TLDR Meta запустила Muse Wonder и Muse Wonder Full 12 октября 2026 года — свои самые мощные на сегодня модели, специально созданные для персональных и профессиональных агентных задач. Muse Wonder Full набирает 56 по Artificial Analysis Intelligence Index (сразу за Claude Opus 5.5 с 58), а Muse Wonder — 52. Обе поддерживают Active Memory и Active Focus, окно контекста на 1M токенов, сильные возможности в программировании и экспертных доменах (право, финансы, здравоохранение), а также мультимодальный ввод.
Muse Wonder доступна через Meta Model API по $4/$20 за миллион токенов (ввод/вывод); Muse Wonder Full ограничена более высокими уровнями подписки Muse Code. Разработчики также могут получить доступ к этим моделям (и 500+ другим) через единые платформы типа CometAPI для упрощенной интеграции и потенциальных ценовых преимуществ.
Ключевые выводы
- Muse Wonder и Muse Wonder Full — фронтирные модели Meta для долгоживущих агентов, программирования, компьютерного использования и реальной интеллектуальной работы.
- Ключевые инновации: Active Memory (персистентный, релевантный контекст между разговорами) и Active Focus (персистентное следование цели, восстановление после ошибок и запрос уточнений).
- Независимый Artificial Analysis Intelligence Index (максимальное усилие): Muse Wonder Full — 56, Muse Wonder — 52 (выше Muse Spark 1.3 с 48).
- Сильные результаты в долгогоризонтном программировании (DeepSWE, SWE-Marathon), юридико-финансовых агентных задачах и тестах памяти; конкурентны или лидируют в ряде оценок Meta и сторонних провайдеров.
- Цены: Muse Wonder — $4 за ввод / $0.20 за кэшированный ввод / $20 за вывод на 1M токенов в Meta Model API; Muse Wonder Full — только по подписке через Muse Code (планы Power $50/мес и Maximum $200/мес). Стандартные цены Muse Wonder в CometAPI: $3.2/M за ввод, $0.16/M за кэшированный ввод, $20/M за вывод.
Что такое Muse Wonder?
Muse Wonder — новая линейка фронтирных больших языковых моделей Meta, анонсированная 12 октября 2026 года компанией Meta Superintelligence Labs. Релиз развивает Muse Spark и смещает фокус от изолированных ответов чат-бота к долгоживущим ассистентам, работающим с инструментами, сохраняющим полезный контекст и способным итеративно решать сложные задачи. В линейку входят два варианта:
- Muse Wonder — стандартная фронтирная модель, оптимизированная для реального программирования, долгоживущих агентов и продвинутого компьютерного использования. Доступна через Meta Model API и Muse Code.
- Muse Wonder Full — более мощная версия, обеспечивающая максимальную производительность рассуждений для самых сложных, долгосрочных профессиональных и агентных рабочих процессов. В настоящий момент доступна только подписчикам Muse Code на высоких тарифах.
Эти модели непосредственно развивают фундамент, заложенный Muse Spark (выпущен ранее в 2026 году), и представляют самый значительный шаг Meta к «персональному суперинтеллекту». Они явно спроектированы для агентных сценариев — систем, которые не только отвечают на вопросы, но и планируют, исполняют, восстанавливаются после ошибок и завершают многошаговые реальные задачи в течение длительного времени. Примеры: навигация по страховым случаям, интерпретация договоров аренды, анализ финансовой или медицинской информации, построение полноценных приложений и ведение сложных личных проектов.
Модели обучены в гигаваттном дата-центре Prometheus компании Meta с использованием продвинутых техник предпре-тренировки и обучения с подкреплением, отточенных со времени серии Muse Spark. Они поддерживают окно контекста в 1 миллион токенов и принимают мультимодальный ввод (текст, изображения, видео, аудио и PDF в многих конфигурациях), генерируя текстовый вывод.
