Meta выпустила Muse Wonder и Wonder Full: индекс интеллекта вырос с 48 до 56

Meta выпустила Muse Wonder и Muse Wonder Full. По Artificial Analysis Intelligence Index v4.3 при максимальном reasoning effort модели набирают 52 и 56 баллов. У Muse Spark 1.3, которая вышла всего шесть недель назад, было 48. Wonder доступна через собственный API Meta и в Muse Code, а Wonder Full пока только пользователям Muse Code. Компания позиционирует обе модели для личных и профессиональных агентов.

Где модель прибавила

Muse Wonder Full улучшилась по всем десяти тестам индекса и выиграла восемь баллов. Сильнее всего выросли агентные задачи. Terminal-Bench 4.0 поднялся с 33% до 57%, GDPval-AA v2.1 с 1681 до 1857 Elo, AA-Briefcase с 1581 до 1729 Elo. В шести из десяти тестов Full входит в тройку лучших. Она первая в CritPt (33%) и GDP.pdf (33%), но отрыв узкий: ближайшие конкуренты набирают 31–32%. В GDPval-AA она второй, и результат укладывается в доверительные интервалы Claude Opus 5.5 (1866) и Claude Sonnet 5.5 (1838). Третье место у нее в AA-Briefcase, AutomationBench-AA (71%) и SciCode (63%).

Muse Wonder прибавила четыре балла. Terminal-Bench 4.0 вырос у нее с 33% до 52%, AutomationBench-AA с 58% до 68%. В Artificial Analysis Coding Agents Index Full в Muse Code получила 68 баллов, как Claude Code с Sonnet 5.5, а Claude Code с Opus 5.5 дает 66. Wonder набрала 63, тогда как Muse Code со Spark 1.3 давал 54.

Цена: токенов немного, но вход дорогой

Выходных токенов модели тратят меньше предшественницы: около 54 тысяч на задачу индекса против 60 тысяч, то есть на 10% меньше. Это ниже, чем у Gemini 4 Argon (62 тысячи) и Claude Fable 5.1 (78 тысяч), но выше, чем у GPT-6.1 Sol (38 тысяч) и GPT-6 Astra (27 тысяч). Full при этом расходует на 16% меньше входных токенов, чем Wonder: 6,44 млн против 7,69 млн. Она и умнее, и экономнее.

Проблема в тарифе. Прайс вырос с $1,25 / $0,15 / $4,25 у Spark 1.3 до $4 за миллион входных, $0,20 за кешированные и $20 за выходные токены. Вместе с аппетитом к входному контексту, на 28% больше, чем у Spark 1.3, это дает $4,52 за задачу индекса, в 2,8 раза дороже прежних $1,60. На вход приходится $3,43, или 76% стоимости: $1,92 за запись в кеш, $1,44 за попадания в кеш и $0,07 за некешированный ввод. На выход остается $1,08.

• Контекст: 1 млн токенов, как у Spark 1.3
• Входные модальности: текст, изображение, видео, аудио; выход только текст
• Цена Wonder: $4 вход / $0,20 кеш / $20 выход за 1 млн токенов
• Wonder Full за токены не продается, цены за задачу нет
• Стоимость задачи индекса: дешевле Claude Fable 5.1 ($7,63), Opus 5.5 ($5,98) и Sonnet 5.5 ($5,46)
• Но дороже GPT-6 Astra ($3,26), Gemini 4 Argon ($1,99) и GPT-6.1 Sol ($0,72)

Знания и галлюцинации

Слабое место обеих моделей остается прежним: фактические знания. В AA-Omniscience Full набирает 30, Wonder 25, на уровне Spark 1.3. Claude Opus 5.5 показывает 46, GPT-6 Astra 43, Gemini 4 Argon 42, Claude Sonnet 5.5 32. Смягчает картину низкий уровень галлюцинаций. У Full он снизился с 33% до 23%, и это второй результат среди моделей с индексом 45 и выше, после Gemini 4 Argon (15%). Wonder с 27% идет третьей. Модель чаще не знает ответа, чем выдумывает его.

Кому и когда это подходит

Wonder стоит пробовать там, где важны агентные сценарии: терминальные задачи, автоматизация рабочих процессов, документы и научные расчеты. Перед переходом с Spark 1.3 нужно считать бюджет заново. При длинных агентных циклах вход съедает три четверти стоимости, поэтому доля попаданий в кеш напрямую определяет счет. Если задача упирается в справочные знания, лучше смотреть на Opus 5.5 или GPT-6 Astra. Если главное цена за задачу, у GPT-6.1 Sol и Gemini 4 Argon она заметно ниже. Full сейчас доступна только внутри Muse Code и без цены за токен, так что встроить ее в собственный пайплайн нельзя. Это ограничение стоит учитывать при планировании.