Meta lance Muse Wonder et Muse Wonder Full : l'indice d'intelligence passe de 48 à 56

Meta a lancé Muse Wonder et Muse Wonder Full. Sur l'Artificial Analysis Intelligence Index v4.3, avec l'effort de reasoning maximal, les modèles obtiennent 52 et 56 points. Muse Spark 1.3, sortie il y a seulement six semaines, en avait 48. Wonder est accessible via l'API propre de Meta et dans Muse Code, tandis que Wonder Full est pour l'instant réservée aux utilisateurs de Muse Code. L'entreprise positionne les deux modèles pour des agents personnels et professionnels.

Où le modèle progresse

Muse Wonder Full s'améliore sur les dix tests de l'indice et gagne huit points. Ce sont les tâches agentiques qui progressent le plus. Terminal-Bench 4.0 passe de 33% à 57%, GDPval-AA v2.1 de 1681 à 1857 Elo, AA-Briefcase de 1581 à 1729 Elo. Sur six des dix tests, Full figure dans le top 3. Elle arrive première sur CritPt (33%) et GDP.pdf (33%), mais l'écart est mince : ses concurrents les plus proches atteignent 31–32%. Sur GDPval-AA, elle est deuxième, et son résultat reste dans les intervalles de confiance de Claude Opus 5.5 (1866) et de Claude Sonnet 5.5 (1838). Elle prend la troisième place sur AA-Briefcase, AutomationBench-AA (71%) et SciCode (63%).

Muse Wonder gagne quatre points. Sur Terminal-Bench 4.0, elle passe de 33% à 52%, et sur AutomationBench-AA de 58% à 68%. Dans l'Artificial Analysis Coding Agents Index, Full dans Muse Code obtient 68 points, comme Claude Code avec Sonnet 5.5, tandis que Claude Code avec Opus 5.5 en affiche 66. Wonder en obtient 63, contre 54 pour Muse Code avec Spark 1.3.

Prix : peu de tokens, mais une entrée chère

Les modèles consomment moins de tokens de sortie que leur devancière : environ 54 mille par tâche de l'indice, contre 60 mille, soit 10% de moins. C'est moins que Gemini 4 Argon (62 mille) et Claude Fable 5.1 (78 mille), mais plus que GPT-6.1 Sol (38 mille) et GPT-6 Astra (27 mille). Full consomme par ailleurs 16% de tokens d'entrée de moins que Wonder : 6,44 millions contre 7,69 millions. Elle est à la fois plus intelligente et plus économe.

Le problème, c'est la grille tarifaire. Les prix passent de $1,25 / $0,15 / $4,25 pour Spark 1.3 à $4 par million de tokens en entrée, $0,20 pour les tokens mis en cache et $20 pour les tokens de sortie. Combinée à un appétit de contexte en entrée supérieur de 28% à celui de Spark 1.3, cette hausse porte le coût à $4,52 par tâche de l'indice, soit 2,8 fois plus que les $1,60 d'avant. L'entrée représente $3,43, soit 76% du coût : $1,92 pour l'écriture dans le cache, $1,44 pour les hits de cache et $0,07 pour les entrées non mises en cache. Il reste $1,08 pour la sortie.

• Contexte : 1 million de tokens, comme Spark 1.3
• Modalités d'entrée : texte, image, vidéo, audio ; sortie en texte uniquement
• Prix de Wonder : $4 en entrée / $0,20 en cache / $20 en sortie pour 1 million de tokens
• Wonder Full n'est pas vendue au token, il n'y a donc pas de prix par tâche
• Coût d'une tâche de l'indice : moins cher que Claude Fable 5.1 ($7,63), Opus 5.5 ($5,98) et Sonnet 5.5 ($5,46)
• Mais plus cher que GPT-6 Astra ($3,26), Gemini 4 Argon ($1,99) et GPT-6.1 Sol ($0,72)

Connaissances et hallucinations

Le point faible des deux modèles reste le même : les connaissances factuelles. Sur AA-Omniscience, Full obtient 30 et Wonder 25, au niveau de Spark 1.3. Claude Opus 5.5 affiche 46, GPT-6 Astra 43, Gemini 4 Argon 42 et Claude Sonnet 5.5 32. Un faible taux d'hallucinations atténue ce tableau. Chez Full, il recule de 33% à 23%, ce qui constitue le deuxième meilleur résultat parmi les modèles dont l'indice est de 45 ou plus, derrière Gemini 4 Argon (15%). Wonder, à 27%, arrive troisième. Le modèle admet plus souvent ne pas connaître la réponse qu'il ne l'invente.

Pour qui et quand l'utiliser

Wonder vaut le coup d'être testée là où les scénarios agentiques comptent : tâches en terminal, automatisation des processus de travail, documents et calculs scientifiques. Avant de quitter Spark 1.3, il faut refaire le calcul du budget.

Dans les longues boucles agentiques, l'entrée absorbe les trois quarts du coût, et le taux de hits de cache détermine donc directement la facture. Si la tâche repose sur des connaissances de référence, mieux vaut regarder du côté d'Opus 5.5 ou de GPT-6 Astra.

Si le prix par tâche prime, GPT-6.1 Sol et Gemini 4 Argon sont nettement moins chers. Full n'est pour l'instant disponible que dans Muse Code et sans prix au token : impossible de l'intégrer dans son propre pipeline.

Cette limite est à prendre en compte dans la planification.