Meta a publié Muse Wonder et Muse Wonder Full, ses modèles les plus performants à ce jour. Muse Wonder est un modèle de pointe de Meta conçu pour des agents IA personnels et professionnels. Les deux modèles visent des travaux d'agents de longue durée : codage, tâches juridiques et financières, et utilisation de l'ordinateur. Muse Wonder est dès maintenant disponible sur la Meta Model API et Muse Code. Muse Wonder Full est limité aux plans Muse Code payants.
TL;DR
- Taille : contexte de 1M-token, entrée de texte, image, vidéo et audio, sortie de texte.
- Fonctionne sur : le cloud de Meta uniquement, via l'API ou la CLI Muse Code (macOS, Linux, Windows).
- Performances : Muse Wonder Full mène sur 6 des 14 lignes du tableau de benchmarks de Meta. Il est en retrait par rapport à Claude Opus 5.5 sur plusieurs.
- Meilleur : Muse Wonder obtient un score de 85.6 sur MemoryBench, le meilleur résultat parmi les 5 modèles listés.
- Pire : Muse Wonder obtient un score de 50.0 sur ProgramBench, contre 70.5 pour Claude Opus 5.5.
Qu'est-ce que Muse Wonder ?
Muse Wonder succède à Muse Spark sur l'échelle de montée en puissance de Meta. L'équipe de Meta indique qu'il a été entraîné dans son centre de données Prometheus, avec des gains tant en pré-entraînement qu'en apprentissage par renforcement. Meta attribue à un modèle de base plus grand de meilleurs résultats sur des tâches non familières.
Deux comportements nommés définissent cette version :
- Active Memory : il conserve le contexte utilisateur d'une conversation à l'autre et récupère les détails dont une tâche a besoin.
- Active Focus : il poursuit le travail sur des tâches difficiles, essaie des alternatives et vérifie avant les actions importantes.
Pour les développeurs, Muse Wonder planifie de longues tâches et délègue à des sous-agents. Il pilote également les navigateurs et les applications de bureau et mobiles.
Comment Muse Wonder se comporte-t-il sur les benchmarks ?
Tous les scores ci-dessous proviennent de la table publiée par Meta à l’effort de raisonnement maximal. Plusieurs lignes utilisent des sources tierces telles que Artificial Analysis, Vals AI et Datacurve.
| Benchmark | Muse Wonder Full | Muse Wonder | Claude Fable 5.1 | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|---|
| Personal Superintelligence Index (interne) | 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 (partiel) | 78.4 | 72.6 | 80.7 | 75.8 | 81.8 |
| MemoryBench (interne) | 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 |
Remarque : PSI, MemoryBench et FocusBench sont des évaluations internes de Meta. La fiche modèle indique que les exécutions des concurrents sont au mieux des efforts et peuvent ne pas être optimisées. Les résultats SWE-Marathon pour les concurrents ont utilisé Codex et Claude Code, il ne s'agit donc pas d'une comparaison avec un harnais commun.
Muse Wonder vs Claude Opus 5.5, Claude Fable 5.1 et GPT-6 Astra
| Caractéristique | Muse Wonder | Muse Wonder Full | Claude Opus 5.5 | Claude Fable 5.1 | GPT-6 Astra |
|---|---|---|---|---|---|
| Développeur | Meta | Meta | Anthropic | Anthropic | OpenAI |
| Paramètres | Non communiqués | Non communiqués | Non communiqués | Non communiqués | Non communiqués |
| Contexte | 1M | 1M | 1M | 1M | 1,05M |
| Modalités d'entrée | Texte, image, vidéo, audio | Texte, image, vidéo, audio | Texte, image | Texte, image | Texte, image |
| Poids ouverts | Non | Non | Non | Non | Non |
| Prix API (entrée / sortie par 1M) | $4 / $20 | Abonnement uniquement | $4 / $20 | $10 / $50 | $10 / $50 |
| Accès | API du modèle, Muse Code | Muse Code Power (50 $) ou Maximum (200 $) | Claude API | Claude API | OpenAI API |
| DeepSWE 1.1 | 78.8 | 79.0 | 74.2 | 67.4 | 74.1 |
Comment utiliser Muse Wonder : guide étape par étape pour les nouveaux utilisateurs
Étape 1 : Ouvrez dev.meta.ai. Cliquez sur Start building pour vous connecter. La commande d'installation de Muse Code se trouve sur la même page.
Étape 2 : Choisissez votre modèle. Muse Wonder coûte 4 $ en entrée, 0,20 $ en cache et 20 $ en sortie par million de tokens. Muse Wonder Full nécessite un abonnement Muse Code: Power à 50 $ ou Maximum à 200 $ par mois.
Étape 3 : Connectez-vous avec votre compte Meta. Confirmez votre nom, acceptez les conditions du Model API, puis cliquez sur Get started.
Étape 4. Ajoutez la facturation, puis créez une clé API. Les nouveaux comptes voient une bannière « No payment method » (Aucun moyen de paiement), et Create API key reste désactivé. Ajoutez une carte sous Billing, puis ouvrez API keys et sélectionnez Create API key. Exportez-la sous la forme MODEL_API_KEY, selon le quickstart.
Étape 5. Testez-la dans le Playground. Ouvrez Chat, choisissez muse-wonder-1.0, et réglez la température, les max tokens et l'effort de raisonnement.
Étape 6. Copiez le code fonctionnel. Cliquez sur Get code pour obtenir un extrait curl ou Python. Il appelle le point de terminaison Responses à https://api.meta.ai/v1/responses.
L'API est compatible avec OpenAI, donc le SDK OpenAI fonctionne avec une nouvelle URL de base :
Copy Codeimport 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)
Étape 7 : ou utilisez Muse Code dans votre terminal. Sur Mac, installez avec curl -fsSL https://dev.meta.ai/install.sh | bash. Sous Windows, utilisez irm https://dev.meta.ai/install.ps1 | iex. Exécutez muse dans votre dossier de projet, faites confiance à l'espace de travail et connectez-vous. Le modèle par défaut est muse-spark-1.2. Changez avec /models, ou lancez avec muse --model muse-wonder-1.0.
Points clés à retenir
- Muse Wonder est lancé à $4/$20 par million de tokens avec un contexte de 1M.
- Muse Wonder Full mène devant DeepSWE (79.0) et SWE-Marathon (57.5).
- Claude Opus 5.5 mène toujours sur ProgramBench, OSWorld et Terminal-Bench.
- Wonder Full est exclusif à Muse Code, à partir de 50 $ par mois.
- Pas encore de paramètres, de poids ouverts ni de rapport de sécurité complet.
Découvrez le blog de recherche, la fiche modèle et la documentation développeur. Tout le mérite revient au chercheur de ce projet. N'hésitez pas non plus à nous suivre sur Twitter et n'oubliez pas de rejoindre notre SubReddit ML de plus de 150k et de vous abonner à notre Newsletter. Attendez ! Vous êtes sur telegram ? vous pouvez désormais nous rejoindre sur telegram également.
L'article Meta lance Muse Wonder et Muse Wonder Full : benchmarks, tarifs et mode d'emploi est apparu en premier sur MarkTechPost.