Meta place Muse Wonder Full dans le top 3 sur 6 benchmarks sur 10, mais la tâche coûte trois fois plus cher

Meta revient dans la course aux meilleurs modèles du monde. D'après la synthèse de The Decoder, les nouveaux modèles de la famille Muse Wonder se classent dans le top 3 sur six benchmarks sur dix. Le plus net écart par rapport aux résultats précédents de Meta concerne les tâches agentiques, c'est-à-dire les scénarios où le modèle élabore lui-même un plan, appelle des outils et mène à terme un travail en plusieurs étapes. Cette avancée a un prix : le coût d'exécution d'une tâche a presque triplé.

Ce que montrent les tests

Six places dans le top 3 sur dix possibles indiquent que le modèle est devenu compétitif sur un large front, et pas seulement dans une discipline étroite. Cela signifie aussi que, sur quatre benchmarks, Muse Wonder Full n'est pas entré dans le trio de tête. La synthèse disponible ne précise pas de quels tests il s'agit : c'est la première chose à vérifier dans les sources primaires.

Les chiffres connus à ce jour :

• Résultat : top 3 sur 6 benchmarks sur 10.
• Point fort : les tâches agentiques, où le gain est maximal.
• Coût : le prix d'exécution d'une tâche a presque triplé (x3).
• Gamme : plusieurs modèles Muse Wonder, la version haut de gamme s'appelant Full.
• Non communiqués dans la synthèse : la taille du modèle, la fenêtre de contexte, les tarifs par token, les conditions d'accès et la liste des benchmarks.

Pourquoi le « prix par tâche » compte plus que le « prix par token »

La métrique du coût par tâche ne se calcule pas comme le tarif au million de tokens. Elle combine le tarif, le nombre de tokens de raisonnement, le nombre d'appels d'outils, les nouvelles tentatives et la longueur de la chaîne d'actions finale. Une hausse de près de trois fois ne signifie donc pas forcément que Meta a triplé sa grille tarifaire. Il est possible que le modèle consomme simplement plus d'étapes et de tokens pour chaque tâche. C'est une hypothèse, pas un fait établi : la synthèse ne détaille pas la décomposition des coûts.

Pour les scénarios agentiques, ce compromis est typique. Plus le modèle réfléchit longtemps et plus il vérifie ses propres actions, plus il a de chances d'aller au bout de la tâche, et plus la facture grimpe. La question est de savoir si le gain de qualité compense la dépense. Si le modèle résout nettement plus de tâches du premier coup, le coût d'une tâche réussie peut augmenter bien moins que le coût d'une tentative. Si le gain sur le benchmark se limite à quelques pourcents, tripler les dépenses paraît lourd.

Que vérifier avant de déployer

Tant que les données complètes ne sont pas publiées, le plus raisonnable est de considérer ces résultats comme une candidature à l'élite, à confirmer sur vos propres tâches. Voici la marche à suivre :

• Prenez 30–50 tâches de travail réelles, et non un benchmark public, et passez-les à Muse Wonder Full ainsi qu'à votre modèle actuel.
• Calculez le coût d'une tâche résolue avec succès, et non le coût d'une requête. Intégrez les nouvelles tentatives et les appels d'outils.
• Repérez les quatre benchmarks où le modèle n'est pas entré dans le top 3 et comparez-les à votre profil de charge. S'ils portent sur le code ou le contexte long et que c'est précisément votre usage, les conclusions seront différentes.
• Précisez les conditions d'accès : via quelle API, avec quelles limites et dans quelle région le modèle est disponible.
• Pour les usages massifs et simples, conservez un modèle moins cher, et réservez Muse Wonder Full aux chaînes agentiques complexes, où une erreur coûte plus cher.

Le principal enseignement à ce jour est simple : Meta dispose de nouveau d'un modèle qu'on ne peut pas ignorer dans le choix d'un système de pointe. Mais pour savoir s'il vaut trois fois son prix, il faudra se fonder sur des chiffres qui ne sont pas encore publics.