Meta Muse Wonder Full w czołówce modeli AI: wyniki, ceny i słabe strony
W skrócie
- Meta wypuściła model graniczny Muse Wonder w dwóch wariantach, a oba znalazły się wśród najlepszych dostępnych modeli AI, z wynikiem Muse Wonder Full na poziomie 56 punktów w indeksie Artificial Analysis Intelligence Index v4.3.
- Model osiągnął największe postępy w zadaniach agentowych i kodowaniu, ale słabo wypada w wiedzy faktograficznej, gdzie wynik Muse Wonder Full to 30 punktów w teście AA-Omniscience.
- Wyższa wydajność ma wysoką cenę, bo Muse Wonder kosztuje na zadanie w indeksie 4,52 dolara ($4.52), czyli niemal trzy razy więcej niż poprzednik.
Meta wypuściła swój model graniczny Muse Wonder w dwóch wariantach i oba plasują się wśród najlepszych dostępnych modeli AI the-decoder.com.
Wersja Muse Wonder Full zdobywa 56 punktów w indeksie Artificial Analysis Intelligence Index v4.3, a zwykła Muse Wonder – 52 punkty. Poprzednik, Muse Spark 1.3, osiągnął 48 punktów. Taki skok to według serwisu The Decoder znacząca zmiana, bo wcześniej model Mety należał do średniej półki the-decoder.com.
Największe zyski widać w ewaluacjach agentowych, czyli testach sprawdzających, jak dobrze model radzi sobie ze złożonymi zadaniami samodzielnie. W teście Terminal-Bench 4.0 wynik wzrósł z 33 do 57 procent. Muse Wonder Full zajmuje pierwsze trzy miejsca w sześciu z dziesięciu benchmarków, co jest mocnym wynikiem dla Mety, która po słabszym okresie z otwartymi modelami Llama wraca do gry the-decoder.com.
Nowe funkcje i ambicje osobistego agenta
Meta podkreśla dwie nowe funkcje. „Active Memory” pozwala modelowi zapamiętywać kluczowe informacje między rozmowami i przywoływać je w razie potrzeby. „Active Focus” odpowiada za wytrwałość przy trudnych zadaniach: model potrafi próbować innych podejść i zadawać pytania uzupełniające, gdy coś jest niejasne. Obie funkcje są w centrum wizji Mety dotyczącej osobistego agenta AI, który ma mieć dostęp do kalendarzy, wiadomości i dokumentów the-decoder.com.
Oba modele obsługują okno kontekstu o pojemności miliona tokenów i przyjmują na wejściu tekst, obrazy, wideo oraz dźwięk. Muse Wonder jest dostępny przez API Mety i narzędzie Muse Code, natomiast Muse Wonder Full na razie działa wyłącznie dla użytkowników Muse Code. Wkrótce model ma zasilić aplikację Muse, najpierw dla płacących subskrybentów. Meta planuje też z czasem tworzyć z niego wyspecjalizowane modele dla wszystkich użytkowników the-decoder.com.
Kodowanie rośnie, wiedza faktograficzna pozostaje w tyle
W programowaniu modele wyraźnie się poprawiły. Muse Wonder Full zdobywa 68 punktów w indeksie Coding Agents Index, co daje mu remis z Claude Code opartym na Sonnet 5.5. Muse Wonder ma 63 punkty wobec 54 u poprzednika the-decoder.com.
Słabym punktem pozostaje wiedza faktograficzna. W teście AA-Omniscience Muse Wonder Full osiąga 30 punktów, a Muse Wonder – 25. Konkurencja jest wyraźnie lepsza: Claude Opus 5.5 ma 46 punktów, GPT-6 Astra – 43, a Gemini 4 Argon – 42. Według The Decoder to sugeruje, że seria Wonder opiera się na mniejszym modelu bazowym niż konkurenci the-decoder.com.
Częściowo tę lukę równoważy niski poziom halucynacji. Muse Wonder Full obniżył jej odsetek z 33 do 23 procent w porównaniu z poprzednikiem i jest drugim najlepszym wynikiem wśród modeli z co najmniej 45 punktami w indeksie. Mniej halucynuje tylko Gemini 4 Argon, z wynikiem 15 procent the-decoder.com.
Meta odnosi się też do zarzutu, że modele Muse są dostrajane pod benchmarki, a w realnym użyciu słabną. Firma twierdzi, że Muse Wonder Full radzi sobie lepiej, niż oczekiwano, w nieznanych zadaniach, które nie były częścią optymalizacji treningowej, i przypisuje to mocniejszemu modelowi bazowemu the-decoder.com.
W testach matematycznych ProofBench, prywatnym benchmarku dowodów matematycznych, Muse Wonder Full rozwiązuje 94 z 100 zadań, wobec 58 u poprzednika. Wynik jest o pięć–sześć punktów gorszy od najlepszych modeli, które osiągają 99–100. W Terminal-Bench 4 wynik Muse Wonder Full się podwoił, przy 30 procent mniejszej liczbie tokenów wyjściowych. Wyniki w zadaniach finansowych i prawnych pozostały na poziomie poprzednika, z spadkiem do dwóch punktów the-decoder.com.
W rankingu Vals AI Index Muse Wonder Full (Max) zajmuje piąte miejsce i wyprzedza wszystkie modele OpenAI. Wyżej są tylko aktualne modele Anthropic. Muse Wonder plasuje się na dziesiątym miejscu the-decoder.com.
