TLDR Meta meluncurkan Muse Wonder dan Muse Wonder Full pada 12 Oktober 2026 — modelnya yang paling andal sejauh ini, dibuat khusus untuk tugas agentik personal dan profesional. Muse Wonder Full meraih skor 56 pada Artificial Analysis Intelligence Index (tepat di belakang Claude Opus 5.5 dengan 58), sementara Muse Wonder meraih 52. Keduanya menampilkan Active Memory dan Active Focus, jendela konteks 1M tokens, kemampuan pengodean dan keahlian domain yang kuat (hukum, keuangan, kesehatan), serta input multimodal.
Muse Wonder tersedia melalui Meta Model API dengan $4/$20 per satu juta token (input/output); Muse Wonder Full terbatas pada tingkat langganan Muse Code yang lebih tinggi. Pengembang juga dapat mengakses model ini (dan 500+ lainnya) melalui platform terpadu seperti CometAPI untuk integrasi yang lebih sederhana dan potensi keuntungan biaya.
Poin Penting
- Muse Wonder dan Muse Wonder Full adalah model frontier Meta untuk agen jangka panjang, pengodean, penggunaan komputer, dan pekerjaan pengetahuan dunia nyata.
- Inovasi utama: Active Memory (konteks pengguna yang relevan dan persisten di seluruh percakapan) dan Active Focus (pengejaran tujuan yang persisten, pemulihan kesalahan, dan permintaan klarifikasi).
- Artificial Analysis Intelligence Index independen (upaya maksimal): Muse Wonder Full 56, Muse Wonder 52 (naik dari 48 pada Muse Spark 1.3).
- Performa kuat pada pengodean jangka panjang (DeepSWE, SWE-Marathon), tugas agen hukum/keuangan, dan tolok ukur memori; kompetitif atau unggul dalam beberapa evaluasi Meta dan pihak ketiga.
- Harga: Muse Wonder pada $4 input / $0.20 cached / $20 output per 1M tokens di Meta Model API; Muse Wonder Full hanya melalui langganan Muse Code (rencana Power $50/bulan dan Maximum $200/bulan). Harga API standar Muse Wonder di CometAPI: $3.2/M input, $0.16/M cached input, $20/M output.
Apa Itu Muse Wonder?
Muse Wonder adalah keluarga baru model bahasa besar frontier dari Meta, diumumkan pada 12 Oktober 2026 oleh Meta Superintelligence Labs. Rilis ini dibangun di atas Muse Spark dan mengalihkan penekanan dari balasan chatbot terisolasi ke asisten jangka panjang yang dapat bekerja dengan alat, mempertahankan konteks berguna, dan mengiterasi pekerjaan sulit. Terdiri dari dua varian:
- Muse Wonder — model frontier standar yang dioptimalkan untuk pengodean dunia nyata, agen jangka panjang, dan penggunaan komputer tingkat lanjut. Tersedia melalui Meta Model API dan Muse Code.
- Muse Wonder Full — versi berkemampuan lebih tinggi yang menghadirkan performa penalaran maksimum untuk alur kerja profesional dan agentik yang paling berat dan panjang. Saat ini hanya tersedia bagi pelanggan Muse Code pada paket tingkat lebih tinggi.
Model-model ini secara langsung dibangun di atas fondasi yang diletakkan oleh Muse Spark (diperkenalkan awal 2026) dan mewakili lompatan paling signifikan Meta menuju “superintelligence personal.” Model ini secara eksplisit dirancang untuk kasus penggunaan agentik — sistem yang tidak hanya menjawab pertanyaan tetapi merencanakan, mengeksekusi, memulihkan dari kesalahan, dan menyelesaikan tugas dunia nyata multi-langkah dalam periode panjang. Contoh mencakup menavigasi klaim asuransi, menafsirkan sewa, menganalisis informasi keuangan atau kesehatan, membangun aplikasi lengkap, dan menangani proyek pribadi kompleks.
Model dilatih di pusat data Prometheus berskala gigawatt milik Meta menggunakan teknik pralatih dan reinforcement learning tingkat lanjut yang disempurnakan sejak seri Muse Spark. Model mendukung jendela konteks 1 juta token dan menerima input multimodal (teks, gambar, video, audio, dan PDF dalam berbagai konfigurasi), dengan output teks.
