Новые модели Meta Muse Wonder и Muse Wonder Full достигают передового уровня производительности, но через API доступна только более слабая из них

Meta вновь включилась в гонку за самые мощные модели ИИ, представив две новые закрытые модели, которые, по словам компании, способны превзойти ведущие разработки OpenAI и Anthropic в сложной разработке ПО, юридической работе, автоматизации бизнеса и длительных задачах ИИ-агентов.

Представленные в понедельник, 12 октября 2026 года, Muse Wonder и Muse Wonder Full — последние разработки Meta Superintelligence Labs (MSL), исследовательской организации в области ИИ, которой руководит бывший генеральный директор Scale AI Александр Ван.

Запуск знаменует собой серьёзный поворот для Meta: её более ранние модели Llama помогли популяризировать загружаемые модели ИИ, которые организации могли запускать на собственной инфраструктуре. Веса ни одной из моделей Wonder не будут доступны для публичного скачивания.

Вместо этого Meta предлагает стандартную модель Wonder через коммерческий API, а наиболее мощную версию оставляет для платных подписчиков программного помощника Muse Code.

Стандартная модель Wonder стоит 4/20 долларов за миллион входных/выходных токенов при использовании API; стоимость кэшированных входных данных снижена до 0,20 доллара за миллион токенов.

Независимая организация по оценке моделей Artificial Analysis уже протестировала обе модели: Wonder Full получила 56 баллов в рейтинге Intelligence Index, разделив эту оценку с Claude Sonnet 5.5 от Anthropic и превзойдя GPT-6 Astra от OpenAI, Gemini 4 Argon от Google и Claude Fable 5.1 от Anthropic, у каждой из которых по 53 балла. Среди этих моделей выше результат только у флагманской Claude Opus 5.5 от Anthropic — 58 баллов. Стандартная Muse Wonder получила 52 балла, всего на один балл отстав от GPT-6 Astra.

Для корпоративных заказчиков анонс означает появление ещё одного серьёзного конкурента признанным лидерам рынка передовых моделей ИИ, но также поднимает вопросы о стоимости, управлении данными и о том, станет ли наиболее мощная технология Meta доступна для производственного применения за пределами собственных инструментов компании.

От Muse Spark — к более амбициозному классу агентных моделей

Релиз состоялся примерно через 14 месяцев после того, как Цукерберг реорганизовал подразделения Meta, занимающиеся ИИ, и создал MSL, пригласив Вана и вложив значительные средства в исследовательские кадры и вычислительную инфраструктуру.

В публикации в X Цукерберг назвал Wonder «гораздо более крупным и продвинутым классом моделей» по сравнению с предыдущим семейством Muse Spark.

По словам Meta, обе модели Wonder разработаны с использованием её центра обработки данных Prometheus AI. Обучение сочетало масштабную начальную подготовку с обучением с подкреплением, чтобы улучшить способность моделей справляться со сложными задачами.

Новые модели принимают на вход текст, изображения, аудио и видео, выдают текстовые ответы и поддерживают контекстное окно примерно в один миллион токенов.

Однако их главное преимущество — не традиционные возможности чат-бота. Meta создала Wonder для задач, в которых агентам необходимо работать с несколькими приложениями, сохранять информацию и справляться с проблемами, не отказываясь от цели пользователя.

Meta выделяет два ключевых компонента такого подхода:

1. Active Memory (активная память) позволяет агентам сохранять важный личный и профессиональный контекст между беседами, извлекать прежние сведения и учитывать новую информацию в текущей работе.

2. Active Focus (активная концентрация) призвана помогать агентам продолжать работу над целями даже при неожиданных препятствиях, изменении требований или неудачных попытках. Агенты могут пересматривать планы, изучать альтернативы и запрашивать разрешение перед выполнением действий с серьёзными последствиями.

В своём исследовательском анонсе Meta показывает, как агенты разрабатывают программное обеспечение, составляют сложные личные планы и работают с веб-приложениями. Компания также отмечает возможности профессионального применения, в том числе финансовый анализ, подготовку юридических документов и выполнение задач, связанных со страхованием.

Независимые тесты выводят Wonder Full в число лидеров

Artificial Analysis опубликовала оценки Muse Wonder Full — 56 баллов — и Muse Wonder — 52 балла в своём рейтинге Intelligence Index, который объединяет результаты десяти тестов на логическое мышление, знания, программирование и выполнение профессиональных задач.

