Muse Wonder

Fiche modèle · Meta · muse-wonder-1.0

Muse Wonder is Meta Superintelligence Labs' frontier multimodal reasoning model for personal and professional agentic tasks (Meta Model API docs: in preview; live on the API). It combines Active Memory and Active Focus for long-horizon work across coding, computer use, and domain knowledge (law, finance, health). It supports a 1,048,576-token context window with text, image, video, audio, and PDF inputs and text output. Available through the Meta Model API (model id muse-wonder-1.0) and Muse Code. Reasoning cannot be disabled; Meta documents reasoning_effort levels from minimal through max.

Identité

OrganisationMeta
Pays—
Famille—
Typellm
Date de sortie2026-10-12
Licenceproprietary
Licence commercialenon
Licence open sourcenon
Poids ouvertsnon
Auto-hébergement (DGX Spark)non — poids fermés
Modalitésaudio|image|text|video
Fenêtre de contexte1 048 576
KV cache / token (Q8)—
Paramètres totaux—
Paramètres actifs (session)—
Source des paramètres actifs—
Curation des paramètres actifs—
Prix par session8.00 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)1.2 M
Tokens / tâche (Terminal-Bench)83.3 M (est.)
Ratio Terminal-Bench / Data Players69.4×
Coût / tâche (Terminal-Bench)67.19 $ (est.)
Tokens d'entraînement—
Coupure de connaissance—
Créé le2026-10-19T15:09:29.740088Z
Mis à jour le2026-11-04T06:04:52.453300Z
SourceLLM Stats
URLhttps://llm-stats.com/models/muse-wonder-1.0

Prix par fournisseur

Statut du modèle (offres + auto-hébergement) : non.

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

FournisseurSourceSouverainetéEntrée (/M tok)Sortie (/M tok)QuantificationContexteLatence (s)Débit (tok/s)Statut
Meta Model APIllm-statsnon4.00 $20.00 $————active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

CatégorieScore
knowledge0.50
long_context0.90
multimodal0.50
productivity0.70
reasoning0.50
finance0.60
general0.50
healthcare0.60
agents0.50
code0.60
tool_calling0.50
vision0.50

Scores par benchmark

BenchmarkCatégorieScoreMaxNormalisé (API)VérifiéAuto-déclaréDaté du
aa-index-4.3general0.521.000.52nonoui2026-11-04T06:04:52.545222Z
artificial-analysisgeneral0.521.000.52nonoui2026-11-04T06:04:52.568996Z
automationbench-aaagents0.391.000.39nonoui2026-11-04T06:04:52.477169Z
deepswe-1.1code0.791.000.79nonoui2026-11-04T06:04:52.523097Z
focusbenchagents0.451.000.45nonoui2026-11-04T06:04:52.572669Z
gdp-pdfgeneral0.311.000.31nonoui2026-11-04T06:04:52.480634Z
harvey-lab-aaknowledge0.101.000.10nonoui2026-11-04T06:04:52.459151Z
healthbench-professionalhealthcare0.601.000.60nonoui2026-11-04T06:04:52.470592Z
jobbenchagents0.701.000.70nonoui2026-11-04T06:04:52.486934Z
lifesci-diamond-2026-11healthcare0.271.000.27nonnon2026-11-04T06:04:52.580029Z
memorybenchagents0.861.000.86nonoui2026-11-04T06:04:52.556319Z
osworld-2.1-partialmultimodal0.731.000.73nonoui2026-11-04T06:04:52.493085Z
osworld-2.1-strictmultimodal0.341.000.34nonoui2026-11-04T06:04:52.503179Z
personal-superintelligence-indexagents0.541.000.54nonoui2026-11-04T06:04:52.553050Z
program-benchagents0.501.000.50nonoui2026-11-04T06:04:52.540232Z
swe-marathoncode0.531.000.53nonoui2026-11-04T06:04:52.530391Z
terminal-bench-4.0reasoning0.521.000.52nonoui2026-11-04T06:04:52.513220Z
terminal-bench-4.0-aacode0.521.000.52nonoui2026-11-04T06:04:52.561363Z
vals-finance-agent-v2finance0.571.000.57nonoui2026-11-04T06:04:52.463026Z

Classements

CatégorieRangScoreNote conservatriceBenchmarks évaluésMéthodeDaté duProvenance
agents130.5038.5214trueskill2026-11-04T08:08:47.839150Zrankings
code120.6041.195trueskill2026-11-04T08:08:39.742311Zrankings
knowledge130.5015.564trueskill2026-11-04T08:08:45.139626Zrankings

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04