Spesifikasi teknis API Muse Wonder
| Specification (official model card) | Muse Wonder | Muse Wonder Full |
|---|---|---|
| Developer | Meta Superintelligence Labs | Meta Superintelligence Labs |
| Release | 12 Oktober 2026 | 12 Oktober 2026 |
| Identifier | muse-wonder-1.0 | muse-wonder-full-1.0 |
| Context window | 1,000,000 tokens | 1,000,000 tokens |
| Inputs | Text, image, audio, video | Text, image, audio, video |
| Output | Text | Text |
| Reasoning | Dapat dikonfigurasi | Lanjutan |
| Active Memory / Focus | Didukung | Didukung |
| Public API | Meta Model API | Tidak tersedia |
| Access | Meta API dan Muse Code | Rencana Muse Code yang memenuhi syarat |
| Model weights / parameter count | Tidak diungkapkan secara publik | Tidak diungkapkan secara publik |
| Intelligence Index | 52 | 56 |
Fitur Inti: Active Memory dan Active Focus
Active Memory
Model dapat membawa konteks pengguna penting di seluruh percakapan dan secara aktif mengambil detail yang relevan dengan tugas saat ini. Ini melampaui jendela konteks panjang sederhana; model memprioritaskan dan menampilkan informasi yang penting untuk tujuan yang sedang berjalan, kebiasaan, preferensi, dan interaksi sebelumnya. Meta menyoroti hasil kuat pada MemoryBench, di mana kedua varian meraih skor sangat tinggi.
Active Focus
Saat tugas menjadi sulit, model bertahan: mencoba pendekatan alternatif, memulihkan dari kesalahan, beradaptasi dengan informasi baru, meminta klarifikasi saat diperlukan, dan melakukan pemeriksaan sebelum mengambil tindakan penting. Ini dievaluasi melalui FocusBench internal dan suite pengodean cakrawala panjang seperti SWE-Marathon. Hasilnya adalah agen yang tetap pada jalur selama berjam-jam alih-alih menyimpang atau menyerah.
Kekuatan tambahan mencakup:
Pemahaman multimodal: Keluarga model mendukung input teks, gambar, audio, dan video serta menghasilkan output teks. Namun, aplikasi yang bergantung pada audio harus mengonfirmasi dukungan pada permukaan rilis spesifik. Spesifikasi modalitas tingkat model tidak menjamin setiap API atau aplikasi mengekspos jalur input yang sama.
Penalaran domain ahli: Evaluasi peluncuran Meta mencakup tugas terkait hukum, keuangan, dan kesehatan, seperti peninjauan dokumen dan sintesis informasi. Skor ini menggambarkan tugas yang dievaluasi; skor tidak menetapkan sertifikasi profesional atau menggantikan verifikasi ahli dalam konteks berisiko tinggi.
Pengodean frontier dan penggunaan komputer: Wonder mendukung pembuatan aplikasi, debugging, modifikasi kode, dan alur kerja berbasis alat. Keberhasilan dalam praktik tetap bergantung pada rangkaian agen di sekitarnya, izin, dan proses evaluasi.
Bagaimana Performa Muse Wonder pada Tolok Ukur AI?
Tabel di bawah mereproduksi skor yang dilaporkan saat peluncuran. Tabel menggabungkan evaluasi independen, pengujian internal Meta, dan hasil pesaing yang dilaporkan penyedia. Skor lebih tinggi lebih baik dalam setiap baris; baris memiliki metrik berbeda dan tidak boleh dirata-ratakan menjadi skor keseluruhan baru.
| Benchmark (metrics and methodology) | 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 |
Kondisi evaluasi dan interpretasi skor
Meta melaporkan upaya penalaran maksimum untuk perbandingan umum, dengan pengecualian khusus tolok ukur. Eksekusi internal pesaing adalah upaya terbaik; hasil eksternal mempertahankan rangkaian evaluasi aslinya. Ini adalah perbandingan peluncuran alih-alih pengujian uniform semua model di satu konfigurasi produksi.
AA Intelligence Index adalah indeks komposit dari Artificial Analysis. PSI dan MemoryBench adalah evaluasi internal. Harvey LAB-AA dan AutomationBench-AA menggunakan hasil Artificial Analysis; Vals Finance Agent V2 menggunakan Vals AI; GDP.pdf menggunakan Surge. HealthBench Pro menggabungkan eksekusi Meta dan hasil yang dilaporkan Anthropic. JobBench melaporkan rata-rata reward tugas.
DeepSWE 1.1 melaporkan pass@1 pada 113 tugas dan 91 repositori. SWE-Marathon menggunakan hasil Abundant AI dari produk agen berbeda; 57.5 pada Wonder Full dilaporkan pada upaya xhigh. ProgramBench menggunakan mini-swe-agent dan mengukur rollout yang lulus setidaknya 95% pengujian tersembunyi. Terminal-Bench menggunakan hasil Artificial Analysis dari tugas terminal yang dapat dieksekusi. MemoryBench menguji percakapan 64K–100K token.
