berdasarkan alokasi akun yang sebenarnya alih-alih mengasumsikan langganan menyediakan throughput tanpa batas.
Dapatkah Muse Wonder API mempertahankan catatan bisnis di seluruh permintaan independen?
Jangan menggunakan kapabilitas memori level keluarga sebagai pengganti penyimpanan data aplikasi. Jika suatu tugas memerlukan catatan yang tahan lama, simpan secara eksplisit, ambil materi yang relevan, dan oper ke antarmuka permintaan yang didukung. Uji perilaku isolasi, retensi, dan pengambilan pada rute penyedia yang sebenarnya; kapasitas konteks model saja tidak menetapkan persistensi lintas permintaan.
Bagaimana tim sebaiknya memperkirakan biaya tugas agen Muse Wonder?
Ukur penggunaan input, input yang di-cache, dan output di seluruh loop alat lengkap, termasuk upaya yang gagal dan percobaan ulang. Tambahkan biaya alat dan waktu peninjauan manusia, lalu bandingkan biaya per deliverable yang diterima. Untuk Full, lacak pekerjaan yang selesai dan waktu yang dihabiskan dibanding alokasi langganan. Harga token dan biaya langganan bulanan menggambarkan unit pembelian yang berbeda, sehingga keduanya saja tidak menetapkan alur kerja yang lebih murah.