Muse Wonder

Fiche modèle · Meta · muse-wonder

Muse Wonder is a proprietary reasoning model from Meta Superintelligence Labs, released on October 12, 2026 for personal and professional agents and long-running coding tasks. Active Memory retains relevant context across interactions, and Active Focus supports sustained task execution and error recovery. Muse Wonder accepts text, images, video, audio, and PDFs and produces text with a 1,048,576-token context window. It is available through the Meta Model API as muse-wonder-1.0 and in Muse Code.

Fiches modèles

Identité

Organisation	Meta
Pays	—
Famille	—
Type	llm
Date de sortie	2026-10-12
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	audio\|image\|text\|video
Fenêtre de contexte	1 048 576
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-10-12T19:12:09.655291Z
Mis à jour le	2026-10-19T14:33:22.119983Z
Source	LLM Stats
URL	https://llm-stats.com/models/muse-wonder

Tokens/tâche

Prix par fournisseur

Prix

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 « — ».

Aucune donnée.

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

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
knowledge	0.50
long_context	0.90
multimodal	0.50
productivity	0.70
reasoning	0.40
finance	0.60
general	0.50
healthcare	0.60
agents	0.50
code	0.60
tool_calling	0.50
vision	0.50

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
artificial-analysis	general	0.52	1.00	0.52	non	oui	2026-10-19T14:33:22.255510Z
automationbench-aa	agents	0.39	1.00	0.39	non	oui	2026-10-19T14:33:22.148949Z
deepswe-1.1	code	0.79	1.00	0.79	non	oui	2026-10-19T14:33:22.225437Z
focusbench	agents	0.45	1.00	0.45	non	oui	2026-10-19T14:33:22.265399Z
gdp-pdf	general	0.31	1.00	0.31	non	oui	2026-10-19T14:33:22.165593Z
harvey-lab-aa	knowledge	0.10	1.00	0.10	non	oui	2026-10-19T14:33:22.135745Z
healthbench-professional	healthcare	0.60	1.00	0.60	non	oui	2026-10-19T14:33:22.145323Z
jobbench	agents	0.70	1.00	0.70	non	oui	2026-10-19T14:33:22.174668Z
memorybench	agents	0.86	1.00	0.86	non	oui	2026-10-19T14:33:22.205608Z
osworld-2.1-partial	multimodal	0.73	1.00	0.73	non	oui	2026-10-19T14:33:22.185419Z
osworld-2.1-strict	multimodal	0.34	1.00	0.34	non	oui	2026-10-19T14:33:22.195560Z
personal-superintelligence-index	agents	0.54	1.00	0.54	non	oui	2026-10-19T14:33:22.125713Z
program-bench	agents	0.50	1.00	0.50	non	oui	2026-10-19T14:33:22.245592Z
swe-marathon	code	0.53	1.00	0.53	non	oui	2026-10-19T14:33:22.235497Z
terminal-bench-4.0-aa	code	0.52	1.00	0.52	non	oui	2026-10-19T14:33:22.216322Z
vals-finance-agent-v2	finance	0.57	1.00	0.57	non	oui	2026-10-19T14:33:22.139475Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	18	0.50	38.07	13	trueskill	2026-11-04T08:08:47.839150Z	rankings
code	16	0.60	39.92	4	trueskill	2026-11-04T08:08:39.742311Z	rankings
knowledge	14	0.50	15.56	4	trueskill	2026-11-04T08:08:45.139626Z	rankings

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