Kekuatan tolok ukur Muse Wonder Full
Muse Wonder Full sangat unggul pada rekayasa perangkat lunak jangka panjang dan kerja agen yang intensif memori, sementara Claude Opus 5.5 mempertahankan keunggulan pada beberapa tugas penggunaan terminal/komputer murni dan pemrograman dari awal. Keluasan pengetahuan tetap menjadi area relatif untuk peningkatan berkelanjutan, meskipun tingkat halusinasi tercatat rendah.
Verifikasi independen terutama berasal dari Artificial Analysis
Artificial Analysis Intelligence Index (v4.3, upaya penalaran maksimal)
- Muse Wonder Full: 56
- Muse Wonder: 52
- Claude Opus 5.5: 58
- GPT-6 Astra / Claude Fable 5.1 / Gemini 4 Argon: ~53
- Model Meta sebelumnya (Muse Spark 1.3 max): 48
Muse Wonder Full menempati tiga besar pada enam dari sepuluh evaluasi komponen dan memimpin atau hampir memimpin dalam pekerjaan pengetahuan agentik dan penalaran ilmiah (misalnya, CritPt, GDP.pdf, GDPval-AA). Kedua model menunjukkan peningkatan besar pada Terminal-Bench dan suite pengodean agentik lainnya dibandingkan dengan Muse Spark 1.3.
Berapa Biaya API Muse Wonder?
Meta menawarkan Muse Wonder melalui Model API dengan penagihan berbasis token. Pengembang juga dapat mengeksplorasi Muse Wonder API di CometAPI, di mana platform mengiklankan akses model dengan harga diskon.
Tabel berikut membandingkan tarif token resmi Meta dengan skenario harga diskon 20% untuk CometAPI.
| Pricing category (official token rates) | Muse Wonder | CometAPI (target diskon 20%) |
|---|---|---|
| Input | $4.00 per 1M tokens | $3.20 / 1M tokens |
| Cached input | $0.20 per 1M tokens | $0.16 / 1M tokens* |
| Output | $20.00 per 1M tokens | $16.00 / 1M tokens |
| Context | 1M tokens | Tergantung pada dukungan penerapan |
| Wonder Full API | Tidak ditawarkan secara publik | Tidak ditawarkan secara publik |
Input yang di-cache 95% lebih murah daripada input tidak di-cache pada tarif yang dipublikasikan, berpotensi berguna untuk prompt agen berulang dengan konteks bersama substansial.
Contoh biaya permintaan
Untuk 100,000 token input tidak di-cache dan 20,000 token output: input = (100,000 / 1,000,000) × $4 = $0.40; output = (20,000 / 1,000,000) × $20 = $0.40; total perkiraan biaya model = $0.80.
Alur kerja agen multi-panggilan aktual mungkin lebih mahal karena perencanaan, panggilan alat, percobaan ulang, dan lintasan evaluasi.
Harga langganan Muse Wonder Full
Wonder Full didistribusikan melalui langganan Muse Code yang memenuhi syarat alih-alih harga token API yang dipublikasikan secara terpisah. Paket Power dan Maximum berharga $50 dan $200 per bulan. Paket ini menyediakan 20x dan 80x alokasi Everyday Usage; ini adalah langganan terbatas, bukan penggunaan tanpa batas atau paket API per-token.
Perbandingan: Muse Wonder vs GPT-6 Astra vs Claude Opus 5.5
Perbandingan berikut menggabungkan pengamatan tolok ukur peluncuran dengan spesifikasi penyedia. Untuk integrasi alternatif, pengembang dapat mengevaluasi GPT-6 Astra API di CometAPI dan Claude Opus 5.5 API di CometAPI. Tabel menggunakan spesifikasi dan tarif resmi penyedia; kepemimpinan tolok ukur saja tidak menentukan pilihan penerapan terbaik.
