Muse Wonder od Mety: benchmarki, cena, dostęp w Polsce i mój test

👁 333 przeczytań

Muse Wonder to nowa rodzina modeli Mety, pokazana 12 października 2026: zwykły Muse Wonder i mocniejszy Muse Wonder Full. W niezależnym indeksie Artificial Analysis Full ma 56 punktów, tyle co Claude Sonnet 5.5 i tylko 2 mniej niż Claude Opus 5.5, a zwykły Wonder 52. API kosztuje 4 USD za milion tokenów wejścia i 20 USD za milion wyjścia, czyli tyle co Opus 5.5. Z Polski działa przez OpenRouter i API Mety. W moim teście po polsku Muse Wonder dostał 87,0 pkt na 100 i zajął 2. miejsce w rankingu Laboratorium. Poniżej benchmarki wg Mety obok niezależnych, ceny, dostęp krok po kroku i wyniki testu.

Czym jest Muse Wonder

Muse Wonder to zamknięta rodzina modeli rozumujących z Meta Superintelligence Labs, zespołu, który Meta zbudowała od zera w ramach przebudowy działu AI rozpoczętej 14 miesięcy temu. Pierwszą rodziną tego zespołu był Muse Spark (kwiecień 2026, wersja 1.3 we wrześniu). Mark Zuckerberg nazwał Wonder „znacznie większą i bardziej zaawansowaną klasą modeli”, która wprowadza Metę do czołówki. Według bloga Mety modele trenowano w gigawatowym centrum danych Prometheus, łącząc pretrening z uczeniem ze wzmocnieniem.

Meta opisuje dwie cechy, pod które trenowała model:

• Active Memory - model ma pamiętać ważne informacje o użytkowniku między rozmowami i samemu je przywoływać, gdy przydadzą się w zadaniu;
• Active Focus - przy trudnym zadaniu ma próbować innych podejść, obchodzić przeszkody i dopytywać przed ważnymi krokami, zamiast stawać i czekać na człowieka.

Karta modelu podaje okno 1 mln tokenów, wejście tekstowe, obrazowe, wideo i dźwiękowe oraz wyjście wyłącznie tekstowe. Meta pisze, że model uczono na danych wielojęzycznych, ale nie podaje listy wspieranych języków i ostrzega, że „nie oceniano go we wszystkich językach”. Polszczyznę sprawdziłem sam - wyniki niżej.

Wersje: Wonder i Wonder Full

Rozumowania nie da się wyłączyć: na OpenRouterze jest oznaczone jako obowiązkowe, najniższy poziom to minimal. Wszystkie benchmarki Mety liczono na poziomie max.

Benchmarki wg Mety: pełna tabela

Meta porównała oba modele z Claude Fable 5.1, GPT-6 Astra i Claude Opus 5.5, wszystkie na poziomie max. Część wyników pochodzi od niezależnych firm (Artificial Analysis, Vals AI, Surge, Datacurve, Abundant AI), część z wewnętrznych testów Mety (Personal Superintelligence Index, MemoryBench, FocusBench). Pogrubiłem najlepszy wynik w wierszu.

* Full na poziomie xhigh. Źródło: tabela z wpisu Meta z 12.10.2026. W OSWorld V2.1 Meta podaje też wynik binarny (zadanie wykonane w całości): Full 39,4, Wonder 34,3, Fable 5.1 43,1, Astra 34,3, dla Opusa 5.5 brak.

Na co uważać, czytając tę tabelę:

• Personal Superintelligence Index i MemoryBench to testy Mety. PSI to złożenie siedmiu testów, w tym wewnętrznych FocusBench i VBT. Wygrana w teście, który zaprojektował producent, mówi mniej niż wygrana w cudzym.
• SWE-Marathon nie jest porównaniem w równych warunkach - Meta sama to pisze w karcie modelu: Astra i Fable mają wyniki z Codexa i Claude Code, a Full liczono na xhigh.
• W ProgramBench Opus 5.5 wygrywa o 11,5 pkt, a w Terminal-Bench i HealthBench Pro Meta jest za Opusem i Astrą. Tego ogłoszenie nie eksponuje.
• Wyniki konkurencji Meta liczyła częściowo sama i zaznacza, że prompty i narzędzia „mogą nie być optymalnie dostrojone” do cudzych modeli.

