TL;DR Meta wprowadziła Muse Wonder i Muse Wonder Full 12 października 2026 — jej dotychczas najwydajniejsze modele, stworzone z myślą o osobistych i profesjonalnych zadaniach agentowych. Muse Wonder Full uzyskuje 56 w Artificial Analysis Intelligence Index (tuż za Claude Opus 5.5 z wynikiem 58), natomiast Muse Wonder osiąga 52. Oba oferują Aktywną pamięć i Aktywne skupienie, kontekst o rozmiarze 1M tokenów, mocne kompetencje w kodowaniu i dziedzinach specjalistycznych (prawo, finanse, zdrowie) oraz wejścia multimodalne.
Muse Wonder jest dostępny przez Meta Model API w cenie $4/$20 za milion tokenów (wejście/wyjście); Muse Wonder Full jest ograniczony do wyższych poziomów subskrypcji Muse Code. Deweloperzy mogą też uzyskać dostęp do tych modeli (oraz 500+ innych) poprzez ujednolicone platformy, takie jak CometAPI, dla prostszej integracji i potencjalnych korzyści kosztowych.
Najważniejsze informacje
- Muse Wonder i Muse Wonder Full to czołowe modele Meta dla długo działających agentów, kodowania, obsługi komputera oraz realnej pracy z wiedzą.
- Kluczowe innowacje: Aktywna pamięć (trwały, relewantny kontekst między rozmowami) i Aktywne skupienie (trwałe dążenie do celu, odzyskiwanie po błędach, dopytywanie w celu doprecyzowania).
- Niezależny Artificial Analysis Intelligence Index (maksymalny wysiłek): Muse Wonder Full 56, Muse Wonder 52 (wzrost względem Muse Spark 1.3: 48).
- Mocne wyniki w kodowaniu długoterminowym (DeepSWE, SWE-Marathon), zadaniach prawniczo-finansowych dla agentów oraz benchmarkach pamięci; konkurencyjne lub wiodące w kilku ocenach Meta i stron trzecich.
- Cennik: Muse Wonder po $4 wejście / $0.20 buforowane / $20 wyjście za 1M tokenów w Meta Model API; Muse Wonder Full tylko w subskrypcji przez Muse Code (plany Power $50/mies. i Maximum $200/mies.). Standardowe ceny Muse Wonder w CometAPI: $3.2/M wejście, $0.16/M buforowane wejście, $20/M wyjście.
Czym jest Muse Wonder?
Muse Wonder to nowa rodzina czołowych dużych modeli językowych Meta, ogłoszona 12 października 2026 przez Meta Superintelligence Labs. Wydanie buduje na Muse Spark i przesuwa nacisk z odizolowanych odpowiedzi chatbotów na długo działające asystenty, które potrafią pracować z narzędziami, zachowywać przydatny kontekst i iterować przy trudnej pracy. Składa się z dwóch wariantów:
- Muse Wonder — standardowy model czołowy zoptymalizowany do realnego kodowania, długo działających agentów i zaawansowanej obsługi komputera. Dostępny przez Meta Model API i Muse Code.
- Muse Wonder Full — wersja o wyższych możliwościach, zapewniająca maksymalną wydajność rozumowania dla najtrudniejszych, najdłużej trwających profesjonalnych przepływów pracy agentów. Obecnie dostępna tylko dla subskrybentów Muse Code na wyższych planach.
Te modele bezpośrednio rozwijają fundament położony przez Muse Spark (wprowadzony wcześniej w 2026) i stanowią najistotniejszy krok Meta w kierunku „osobistej superinteligencji”. Są wyraźnie zaprojektowane pod zastosowania agentowe — systemy, które nie tylko odpowiadają na pytania, ale planują, wykonują, odzyskują po błędach i realizują wieloetapowe zadania w świecie rzeczywistym przez dłuższy czas. Przykłady obejmują nawigowanie po zgłoszeniach ubezpieczeniowych, interpretację umów najmu, analizę informacji finansowych lub zdrowotnych, budowanie kompletnych aplikacji oraz prowadzenie złożonych projektów osobistych.