| Dimension | Wonder Full | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| Overall intelligence | Kuat | Kuat | Indeks tertinggi yang tercantum |
| Legal agent tasks | Skor Harvey terbaik yang tercantum | Kompetitif | Skor lebih rendah yang tercantum |
| Long-horizon coding | DeepSWE / Marathon terbaik yang tercantum | Kuat | Kuat |
| Terminal execution | Kompetitif | Kuat | Skor terbaik yang tercantum |
| Program reconstruction | Kompetitif | Kompetitif | Skor terbaik yang tercantum |
| Public standalone API | Tidak | Ya | Ya |
| Context window | 1M tokens | 1.05M tokens | 1M tokens |
| Standard input / output price per 1M tokens | Akses berbasis langganan; tidak ada tarif token publik | $10 / $50 untuk prompt hingga 272K token input | $4 / $20 |
| Reasoning | Varian Muse berkemampuan lebih tinggi | Upaya penalaran yang dapat dikonfigurasi | Pemikiran adaptif |
| Multimodal integration | Kartu model mencantumkan input teks/gambar/audio/video; dukungan permukaan bervariasi | Input teks dan gambar; output teks | Input teks dan gambar; output teks |
| Architecture comparison | Detail yang diungkapkan tidak memadai untuk perbandingan arsitektur setara | Tidak dibandingkan dalam spesifikasi API yang dikutip | Tidak dibandingkan dalam spesifikasi API yang dikutip |
| Practical starting point | Pengguna Muse Code yang menguji alur kerja pengodean berkelanjutan | Agen API kustom dan riset profesional | Agen API kustom untuk pengodean dan pekerjaan pengetahuan |
Seri Muse Wonder memosisikan Meta secara kompetitif di garis terdepan untuk beban kerja agentik alih-alih chat murni atau penalaran cakrawala pendek. Harga untuk Muse Wonder cocok dengan tarif daftar Claude Opus 5.5 sambil menghadirkan performa khusus yang kuat dalam memori, pengodean jangka panjang, dan tugas agen profesional. GPT-6 Astra dan Claude Fable 5.1 sering membawa harga daftar lebih tinggi di beberapa platform. Model akses berbeda: Meta membatasi varian paling atas (Full) ke produk langganan pengodeannya, sementara pesaing biasanya menawarkan model tertinggi mereka melalui API.
Di Mana Anda Dapat Menggunakan Muse Wonder?
Langsung dari Meta
- Daftar Meta Model API di dev.meta.ai untuk Muse Wonder.
- Berlangganan Muse Code untuk kedua varian (Full pada tingkat lebih tinggi).
- Endpoint yang kompatibel dengan OpenAI dan Anthropic didukung untuk meta API dan CometAPI.
Muse Wonder: Meta Model API
Muse Wonder tersedia melalui Meta Model API bagi tim yang membangun aplikasi, asisten riset, dan agen berbasis alat. Ini adalah jalur akses terprogram yang dijelaskan dalam artikel ini, dengan penagihan berbasis token. Pembaca dapat melihat halaman model penyedia untuk detail akses alih-alih mengikuti tutorial kode di sini.
Dua jalur akses melayani kebutuhan berbeda: Meta Model API adalah titik awal untuk aplikasi Wonder kustom; langganan Muse Code yang memenuhi syarat menyediakan akses ke Wonder Full di dalam agen pengodean. Bagian berikut menjelaskan jalur langganan dan hal yang perlu diperiksa saat mempertimbangkan akses pihak ketiga.
Gunakan Muse Wonder Full melalui Muse Code
Pengguna Muse Code Power atau Maximum yang memenuhi syarat dapat mengakses Wonder Full melalui Muse Code, agen pengodean berbasis terminal. Jalur langganan ini berbeda dari pemanggilan API Wonder Full publik dengan meter terpisah.
Akses Muse Wonder dan alternatif CometAPI
CometAPI menyediakan satu endpoint yang kompatibel dengan OpenAI (https://api.cometapi.com/v1) dan satu kunci API untuk 500+ model, termasuk seri Muse milik Meta (Muse Wonder dan Muse Wonder Full tercantum, dengan beberapa varian dicatat sebagai tersedia atau segera hadir dan seringkali dengan harga diskon relatif terhadap tarif daftar).
Untuk integrasi alternatif, pengembang dapat mengakses GPT-6 Astra API di CometAPI dan Claude Opus 5.5 API di CometAPI. Bandingkan tugas, konteks, dan pengaturan alat yang sama sebelum mengganti penyedia.
Untuk memulai di CometAPI: buat akun gratis (termasuk kredit uji coba), dapatkan kunci Anda, arahkan klien ke base URL CometAPI, dan tentukan ID model Muse Wonder. Pendekatan ini mengurangi overhead operasional saat bereksperimen atau memproduksi kapabilitas agen frontier.
Kesimpulan
Muse Wonder dan Muse Wonder Full mewakili pernyataan paling jelas Meta bahwa mereka telah kembali ke frontier pengembangan model AI. Dengan fokus pada kebutuhan praktis agen personal dan profesional — memori andal, fokus persisten, keahlian domain, serta pengodean dan penggunaan komputer jangka panjang — Meta menghasilkan model yang segera berguna bagi pengembang yang membangun generasi berikutnya dari sistem agentik dan yang akan meningkatkan produk Muse mereka sendiri.
Bagi tim yang mengevaluasi atau menerapkan kapabilitas ini, memulai dengan Meta Model API untuk Muse Wonder dan mempertimbangkan platform agregasi seperti CometAPI untuk fleksibilitas multi-model menyediakan jalur berbiaya rendah menuju eksperimen dan produksi. Saat laporan keselamatan penuh dan peluncuran agen Muse yang lebih luas tiba, dampak praktis dari model-model ini akan menjadi semakin jelas.