Технические характеристики API Muse Wonder
| Спецификация (официальная карточка модели) | Muse Wonder | Muse Wonder Full |
|---|---|---|
| Developer | Meta Superintelligence Labs | Meta Superintelligence Labs |
| Release | October 12, 2026 | October 12, 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 | Configurable | Advanced |
| Active Memory / Focus | Supported | Supported |
| Public API | Meta Model API | Not available |
| Access | Meta API and Muse Code | Qualifying Muse Code plans |
| Model weights / parameter count | Not publicly disclosed | Not publicly disclosed |
| Intelligence Index | 52 | 56 |
Основные функции: Active Memory и Active Focus
Active Memory
Модели способны переносить важный пользовательский контекст между разговорами и активно извлекать детали, релевантные текущей задаче. Это выходит за рамки простого длинного окна контекста; система приоритизирует и поднимает информацию, значимую для текущих целей, привычек, предпочтений и прошлых взаимодействий. Meta отмечает высокие результаты на MemoryBench, где оба варианта получают очень высокие оценки.
Active Focus
Когда задача усложняется, модели продолжают работу: пробуют альтернативные подходы, восстанавливаются после ошибок, адаптируются к новой информации, запрашивают уточнения при необходимости и сверяются перед важными действиями. Это оценивается по внутреннему FocusBench и долгогоризонтным наборам программирования, таким как SWE-Marathon. Результат — агенты, которые держат курс часами, а не дрейфуют или сдаются.
Дополнительные сильные стороны:
Мультимодальное понимание: Семейство моделей поддерживает ввод текста, изображений, аудио и видео и формирует текстовый вывод. Однако приложения, зависящие от аудио, должны подтверждать поддержку на конкретной поверхности релиза. Спецификация мультимодальности на уровне модели не гарантирует, что каждый API или приложение предоставляет одинаковый путь ввода.
Экспертное доменное рассуждение: Запуски Meta включают юридические, финансовые и медицинские задачи, такие как обзор документов и синтез информации. Эти оценки описывают протестированные задачи; они не устанавливают профессиональную сертификацию и не заменяют экспертную проверку в ответственных областях.
Фронтирное программирование и компьютерное использование: Wonder поддерживает генерацию приложений, отладку, модификацию кода и инструментальные рабочие процессы. Успех на практике всё равно зависит от окружающей агентной обвязки, разрешений и процесса оценки.
Как Muse Wonder показывает себя в бенчмарках ИИ?
Ниже представлена таблица с результатами, заявленными при запуске. Она объединяет независимые оценки, внутренние тесты Meta и показатели конкурентов, заявленные провайдерами. В каждой строке более высокие значения — лучше; строки имеют разные метрики и не должны усредняться в новый общий балл.
| Benchmark (метрики и методология) | 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 |
Условия оценки и интерпретация результатов
Meta указывает максимальные усилия рассуждения для общего сравнения, с исключениями для конкретных бенчмарков. Внутренние прогоны конкурентов — по принципу best-effort; внешние результаты сохраняют свои оригинальные окружения. Это сравнение при запуске, а не унифицированный тест всех моделей в одной производственной конфигурации.
AA Intelligence Index — составной индекс от Artificial Analysis. PSI и MemoryBench — внутренние оценки. Harvey LAB-AA и AutomationBench-AA используют результаты Artificial Analysis; Vals Finance Agent V2 — Vals AI; GDP.pdf — Surge. HealthBench Pro объединяет прогоны Meta и результаты, заявленные Anthropic. JobBench сообщает среднюю награду за задачу.
DeepSWE 1.1 сообщает pass@1 по 113 задачам и 91 репозиторию. SWE-Marathon использует результаты Abundant AI для разных агентных продуктов; 57.5 у Wonder Full заявлены при xhigh effort. ProgramBench использует mini-swe-agent и измеряет прогонки, проходящие как минимум 95% скрытых тестов. Terminal-Bench использует результаты Artificial Analysis по исполняемым терминальным задачам. MemoryBench тестирует разговоры на 64K–100K токенов.