Modele były trenowane w gigawatowej skali centrum danych Prometheus firmy Meta, wykorzystując zaawansowane techniki pretrenowania i uczenia przez wzmocnienie doskonalone od serii Muse Spark. Wspierają kontekst o rozmiarze 1 miliona tokenów i przyjmują wejścia multimodalne (tekst, obrazy, wideo, audio oraz PDF w wielu konfiguracjach), generując wyjście tekstowe.
Muse Wonder — specyfikacje techniczne API
| Specyfikacja (oficjalna karta modelu) | Muse Wonder | Muse Wonder Full |
|---|---|---|
| Twórca | Meta Superintelligence Labs | Meta Superintelligence Labs |
| Data wydania | 12 października 2026 | 12 października 2026 |
| Identyfikator | muse-wonder-1.0 | muse-wonder-full-1.0 |
| Okno kontekstu | 1,000,000 tokenów | 1,000,000 tokenów |
| Wejścia | Tekst, obraz, audio, wideo | Tekst, obraz, audio, wideo |
| Wyjście | Tekst | Tekst |
| Wnioskowanie | Konfigurowalne | Zaawansowane |
| Aktywna pamięć / skupienie | Obsługiwane | Obsługiwane |
| Publiczne API | Meta Model API | Niedostępne |
| Dostęp | Meta API i Muse Code | Kwalifikujące się plany Muse Code |
| Wagi modelu / liczba parametrów | Nieujawnione publicznie | Nieujawnione publicznie |
| Indeks inteligencji | 52 | 56 |
Kluczowe funkcje: Aktywna pamięć i Aktywne skupienie
Aktywna pamięć
Modele potrafią przenosić ważny kontekst użytkownika między rozmowami i aktywnie wyszukiwać szczegóły relewantne do aktualnego zadania. To wykracza poza zwykłe długie okna kontekstu; priorytetyzuje i wydobywa informacje istotne dla bieżących celów, nawyków, preferencji i wcześniejszych interakcji. Meta podkreśla mocne wyniki w MemoryBench, gdzie oba warianty uzyskują bardzo wysokie rezultaty.
Aktywne skupienie
Gdy zadanie staje się trudne, modele wytrwale działają: próbują alternatywnych podejść, odzyskują po błędach, dostosowują się do nowych informacji, proszą o doprecyzowania w razie potrzeby i upewniają się przed podjęciem ważnych działań. Jest to oceniane przez wewnętrzny FocusBench i zestawy długohoryzontowego kodowania, takie jak SWE-Marathon. Efektem są agenci, którzy utrzymują kurs przez godziny zamiast dryfować lub się poddawać.
Dodatkowe mocne strony obejmują:
Zrozumienie multimodalne: Rodzina modeli wspiera wejścia tekstowe, obrazowe, audio i wideo oraz generuje wyjście tekstowe. Aplikacje zależne od audio muszą potwierdzić wsparcie na konkretnym interfejsie udostępnienia. Specyfikacja modalności na poziomie modelu nie gwarantuje, że każde API czy aplikacja udostępnia identyczną ścieżkę wejściową.
Wnioskowanie eksperckie w domenach: Oceny uruchomienia Meta obejmują zadania prawnicze, finansowe i zdrowotne, takie jak przegląd dokumentów i synteza informacji. Te wyniki opisują oceniane zadania; nie stanowią profesjonalnej certyfikacji ani nie zastępują weryfikacji eksperta w ustawieniach wysokiego ryzyka.
Zaawansowane kodowanie i korzystanie z komputera: Wonder wspiera generowanie aplikacji, debugowanie, modyfikację kodu i przepływy pracy oparte na narzędziach. Sukces w praktyce wciąż zależy od otaczającej uprzęży agenta, uprawnień i procesu ewaluacji.
Jak Muse Wonder wypada na benchmarkach AI?