Niezależne wyniki: Artificial Analysis

Artificial Analysis samo uruchamia 10 testów (m.in. GDPval-AA, Terminal-Bench 4.0, Humanity’s Last Exam, SciCode) i łączy je w jeden indeks. Stan z 12 października 2026, wieczór:

Ceny z OpenRoutera i cenników producentów. Dwie obserwacje:

• Meta pominęła Sonneta 5.5 na swoim wykresie indeksu AA. Ma te same 56 pkt co Wonder Full, a w API kosztuje połowę ceny zwykłego Wondera (2 / 10 USD).
• Muse Wonder jest gadatliwy. Przy liczeniu indeksu wygenerował 130 mln tokenów wyjścia, Full 140 mln, przy medianie AA 88 mln.

Na LMArenie, gdzie ludzie wybierają lepszą odpowiedź w ciemno, Muse Wonder nie ma jeszcze wyniku. Dopiszę go, gdy się pojawi.

Ceny

Wyszukiwanie w sieci przez API kosztuje dodatkowo 2,50 USD za 1000 zapytań. Tańszego trybu Contributor, który ma Muse Spark (0,10 / 0,20 USD w zamian za trenowanie na twoich danych), dla Wondera nie ma. W porównaniu z rywalami: Wonder kosztuje tyle co Opus 5.5, dwa razy więcej niż GPT-6.1 Sol i 2,5 raza mniej niż GPT-6 Astra i Claude Fable 5.1. Mój test 13 zadań kosztował 0,45 USD, Opus 5.5 w tym samym teście 0,37 USD.

Jak używać Muse Wonder w Polsce krok po kroku

Najprostsza droga to OpenRouter. Tak zrobiłem test:

1. Załóż konto na openrouter.ai i doładuj saldo (karta, minimum kilka USD). Przy modelach Mety OpenRouter może poprosić o potwierdzenie wieku 18+ w ustawieniach - tak było przy Muse Spark.
2. Utwórz klucz API w zakładce Keys.
3. W czacie OpenRoutera wybierz model „Meta: Muse Wonder” albo w kodzie podaj identyfikator meta/muse-wonder.
4. Ustaw poziom rozumowania parametrem reasoning.effort (od minimal do max). Na medium i wyżej odpowiedzi rosną i drożeją.

Przykład w Pythonie (zmienna środowiskowa OPENROUTER_API_KEY):

import os, requests
r = requests.post("https://openrouter.ai/api/v1/chat/completions",
    headers={"Authorization": "Bearer " + os.environ["OPENROUTER_API_KEY"]},
    json={"model": "meta/muse-wonder",
          "reasoning": {"effort": "low"},
          "messages": [{"role": "user", "content": "Napisz krótki mail z przeprosinami za opóźnioną dostawę."}]})
print(r.json()["choices"][0]["message"]["content"])

Druga droga to Meta Model API (dev.meta.ai) z identyfikatorem muse-wonder-1.0. Meta od końca września opisuje API jako dostępne „z rozszerzonym dostępem globalnym”, ale nie publikuje listy krajów, a w sierpniu część użytkowników z Europy dostawała komunikat o niedostępności w regionie. Jeśli zależy ci na umowie powierzenia danych i przetwarzaniu w UE, Meta takiej opcji nie ogłosiła. Szerzej o tym, co z produktów Mety działa w Polsce, piszę w tekście Meta AI w Polsce. Trzecia droga to Muse Code - tam jest Wonder Full, ale w planach od 50 USD miesięcznie.

Mój test po polsku: 87,0 pkt i 2. miejsce

Muse Wonder przeszedł te same 13 zadań co ponad 20 modeli w moim rankingu AI do pisania po polsku: 9 zadań pisarskich, dwie korekty i dwa quizy o Polsce. Ustawienia jak u wszystkich: OpenRouter, effort=low, te same limity tokenów. Teksty ocenili w ciemno dwaj sędziowie z innych firm (Claude Opus 5.5 i GPT-6 Sol), a w tej samej puli były cztery modele-kotwice z pierwszej rundy. Kotwice zachowały kolejność, skala przesunęła się o 2,45 pkt i o tyle skalibrowałem wynik.