Wyższa jakość kosztuje
Według Artificial Analysis Muse Wonder kosztuje 4,52 dolara ($4.52) za zadanie w indeksie Intelligence Index, czyli niemal trzy razy więcej niż Muse Spark 1.3, który kosztuje 1,60 dolara ($1.60). Wzrosły również ceny tokenów: 4 dolary ($4) za milion tokenów wejściowych i 20 dolarów ($20) za wyjściowe, wobec 1,25 dolara ($1.25) i 4,25 dolara ($4.25) u poprzednika. Muse Wonder zużywa też o 28 procent więcej tokenów wejściowych na zadanie, a te odpowiadają za 76 procent kosztów the-decoder.com.
Pod względem cen Muse Wonder jest droższy od GPT-6 Astra (3,26 dolara, $3.26), Gemini 4 Argon (1,99 dolara, $1.99) i GPT-6.1 Sol (0,72 dolara, $0.72), ale tańszy od Claude Fable 5.1 (7,63 dolara, $7.63) i Claude Opus 5.5 (5,98 dolara, $5.98). Dla Muse Wonder Full nie ma jeszcze cen tokenów. Oba modele zużywają około 10 procent mniej tokenów wyjściowych niż poprzednik the-decoder.com.
Meta twierdzi, że trenowała modele w swoim centrum danych Prometheus w skali gigawatowej. Więcej szczegółów znajduje się w karcie modelu the-decoder.com.
Co to oznacza
Muse Wonder pokazuje, że Meta może konkurować w ścisłej czołówce modeli granicznych, a nie tylko w segmencie średnim. Dla rynku oznacza to kolejnego poważnego gracza w wyścigu o najlepsze modele, obok firm, które dotąd dominowały w rankingach. Szczególnie mocne są wyniki w kodowaniu, zadaniach agentowych i matematyce, czyli obszarach, w których modele coraz częściej zastępują proste odpowiedzi wykonywaniem całych procesów.
Równocześnie wyniki ujawniają kompromis. Słabsza wiedza faktograficzna i wysoki koszt zadań sprawiają, że model nie jest automatycznie najlepszym wyborem do każdego zastosowania. Firmy i deweloperzy będą musieli porównać jakość z ceną oraz ryzykiem błędów, zwłaszcza tam, gdzie liczy się dokładność faktów.
Dla polskiego czytelnika najbardziej praktyczne jest to, że Muse Wonder ma trafić do aplikacji Muse dla płacących subskrybentów, a osobisty agent z pamięcią i dostępem do kalendarza czy dokumentów może z czasem stać się codziennym narzędziem. Warto jednak pamiętać, że deklarowane zdolności dotyczą na razie wyników w testach i zapowiedzi firmy, a ich przełożenie na konkretne zastosowania w Polsce będzie zależeć od dostępności i cen.
Szerszy kontekst
Nie dominuje w czystym kodowaniu.
Muse Spark nie jest najtańszym modelem na rynku.
W Terminal-Bench 2.1 wynik Muse Spark 1.2 na poziomie 82,9% jest niższy od wyniku Opus 5 (86,7%) i nieznacznie wyższy od wyniku GPT-5.6 Terra (81,8%).
Szybkość generowania spadła z 213,5 do 165 tokenów na sekundę.
Analiza
Najważniejszy wniosek dotyczy strategii cenowej. Meta dotąd sprzedawała swoje modele jako tańszą alternatywę. Według omidsaffari.com (wg omidsaffari.com) Muse Spark 1.1 kosztował 1,25 dolara za milion tokenów wejściowych i 4,25 dolara za wyjściowe, a w pętlach agentowych o dużej liczbie tokenów wyjściowych miał być około siedem razy tańszy od GPT-5.6 Sol. Muse Wonder kosztuje już 4 dolary za milion tokenów wejściowych i 20 dolarów za wyjściowe, czyli niemal pięciokrotnie więcej za wyjście. Meta przesuwa się więc z pozycji taniego dostawcy do segmentu premium, a obniżki nie są już jej głównym argumentem.
Ta zmiana idzie w parze z innymi decyzjami, które warto mieć na uwadze. Według orcarouter.ai (wg orcarouter.ai) Muse Spark 1.2, zaprezentowany 5 sierpnia 2026 roku, dostał wariant „contributor” za 0,10 dolara wejścia i 0,20 dolara wyjścia za milion tokenów, w zamian za zgodę na trenowanie przyszłych modeli na promptach i odpowiedziach. Ten mechanizm pokazuje, że Meta traktuje dane użytkowników jako walutę. Gingerlabs.ai (wg gingerlabs.ai) zaleca zespołom, by przed wdrożeniem potwierdziły warunki wykorzystania danych, regiony dostępności i limity, bo wszystko to może się zmieniać niezależnie od wyników testów. Dla polskich firm, które muszą pilnować RODO, to kluczowa informacja, której sam artykuł o Wonder nie porusza.
Wyniki agentowe i kodowe wymagają też ostrożności. Gingerlabs.ai zwraca uwagę, że najlepsze wyniki kodowania Mety osiągane są w połączeniu z własnym narzędziem Muse Code, co utrudnia przeniesienie ich do innych środowisk. Kingy.ai (wg kingy.ai) przypomina z kolei, że okno kontekstu o pojemności miliona tokenów nie gwarantuje najlepszego wyszukiwania w długim kontekście, a artykuł powołuje się właśnie na tę cechę. Wnioski z tabel Mety i indeksów zewnętrznych są więc wiarygodne jako wskazówka kierunku, ale o przydatności modelu w konkretnym produkcie zdecyduje dopiero test na własnych danych i własnej infrastrukturze.