Poniższa tabela odtwarza wyniki raportowane przy uruchomieniu. Łączy niezależne oceny, wewnętrzne testy Meta oraz wyniki konkurentów raportowane przez dostawców. Wyższe wyniki są lepsze w obrębie każdego wiersza; wiersze mają różne metryki i nie powinny być średniowane w nowy ogólny wynik.
| Benchmark (metryki i metodologia) | 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 |
Warunki ocen i interpretacja wyników
Meta raportuje maksymalny wysiłek rozumowania w porównaniu ogólnym, z wyjątkami specyficznymi dla benchmarków. Wewnętrzne uruchomienia konkurentów są „best-effort”; zewnętrzne wyniki zachowują swoje pierwotne uprzęże. Są to porównania na uruchomienie, a nie jednolity test wszystkich modeli w jednej konfiguracji produkcyjnej.
AA Intelligence Index to kompozytowy indeks od Artificial Analysis. PSI i MemoryBench to oceny wewnętrzne. Harvey LAB-AA i AutomationBench-AA wykorzystują wyniki Artificial Analysis; Vals Finance Agent V2 korzysta z Vals AI; GDP.pdf używa Surge. HealthBench Pro łączy uruchomienia Meta i wyniki raportowane przez Anthropic. JobBench raportuje średnią nagrodę zadania.
DeepSWE 1.1 raportuje pass@1 w 113 zadaniach i 91 repozytoriach. SWE-Marathon wykorzystuje wyniki Abundant AI z różnych produktów agentowych; 57.5 dla Wonder Full raportowane przy bardzo wysokim wysiłku (xhigh). ProgramBench używa mini-swe-agent i mierzy roll-outy zdające co najmniej 95% ukrytych testów. Terminal-Bench wykorzystuje wyniki Artificial Analysis z wykonywalnych zadań terminalowych. MemoryBench testuje rozmowy o długości 64K–100K tokenów.
Mocne strony Muse Wonder Full w benchmarkach
Muse Wonder Full szczególnie wyróżnia się w długo trwającym inżynierii oprogramowania i pracy agentów intensywnie korzystającej z pamięci, podczas gdy Claude Opus 5.5 zachowuje przewagi w niektórych czysto terminalowych/związanych z obsługą komputera oraz zadaniach programowania „od zera”. Szerokość wiedzy pozostaje relatywnym obszarem do dalszej poprawy, choć wskaźniki halucynacji są zauważalnie niskie.
Niezależna weryfikacja pochodzi głównie od Artificial Analysis
Artificial Analysis Intelligence Index (v4.3, maksymalny wysiłek rozumowania)
- Muse Wonder Full: 56
- Muse Wonder: 52
- Claude Opus 5.5: 58
- GPT-6 Astra / Claude Fable 5.1 / Gemini 4 Argon: ~53
- Poprzedni model Meta (Muse Spark 1.3 max): 48
Muse Wonder Full plasuje się w pierwszej trójce w sześciu z dziesięciu ocen składowych i prowadzi lub jest blisko prowadzenia w agentowej pracy z wiedzą i rozumowaniu naukowym (np. CritPt, GDP.pdf, GDPval-AA). Oba modele wykazują duże wzrosty w Terminal-Bench i innych agentowych zestawach do kodowania w porównaniu z Muse Spark 1.3.
Ile kosztuje API Muse Wonder?
Meta oferuje Muse Wonder przez Model API z rozliczaniem tokenowym. Deweloperzy mogą też eksplorować Muse Wonder API w CometAPI, gdzie platforma reklamuje obniżone ceny dostępu do modelu.
Poniższa tabela porównuje oficjalne stawki tokenowe Meta z scenariuszem cenowym obniżki o 20% dla CometAPI.
| Kategoria cenowa (oficjalne stawki tokenowe) | Muse Wonder | CometAPI (cel 20% taniej) |
|---|---|---|
| Wejście | $4.00 za 1M tokenów | $3.20 / 1M tokenów |
| Buforowane wejście | $0.20 za 1M tokenów | $0.16 / 1M tokenów* |
| Wyjście | $20.00 za 1M tokenów | $16.00 / 1M tokenów |
| Kontekst | 1M tokenów | Zależne od wspieranej dystrybucji |
| Wonder Full API | Brak publicznej oferty | Brak publicznej oferty |
Buforowane wejście jest o 95% tańsze niż niebuforowane przy opublikowanych stawkach, co może być użyteczne przy powtarzanych wywołaniach agenta z znaczącym wspólnym kontekstem.