Сильные стороны Muse Wonder Full на бенчмарках
Muse Wonder Full особенно выделяется в долгоживущей разработке ПО и агентной работе, требующей памяти, тогда как Claude Opus 5.5 сохраняет преимущества в некоторых чистых терминальных/компьютерных и задачах программирования «с нуля». Широта знаний остаётся областью для дальнейшего улучшения, хотя уровень галлюцинаций заметно низкий.
Независимая верификация преимущественно от Artificial Analysis
Artificial Analysis Intelligence Index (v4.3, максимальное усилие рассуждения)
- Muse Wonder Full: 56
- Muse Wonder: 52
- Claude Opus 5.5: 58
- GPT-6 Astra / Claude Fable 5.1 / Gemini 4 Argon: ~53
- Предыдущая модель Meta (Muse Spark 1.3 max): 48
Muse Wonder Full входит в топ-3 по шести из десяти компонентных оценок и лидирует или близка к лидерам в агентной интеллектуальной работе и научном рассуждении (например, CritPt, GDP.pdf, GDPval-AA). Обе модели показывают большой рост в Terminal-Bench и других агентных наборах для программирования по сравнению с Muse Spark 1.3.
Сколько стоит API Muse Wonder?
Meta предлагает Muse Wonder через свой Model API с биллингом по токенам. Разработчики также могут изучить API Muse Wonder в CometAPI, где платформа рекламирует доступ к моделям со скидками.
Следующая таблица сравнивает официальные тарифы по токенам Meta со сценарием скидки 20% для CometAPI.
| Категория ценообразования (официальные ставки по токенам) | Muse Wonder | CometAPI (сценарий со скидкой 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 | Subject to supported deployment |
| Wonder Full API | Not publicly offered | Not publicly offered |
Кэшированный ввод на 95% дешевле некэшированного по опубликованным ставкам, что может быть полезно для повторяющихся агентных подсказок с существенным общим контекстом.
Пример стоимости запроса
Для 100,000 uncached input tokens и 20,000 output tokens: input = (100,000 / 1,000,000) × $4 = $0.40; output = (20,000 / 1,000,000) × $20 = $0.40; total estimated model cost = $0.80.
Фактический многократный агентный рабочий процесс может стоить дороже из‑за планирования, вызовов инструментов, повторов и проверочных прогонов.
Ценообразование подписки на Muse Wonder Full
Wonder Full распространяется через квалифицирующие подписки Muse Code, а не через отдельно публикуемые ставки API по токенам. Планы Power и Maximum стоят $50 и $200 в месяц соответственно. Они предоставляют 20x и 80x от лимита Everyday Usage; это ограниченные подписки, не безлимитное использование и не тарифы API по токенам.
Сравнение: Muse Wonder vs GPT-6 Astra vs Claude Opus 5.5
Следующее сравнение объединяет наблюдения по бенчмаркам при запуске со спецификациями провайдеров. В качестве альтернативных интеграций разработчики могут оценить GPT-6 Astra API в CometAPI и Claude Opus 5.5 API в CometAPI. Таблица использует официальные спецификации и ставки провайдеров; лидерство в бенчмарках само по себе не определяет лучший выбор для развертывания.
| Dimension | Wonder Full | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| Overall intelligence | Strong | Strong | Highest listed index |
| Legal agent tasks | Best listed Harvey score | Competitive | Lower listed score |
| Long-horizon coding | Best listed DeepSWE / Marathon | Strong | Strong |
| Terminal execution | Competitive | Strong | Best listed score |
| Program reconstruction | Competitive | Competitive | Best listed score |
| Public standalone API | No | Yes | Yes |
| Context window | 1M tokens | 1.05M tokens | 1M tokens |
| Standard input / output price per 1M tokens | Subscription access; no public token tariff | $10 / $50 for prompts up to 272K input tokens | $4 / $20 |
| Reasoning | Higher-capability Muse variant | Configurable reasoning effort | Adaptive thinking |
| Multimodal integration | Model card lists text/image/audio/video input; surface support varies | Text and image inputs; text output | Text and image inputs; text output |
| Architecture comparison | Insufficient disclosed detail for a like-for-like architecture comparison | Not compared in the cited API specifications | Not compared in the cited API specifications |
| Practical starting point | Muse Code users testing sustained coding workflows | Custom API agents and professional research | Custom API coding and knowledge-work agents |
Серия Muse Wonder позиционирует Meta конкурентно на фронтире для агентных нагрузок, а не для чистого чата или краткосрочного рассуждения. Ценообразование Muse Wonder соответствует прайсовым ставкам Claude Opus 5.5, при этом предлагая сильную специализированную производительность в памяти, долгогоризонтном программировании и профессиональных агентных задачах. GPT-6 Astra и Claude Fable 5.1 часто имеют более высокие прайсовые ставки на некоторых платформах. Модели доступа различаются: Meta ограничивает самый верхний вариант (Full) своим продуктом для кодинга по подписке, в то время как конкуренты обычно предлагают свои топовые модели через API.