По результатам Wonder Full делит второе место с Claude Sonnet 5.5 (56 баллов), опережая GPT-6 Astra (53), Gemini 4 Argon (53) и Claude Fable 5.1 (53), но уступая Claude Opus 5.5 (58). Wonder Full также значительно превосходит Grok 4.6 от xAI, набравшую 44 балла при высоком уровне усилий в рассуждениях. Все оценки получены по одной шкале: чем выше число, тем лучше совокупный результат.

Это результаты оценки моделей Artificial Analysis, а не просто сводные баллы, рассчитанные самой Meta. Они также приведены в сравнительном анализе Meta, опубликованном к запуску.

Meta опубликовала и дополнительные результаты тестирования агентных рабочих процессов, разработки ПО, профессиональных задач и памяти.

Источник: карточка модели Muse Wonder от Meta, 12 октября 2026 года. Указаны результаты при максимальном уровне усилий в рассуждениях. В рамках каждого теста более высокий результат лучше; баллы в разных тестах напрямую сравнивать нельзя. В таблице объединены результаты сторонних оценок и тестирований, проведённых Meta, как указано в карточке модели.

Результаты показывают, что Wonder Full особенно сильна в длительных задачах разработки ПО и некоторых профессиональных задачах, выполняемых агентами.

Например, в SWE-Marathon Wonder Full набрала 57,5 балла против 46,3 у Opus 5.5 и 42,5 у GPT-6 Astra. В тесте на юридические задачи её результат 13,1 значительно выше показателей сравниваемых моделей, хотя сравнительно низкие абсолютные баллы показывают, насколько сложно агентам стабильно готовить полностью удовлетворительные юридические материалы.

Впрочем, Meta не лидирует по всем показателям. Opus 5.5 превосходит её по совокупной оценке Artificial Analysis, а Opus 5.5 и GPT-6 Astra показывают лучшие результаты, чем Wonder Full, в Terminal-Bench 4.0. Opus также лидирует в сравнении по вопросам, связанным со здоровьем.

Методологию Meta следует оценивать критически. В карточке модели сказано, что сравнение включает внутренние тесты, оценки, предоставленные поставщиками, и результаты сторонних исследований. В некоторых сравнениях разработки ПО используются разные инструменты программирования, поэтому они менее объективны, чем тестирование всех моделей в одинаковых условиях.

Таким образом, независимые оценки Artificial Analysis служат важным противовесом более широким заявлениям Meta о производительности, однако ни один из наборов результатов не заменяет тестирование на рабочих процессах конкретной компании.

Цена API начинается от 4 долларов за миллион входных токенов

Корпоративным разработчикам Meta предлагает Muse Wonder через Meta Model API под идентификатором модели muse-wonder-1.0.

Модель стоит 4 доллара за миллион входных токенов и 20 долларов за миллион выходных токенов; стоимость кэшированных входных данных снижена до 0,20 доллара за миллион токенов.

Meta взимает одинаковую плату за токены независимо от того, какая часть доступного контекстного окна используется в запросе. Использование веб-поиска через API оплачивается дополнительно — 2,50 доллара за 1 000 поисковых запросов.

По цене за токен Wonder напрямую конкурирует с Claude Opus 5.5, при этом обходясь дешевле GPT-6 Astra и Claude Fable 5.1.

Источники: официальный прайс-лист Meta и тарифные профили Artificial Analysis для моделей Opus 5.5, GPT-6 Astra и Fable 5.1. Указаны опубликованные стандартные тарифы.

Эти цифры важны для длительных задач агентов, которые многократно обрабатывают документы, используют инструменты и генерируют большие объёмы данных. Даже если отдельные запросы кажутся небольшими, такие рабочие процессы могут потреблять значительное количество токенов.

Однако более низкая цена токенов не обязательно означает меньшую стоимость выполнения задачи. По оценке Artificial Analysis, средняя задача из Intelligence Index обходится в 4,52 доллара при использовании Wonder, в 5,98 доллара — Opus 5.5 и в 3,26 доллара — GPT-6 Astra. Разница связана с тем, что модели расходуют разное количество токенов.

В документации Meta для API указаны ограничения в 3 000 запросов и четыре миллиона токенов в минуту, а также контекстное окно в один миллион токенов. API также поддерживает интерфейсы, совместимые с существующими инструментами разработки ПО OpenAI и Anthropic, что упрощает тестирование Wonder в уже работающих агентных системах.

Доступ к Wonder Full ограничен платными подписками Muse Code

Для Wonder Full Meta выбрала иную коммерческую модель.