Przykładowy koszt żądania
Dla 100,000 niebuforowanych tokenów wejścia i 20,000 tokenów wyjścia: wejście = (100,000 / 1,000,000) × $4 = $0.40; wyjście = (20,000 / 1,000,000) × $20 = $0.40; całkowity szacowany koszt modelu = $0.80.
Rzeczywisty wielokrotny przepływ wywołań agenta może kosztować więcej z powodu planowania, wywołań narzędzi, ponowień i przebiegów ewaluacyjnych.
Ceny subskrypcji Muse Wonder Full
Wonder Full jest dystrybuowany przez kwalifikujące się subskrypcje Muse Code zamiast osobno publikowanych cen tokenowych API. Plany Power i Maximum kosztują odpowiednio $50 i $200 miesięcznie. Zapewniają 20x i 80x limitu „Everyday Usage”; są to limitowane subskrypcje, nie nielimitowane wykorzystanie ani plany API rozliczane per token.
Porównanie: Muse Wonder vs GPT-6 Astra vs Claude Opus 5.5
Poniższe porównanie łączy obserwacje benchmarków z uruchomienia ze specyfikacjami producentów. Dla alternatywnych integracji deweloperzy mogą ocenić GPT-6 Astra API w CometAPI i Claude Opus 5.5 API w CometAPI. Tabela używa oficjalnych specyfikacji i stawek dostawców; samo prowadzenie w benchmarkach nie determinuje najlepszego wyboru wdrożenia.
| Wymiar | Wonder Full | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| Ogólna inteligencja | Silna | Silna | Najwyższy wskazany indeks |
| Zadania prawnicze dla agentów | Najlepszy wskazany wynik Harvey | Konkurencyjny | Niższy wskazany wynik |
| Kodowanie długoterminowe | Najlepszy wskazany wynik DeepSWE / Marathon | Silna | Silna |
| Wykonywanie poleceń w terminalu | Konkurencyjny | Silna | Najlepszy wskazany wynik |
| Rekonstrukcja programów | Konkurencyjna | Konkurencyjna | Najlepszy wskazany wynik |
| Publiczne samodzielne API | Nie | Tak | Tak |
| Okno kontekstu | 1M tokenów | 1.05M tokenów | 1M tokenów |
| Cena standardowego wejścia/wyjścia za 1M tokenów | Dostęp w ramach subskrypcji; brak publicznego cennika tokenów | $10 / $50 dla promptów do 272K tokenów wejścia | $4 / $20 |
| Wnioskowanie | Wariant Muse o wyższych możliwościach | Konfigurowalny nakład wnioskowania | Adaptacyjne myślenie |
| Integracja multimodalna | Karta modelu wymienia wejścia tekst/obraz/audio/wideo; wsparcie różni się w zależności od powierzchni | Wejścia tekst i obraz; wyjście tekstowe | Wejścia tekst i obraz; wyjście tekstowe |
| Porównanie architektury | Niewystarczająco ujawnionych szczegółów dla porównania „jak za jak” | Nie porównano w przytoczonych specyfikacjach API | Nie porównano w przytoczonych specyfikacjach API |
| Praktyczny punkt wyjścia | Użytkownicy Muse Code testujący długotrwałe przepływy pracy związane z kodowaniem | Własne agenty API i profesjonalne badania | Własne agenty API do kodowania i pracy z wiedzą |
Seria Muse Wonder pozycjonuje Meta konkurencyjnie na froncie obciążeń agentowych zamiast czystego czatu czy rozumowania krótkohoryzontowego. Cennik dla Muse Wonder odpowiada cenom listowym Claude Opus 5.5, jednocześnie dostarczając mocną specjalistyczną wydajność w pamięci, długohoryzontowym kodowaniu i profesjonalnych zadaniach agentowych. GPT-6 Astra i Claude Fable 5.1 często mają wyższe ceny listowe na niektórych platformach. Modele dostępu różnią się: Meta ogranicza absolutnie najwyższy wariant (Full) do swojego produktu subskrypcyjnego do kodowania, podczas gdy konkurenci zazwyczaj udostępniają swoje najwyższe modele przez API.