Где можно использовать Muse Wonder?
Напрямую от Meta
- Зарегистрируйтесь в Meta Model API на dev.meta.ai для Muse Wonder.
- Оформите подписку на Muse Code для обоих вариантов (Full на более высоких тарифах).
- OpenAI- и Anthropic-совместимые эндпойнты поддерживаются для meta API и CometAPI.
Muse Wonder: Meta Model API
Muse Wonder доступна через Meta Model API для команд, создающих приложения, исследовательских ассистентов и инструментальных агентов. Это маршрут программируемого доступа, описанный в этой статье, с биллингом по токенам. Читатели могут обратиться к странице модели у провайдера за деталями доступа вместо следования коду здесь.
Два маршрута доступа служат разным потребностям: Meta Model API — отправная точка для кастомных приложений на Wonder; квалифицирующие подписки Muse Code предоставляют доступ к Wonder Full внутри агентa для программирования. Следующие разделы поясняют маршрут подписки и на что обратить внимание при рассмотрении стороннего доступа.
Используйте Muse Wonder Full через Muse Code
Квалифицированные пользователи Muse Code Power или Maximum могут получить доступ к Wonder Full через Muse Code, терминальный агент для программирования. Этот маршрут подписки отличается от вызова отдельно тарифицируемого публичного API Wonder Full.
Доступ к Muse Wonder и альтернативы CometAPI
CometAPI предоставляет единый эндпойнт, совместимый с OpenAI (https://api.cometapi.com/v1) и один ключ API для 500+ моделей, включая серию Meta Muse (Muse Wonder и Muse Wonder Full указаны, при этом некоторые варианты отмечены как доступные или скоро доступные и часто по ставкам ниже прайсовых).
Для альтернативных интеграций разработчики могут получить доступ к GPT-6 Astra API в CometAPI и Claude Opus 5.5 API в CometAPI. Сравнивайте одну и ту же задачу, контекст и настройки инструментов перед сменой провайдера.
Чтобы начать работу в CometAPI: создайте бесплатный аккаунт (включены тестовые кредиты), получите ключ, направьте клиент на базовый URL CometAPI и укажите ID модели Muse Wonder. Такой подход снижает операционные накладные расходы при экспериментировании или выводе на продакшн фронтирных агентных возможностей.
Заключение
Muse Wonder и Muse Wonder Full — самый ясный сигнал Meta о возвращении на фронтир разработки ИИ-моделей. Сфокусировавшись на практических требованиях персональных и профессиональных агентов — надежная память, персистентный фокус, доменная экспертиза и долгогоризонтное программирование и компьютерное использование — Meta создала модели, которые сразу полезны разработчикам, строящим новое поколение агентных систем, и усилят собственный продукт Muse.
Командам, оценивающим или внедряющим эти возможности, стоит начать с Meta Model API для Muse Wonder и рассмотреть агрегаторы вроде CometAPI для мульти-модельной гибкости — это обеспечивает малотрениевый путь к экспериментам и продакшну. По мере публикации полного отчета по безопасности и более широкого развёртывания агентов Muse практическое влияние этих моделей станет ещё яснее.