Oceny sędziów, naturalność i reguły dla Opusa 5.5 i Luny z tej samej puli co Muse Wonder (12.10.2026), dla Muse Spark z jego puli z 27.09. Sol, Astra i Fable mają wyniki z pierwszej rundy rankingu, bez rozbicia w tej puli. Muse Wonder spełnił wszystkie 26 reguł z poleceń (limity słów, liczba punktów, słowa kluczowe), czego nie zrobił ani Opus, ani Luna. Odpowiedzi na 13 zadań kosztowały 0,45 USD, łączny czas pisania 100 s (Opus 5.5: 133 s).

Co wyszło dobrze, a co źle:

• Streszczenie i tłumaczenie to najlepsze zadania. GPT-6 Sol jako sędzia napisał, że streszczenie „zwięźle ujmuje wszystkie istotne fakty”, a przekład newslettera oddaje ton oryginału („zimny prysznic”, „ruch należy do nas”).
• Opis produktu wypadł słabo (5,33). Model w jednym akapicie dwa razy podał te same parametry czajnika: regulację temperatury, podtrzymanie przez 30 minut i filtr. Obaj sędziowie wytknęli powtórzenia i to, że lista wymienia cechy zamiast korzyści.
• Drobne potknięcia językowe: hashtag „#małabiznes” w poście na LinkedIn (błąd rodzaju), „serdecznie przepraszamy” w mailu z przeprosinami i założenie, że klient jest mężczyzną.
• Korekta i quizy: 22/22 w łatwej korekcie, 29/30 w trudnej, komplet w obu quizach o Polsce.

Dla porównania: Muse Spark 1.3 w tym samym teście miał 75,3 pkt, więc nowy model Mety pisze po polsku wyraźnie lepiej. Odpowiedzi obok innych modeli zobaczysz w Arenie modeli AI po polsku.

Mój pojedynek: 23 zadania, 5 modeli

Oprócz testu pisania dałem Muse Wonder, Opusowi 5.5, Fable 5.1, GPT-6 Astra i Gemini 3.8 Flash te same 23 zadania z oceną automatyczną: agent z narzędziami, kod sprawdzany testami, polskie pisma, rozumowanie i długi dokument. Wszystkie modele zrobiły 99-100%, a różnice wyszły w koszcie i czasie:

• Muse Wonder: 99,7%, 0,64 USD, 165 s - drugi najtańszy i drugi najszybszy, jedna wpadka (literówka „trzynadzieście” w kodzie kwoty słownie);
• Claude Opus 5.5: 99,4%, 0,75 USD, 222 s - ta sama cena za token, ale tokenizer Claude’a liczy polski tekst prawie dwa razy drożej (87 675 wobec 46 929 tokenów tego samego dokumentu);
• GPT-6 Astra: 100%, 1,12 USD, 200 s;
• Claude Fable 5.1: 99,4%, 1,71 USD, 263 s;
• Gemini 3.8 Flash: 99,5%, 0,09 USD, 139 s, ale w teście źródeł tylko 7 prawdziwych publikacji na 16 (Muse Wonder 16/16).

Pełne wyniki, wpadki każdego modelu i ograniczenia testu: Muse Wonder vs Opus 5.5 vs GPT-6 Astra: mój test na 23 zadaniach.

Matura AI: 215 na 220 punktów

Muse Wonder rozwiązał też arkusze CKE z maja 2026 w moim teście Matura AI:

Maturę zdałby bez problemu, ale nie jest tu liderem. Wszystkie 4 stracone punkty z polskiego to notatka syntetyzująca: zamiast zestawić stanowiska dwóch autorów, wypisał wady i zalety nośników, za co zasady CKE dają 0 punktów - tak samo jak 7 innym modelom. Jeden punkt stracił w zadaniu z rozszerzonej matematyki. Był najdroższy w stawce.

Porównanie z rywalami

Wnioski:

• Wonder kontra Opus 5.5: ta sama cena, Opus wyżej w AA (58 do 52) i w moim teście (90,1 do 87,0). Wonder wygrywa tylko w testach Mety, a tam porównywany był Full.
• Wonder kontra Fable 5.1 i Astra: 2,5 raza taniej, w moim teście po polsku lepiej (87,0 wobec 83,9 i 85,3), w AA o 1 pkt niżej.
• Full ma dopiero sens dla programistów, którzy i tak płacą za Muse Code. To najmocniejszy model Mety, ale nie kupisz go na tokeny.