Gdzie można używać Muse Wonder?
Bezpośrednio od Meta
- Zarejestruj się w Meta Model API na dev.meta.ai, aby uzyskać dostęp do Muse Wonder.
- Zasubskrybuj Muse Code dla obu wariantów (Full na wyższych poziomach).
- Kompatybilne z OpenAI i Anthropic końcówki są wspierane dla meta API i CometAPI.
Muse Wonder: Meta Model API
Muse Wonder jest dostępny przez Meta Model API dla zespołów budujących aplikacje, asystentów badawczych i agentów opartych na narzędziach. To programowalna ścieżka dostępu opisana w tym artykule, z rozliczaniem per token. Czytelnicy mogą skonsultować stronę modelu u dostawcy dla szczegółów dostępu zamiast podążania tutaj za poradnikiem.
Dwie ścieżki dostępu służą różnym potrzebom: Meta Model API to punkt wyjścia dla własnych aplikacji Wonder; kwalifikujące się subskrypcje Muse Code zapewniają dostęp do Wonder Full w ramach agenta do kodowania. Poniższe sekcje wyjaśniają ścieżkę subskrypcji i co sprawdzić przy rozważaniu dostępu przez strony trzecie.
Korzystaj z Muse Wonder Full poprzez Muse Code
Kwalifikujący się użytkownicy Muse Code Power lub Maximum mogą uzyskać dostęp do Wonder Full przez Muse Code, terminalowego agenta do kodowania. Ta ścieżka subskrypcji różni się od wywoływania osobno rozliczanego publicznego API Wonder Full.
Dostęp do Muse Wonder i alternatywy CometAPI
CometAPI zapewnia jeden punkt końcowy kompatybilny z OpenAI (https://api.cometapi.com/v1) i jeden klucz API dla 500+ modeli, w tym serii Muse firmy Meta (Muse Wonder i Muse Wonder Full są wymienione, z niektórymi wariantami oznaczonymi jako dostępne lub „wkrótce”, często po cenach obniżonych względem stawek listowych).
Dla alternatywnych integracji deweloperzy mogą uzyskać dostęp do GPT-6 Astra API w CometAPI oraz Claude Opus 5.5 API w CometAPI. Porównaj to samo zadanie, kontekst i ustawienia narzędzi przed zmianą dostawcy.
Aby zacząć na CometAPI: utwórz darmowe konto (w zestawie kredyty testowe), pobierz swój klucz, skieruj klienta na bazowy URL CometAPI i określ identyfikator modelu Muse Wonder. Takie podejście redukuje koszty operacyjne podczas eksperymentowania lub wdrażania czołowych możliwości agentów.
Wnioski
Muse Wonder i Muse Wonder Full to najjaśniejsza dotąd deklaracja Meta, że powróciła na czoło rozwoju modeli AI. Koncentrując się na praktycznych wymaganiach osobistych i profesjonalnych agentów — niezawodnej pamięci, trwałym skupieniu, wiedzy dziedzinowej oraz długohoryzontowym kodowaniu i obsłudze komputera — Meta stworzyła modele, które są natychmiast użyteczne dla deweloperów budujących kolejną generację systemów agentowych i które wzmocnią jej własny produkt Muse.
Dla zespołów oceniających lub wdrażających te możliwości, rozpoczęcie od Meta Model API dla Muse Wonder i rozważenie platform agregujących, takich jak CometAPI, dla elastyczności wielomodelowej zapewnia łatwą ścieżkę do eksperymentów i produkcji. Wraz z publikacją pełnego raportu bezpieczeństwa i szerszym wdrożeniem agenta Muse praktyczny wpływ tych modeli stanie się jeszcze bardziej widoczny.