Meta hat veröffentlicht Muse Wonder und Muse Wonder Full, ihre bisher leistungsfähigsten Modelle. Muse Wonder ist ein Frontier-Modell von Meta, das für persönliche und professionelle KI-Agenten entwickelt wurde. Beide Modelle zielen auf langlaufende Agentenarbeit ab: Programmieren, Rechts- und Finanzaufgaben sowie Computernutzung. Muse Wonder ist jetzt live auf der Meta Model API und Muse Code. Muse Wonder Full ist auf kostenpflichtige Muse Code-Pläne beschränkt.
TL;DR
- Größe: 1M-Token-Kontext, Eingabe von Text, Bild, Video und Audio, Ausgabe von Text.
- Läuft auf: nur Metas Cloud, über die API oder die Muse Code CLI (macOS, Linux, Windows).
- Leistung: Muse Wonder Full führt in 6 von 14 Zeilen in Metas Benchmark-Tabelle. Es liegt bei mehreren hinter Claude Opus 5.5.
- Bestes: Muse Wonder erzielt 85.6 auf MemoryBench, das Spitzenergebnis unter allen 5 gelisteten Modellen.
- Schlechtestes: Muse Wonder erzielt 50.0 auf ProgramBench, gegenüber 70.5 für Claude Opus 5.5.
Was ist Muse Wonder?
Muse Wonder folgt auf Muse Spark auf Metas Skalierungsleiter. Das Meta-Team gibt an, dass es in seinem Rechenzentrum Prometheus trainiertwurde, mit Fortschritten sowohl beim Pretraining als auch beim Reinforcement Learning. Meta führt die besseren Ergebnisse bei unvertrauten Aufgaben auf ein größeres Basismodell zurück.
Zwei namentlich genannte Verhaltensweisen definieren die Veröffentlichung:
- Active Memory: trägt den Nutzerkontext über Gespräche hinweg und holt die Details zurück, die eine Aufgabe benötigt.
- Active Focus: arbeitet weiter an schwierigen Aufgaben, probiert Alternativen aus und meldet sich vor wichtigen Aktionen.
Für Entwickler plant Muse Wonder lange Aufgaben und delegiert an Sub-Agenten. Es bedient auch Browser sowie Desktop- und Mobile-Apps.
Wie schneidet Muse Wonder bei Benchmarks ab?
Alle folgenden Werte stammen aus der von Meta veröffentlichten Tabelle bei maximaler Reasoning-Anstrengung. Mehrere Zeilen verwenden Quellen von Drittanbietern wie Artificial Analysis, Vals AI und Datacurve.
| Benchmark | Muse Wonder Full | Muse Wonder | Claude Fable 5.1 | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|---|
| Personal Superintelligence Index (intern) | 59.1 | 54.3 | 49.9 | 54.5 | 55.2 |
| Harvey LAB-AA | 13.1 | 10.0 | 6.4 | 8.6 | 4.2 |
| Vals Finance Agent V2 | 59.1 | 56.6 | 58.9 | 53.5 | 58.6 |
| AutomationBench-AA | 45.4 | 39.1 | 32.1 | 41.6 | 41.2 |
| OSWorld V2.1 (teilweise) | 78.4 | 72.6 | 80.7 | 75.8 | 81.8 |
| MemoryBench (intern) | 85.5 | 85.6 | 79.0 | 81.4 | 81.5 |
| Terminal-Bench 4.0-AA | 57.1 | 52.0 | 52.0 | 59.1 | 59.6 |
| DeepSWE 1.1 | 79.0 | 78.8 | 67.4 | 74.1 | 74.2 |
| SWE-Marathon | 57.5 (xhigh) | 53.1 | 45.6 | 42.5 | 46.3 |
| ProgramBench | 59.0 | 50.0 | 55.5 | 52.5 | 70.5 |
| AA Intelligence Index v4.3 | 56 | 52 | 53 | 53 | 58 |
Hinweis: PSI, MemoryBench und FocusBench sind interne Meta-Bewertungen. Die model card sagt, dass Läufe von Wettbewerbern nach bestem Bemühen erfolgen und möglicherweise nicht abgestimmt sind. SWE-Marathon-Ergebnisse für Wettbewerber nutzten Codex und Claude Code, daher ist es kein Vergleich mit gemeinsamem Harness.