Bezpieczeństwo

W karcie modelu Meta pisze, że bez zabezpieczeń nie wyklucza przekroczenia progu wysokiego ryzyka w dziedzinie broni chemicznej i biologicznej, dlatego dodała trening bezpieczeństwa i klasyfikatory. Po zabezpieczeniach ocenia ryzyko we wszystkich obszarach jako „umiarkowane lub niższe”. W teście Agentic Misalignment (czy agent szkodzi, żeby uniknąć wyłączenia) Full ma 0%, w teście uczciwości MASK 87,3%. Pełny raport bezpieczeństwa ma wyjść później. Meta ma za sobą głośne wpadki agentów - pisałem o tym, jak agent Muse podał adres domowy użytkownika.

Dla kogo

• Programiści i firmy budujące agentów - jeśli testy Mety w długich zadaniach (DeepSWE, SWE-Marathon, AutomationBench) potwierdzą się w praktyce, to model do sprawdzenia obok Opusa 5.5.
• Osoby piszące po polsku przez API - 87 pkt w moim teście, tańszy od Fable 5.1 i Astry przy lepszym wyniku.
• Nie dla zwykłych użytkowników w Polsce - na razie nie ma go w Meta AI w WhatsAppie ani w aplikacji Muse.
• Nie, jeśli liczysz każdy grosz - GPT-6.1 Sol kosztuje połowę i ma w AA tyle samo punktów (52), a Claude Sonnet 5.5 za tę samą połowę ceny ma 56.

Teksty o Muse Wonder

• Meta pokazała Muse Wonder - news z dnia premiery
• Muse Wonder po polsku - pełny test z fragmentami odpowiedzi
• Mój test na 23 zadaniach - agent, kod, polski, koszty i zmyślone źródła
• Jak używać Muse Wonder w Polsce - OpenRouter, API Mety i Muse Code, gotowy skrypt
• Muse Wonder vs Claude Opus 5.5, Fable 5.1 i GPT-6 Astra - 14 testów obok siebie

Najczęstsze pytania

Czym jest Muse Wonder?

To rodzina zamkniętych modeli językowych Mety z 12 października 2026: Muse Wonder i Muse Wonder Full. Następca Muse Spark, trenowany pod zadania agentowe, programowanie i pamięć długich rozmów.

Ile kosztuje Muse Wonder?

W API 4 USD za milion tokenów wejścia i 20 USD za milion wyjścia, 0,20 USD za wejście z pamięci podręcznej. Wonder Full jest tylko w Muse Code, w planach za 50 i 200 USD miesięcznie.

Czy Muse Wonder działa w Polsce?

Przez OpenRouter tak, sprawdziłem to 12 października. API Mety nie publikuje listy krajów. Aplikacja Muse i Meta AI z nowym modelem w Polsce nie działają.

Czy Muse Wonder jest lepszy od Claude Opus 5.5?

Zwykły Wonder nie: ma 52 pkt w indeksie AA wobec 58 Opusa i 87,0 wobec 90,1 w moim teście po polsku. Wonder Full wygrywa z Opusem w części testów Mety, ale w AA jest za nim (56).

Czy Muse Wonder dobrze pisze po polsku?

Tak. 87,0 pkt na 100 w moim teście 13 zadań, 2. miejsce w rankingu. Słabo wypadł tylko opis produktu, w którym powtórzył te same parametry.

Czy Muse Wonder jest open source?

Nie. Wagi są zamknięte i Meta nie zapowiedziała otwartej wersji. Otwarte modele Mety to nadal Llama i Muse Glimmer.

Czy Muse Wonder jest w WhatsAppie?

Jeszcze nie. Meta pisze, że model „wkrótce” trafi do innych produktów, najpierw do subskrybentów aplikacji Muse w USA. Daty dla UE nie ma.

Czym różni się Muse Wonder od Muse Wonder Full?

Full jest mocniejszy (56 wobec 52 pkt w AA, wyżej w prawie każdym teście Mety), ale dostępny tylko w Muse Code w droższych planach. Zwykły Wonder jest w API i na OpenRouterze.