Muse Wonder vs Claude Opus 5.5, Claude Fable 5.1 und GPT-6 Astra
| Merkmal | Muse Wonder | Muse Wonder Full | Claude Opus 5.5 | Claude Fable 5.1 | GPT-6 Astra |
|---|---|---|---|---|---|
| Entwickler | Meta | Meta | Anthropic | Anthropic | OpenAI |
| Parameter | Nicht offengelegt | Nicht offengelegt | Nicht offengelegt | Nicht offengelegt | Nicht offengelegt |
| Kontext | 1M | 1M | 1M | 1M | 1.05M |
| Eingabemodalitäten | Text, Bild, Video, Audio | Text, Bild, Video, Audio | Text, Bild | Text, Bild | Text, Bild |
| Offene Gewichte | Nein | Nein | Nein | Nein | Nein |
| API-Preis (Eingabe / Ausgabe pro 1M) | $4 / $20 | Nur im Abonnement | $4 / $20 | $10 / $50 | $10 / $50 |
| Zugang | Model API, Muse Code | Muse Code Power ($50) oder Maximum ($200) | Claude API | Claude API | OpenAI API |
| DeepSWE 1.1 | 78.8 | 79.0 | 74.2 | 67.4 | 74.1 |
So verwenden Sie Muse Wonder: Schritt-für-Schritt-Anleitung für neue Nutzer
Schritt 1: Öffnen Sie dev.meta.ai. Klicken Sie auf Start building um sich anzumelden. Der Muse Code-Installationsbefehl befindet sich auf derselben Seite.
Schritt 2: Wählen Sie Ihr Modell. Muse Wonder kostet $4 Eingabe, $0.20 zwischengespeichert und $20 Ausgabe pro Million Tokens. Muse Wonder Full erfordert einen Muse Code-Tarif: Power für $50 oder Maximum für $200 pro Monat.
Schritt 3: Melden Sie sich mit Ihrem Meta-Konto an. Bestätigen Sie Ihren Namen, akzeptieren Sie die Model API-Bedingungen und klicken Sie auf Get started.
Schritt 4: Fügen Sie Abrechnungsinformationen hinzu und erstellen Sie dann einen API-Schlüssel. Neue Konten sehen ein Banner „Keine Zahlungsmethode“, und API-Schlüssel erstellen bleibt deaktiviert. Fügen Sie eine Karte unter Abrechnung, dann öffnen Sie API-Schlüssel und wählen Sie API-Schlüssel erstellen. Exportieren Sie es als MODEL_API_KEY, laut dem Schnellstart.
Schritt 5. Teste es im Playground. Öffnen Chat, auswählen muse-wonder-1.0, und stellen Sie Temperatur, max tokens und Reasoning Effort ein.
Schritt 6. Funktionierenden Code kopieren. Klicken Code abrufen für einen curl- oder Python-Schnipsel. Er ruft den Responses-Endpunkt unter https://api.meta.ai/v1/responses.
Die API ist OpenAI-kompatibel, daher funktioniert das OpenAI SDK mit einer neuen Base URL:
Code kopierenimport os
from openai import OpenAI
client = OpenAI(base_url="https://api.meta.ai/v1", api_key=os.environ["MODEL_API_KEY"])
resp = client.responses.create(model="muse-wonder-1.0", input="List 3 risks in this lease clause: ...")
print(resp.output_text)
Schritt 7: Oder verwenden Sie Muse Code in Ihrem Terminal. Auf einem Mac installieren Sie mit curl -fsSL https://dev.meta.ai/install.sh | bash. Unter Windows verwenden Sie irm https://dev.meta.ai/install.ps1 | iex. Laufen muse in deinem Projektordner, vertraue dem Workspace an und melde dich an. Das Standardmodell ist muse-spark-1.2. Wechseln Sie mit /models, oder starten mit muse --model muse-wonder-1.0.
Die wichtigsten Erkenntnisse
- Muse Wonder wird zu $4/$20 pro Million Tokens mit 1M Kontext ausgeliefert.
- Muse Wonder Full führt vor DeepSWE (79.0) und SWE-Marathon (57.5).
- Claude Opus 5.5 führt weiterhin ProgramBench, OSWorld und Terminal-Bench an.
- Wonder Full ist ausschließlich über Muse Code erhältlich, ab 50 $ pro Monat.
- Noch keine Parameter, offene Gewichte oder vollständigen Sicherheitsbericht.
Schauen Sie sich die Forschungsblog, Modellkarte und die Entwicklerdokumentationan. Ganzes Feedback gebührt dem Forscher dieses Projekts. Folgen Sie uns gerne auch auf Twitter und vergessen Sie nicht, unserem 150k+ ML SubReddit beizutreten und unseren Newsletterzu abonnieren. Moment! Sind Sie auf Telegram? jetzt können Sie uns auch auf Telegram beitreten.
Der Beitrag Meta bringt Muse Wonder und Muse Wonder Full auf den Markt: Benchmarks, Preise und wie man sie verwendet erschien zuerst auf MarkTechPost.