Компания не объявила цену наиболее мощной модели с оплатой по факту использования через API. Пока что доступ к Full предоставляется в рамках двух уровней подписки Muse Code:

• Power Usage: 50 долларов в месяц; подписка даёт доступ к Wonder Full и в 20 раз увеличивает лимит использования по сравнению с тарифом Everyday.

• Maximum Usage: 200 долларов в месяц; лимит использования в 80 раз выше, чем на тарифе Everyday.

Подписки предоставляют доступ через Muse Code — программного помощника Meta для написания кода, — а не через API для неограниченного использования разработчиками. Кроме того, на них распространяются лимиты использования.

Это важное различие для компаний, которые хотят встроить модель в программное обеспечение для клиентов, платформы внутренней автоматизации или производственные агентные системы. Компании могут протестировать Wonder Full в среде программирования Meta, но пока не могут развернуть её через стандартный Meta Model API.

Кроме того, модели являются закрытыми, а не моделями с открытыми весами. В отличие от более компактной модели Meta Muse Glimmer, выпущенной под лицензией Apache 2.0, параметры Wonder нельзя публично скачать для самостоятельного размещения, развёртывания в частной инфраструктуре или непосредственной модификации.

Условия использования Model API Meta разрешают коммерческую разработку приложений и предоставляют клиентам право собственности на переданные ими входные данные и созданные выходные данные с учётом применимых условий. Однако доступ к самой Wonder по-прежнему регулируется условиями облачного сервиса Meta, а не лицензией на модель с открытыми весами.

Настройки обучения на данных и сроки их хранения требуют внимательной проверки

Ещё одно различие может оказаться особенно важным для компаний, работающих с собственным исходным кодом, данными клиентов и другой конфиденциальной информацией.

Meta предлагает два режима использования данных: Standard и Contributor.

В режиме Standard Meta, по её словам, не использует отправленный контент для обучения моделей. API Wonder с оплатой по факту использования доступен только в этом режиме.

Однако подписки Muse Code по умолчанию работают в режиме Contributor, который позволяет Meta использовать переданные запросы, код, файлы, контекстную информацию и ответы для совершенствования будущих моделей.

Подписчики могут отключить режим Contributor, но изменение действует только для будущих отправок. В условиях Meta прямо запрещено передавать конфиденциальную, чувствительную или личную информацию при использовании сервисов Contributor.

Организациям, отвечающим установленным требованиям и использующим Model API, Meta также предлагает режим нулевого хранения данных при условии отдельного одобрения. Он исключает обычное хранение содержания запросов и ответов, за исключением случаев, связанных с соблюдением законодательства и расследованием злоупотреблений.

У этого режима есть операционные ограничения: Meta указывает, что при нулевом хранении данных не поддерживаются состояние беседы на стороне сервера, фоновые запросы, загрузка файлов и встроенный веб-поиск. Доступность режима также может различаться в зависимости от модели.

Эти ограничения особенно важны для рекламируемых возможностей Wonder — памяти и длительной работы агентов, которые предполагают сохранение полезной информации в течение продолжительных рабочих процессов. Покупателям предстоит выяснить, какие функции останутся доступными при необходимых им настройках конфиденциальности.

Новый корпоративный конкурент, но вопросы развёртывания остаются

В технической карточке модели Meta также приводит результаты оценки безопасности, охватывающей кибербезопасность, биологические и химические риски, а также вероятность нежелательных действий автономных систем.

Компания сообщает, что внедрила дополнительные меры защиты и рекомендует запрашивать подтверждение человека перед выполнением агентами действий с серьёзными последствиями. Тем не менее Meta признаёт, что модели всё ещё могут ошибаться при выполнении незнакомых многоэтапных задач, а их эффективность зависит от окружающего программного обеспечения и используемых инструментов.

Для руководителей корпоративных ИТ-направлений Wonder — это не просто очередное улучшение результатов чат-бота в тестах. Сочетание возможностей длительной работы агентов, конкурентных результатов независимых тестов и привычной оплаты API по факту использования даёт компаниям ещё один вариант для создания систем, способных выполнять серьёзные задачи в разных приложениях.

Но ограничения существенны: Wonder Full недоступна через публичный API, ни одну из моделей пока нельзя разместить на собственной инфраструктуре, а при работе с конфиденциальными данными необходимо внимательно учитывать различия между режимами сервиса Meta и правилами хранения информации.

Следующая проверка покажет, сможет ли Meta подтвердить, что улучшенные результаты тестов обеспечивают более надёжную и экономичную автоматизацию в реальной корпоративной среде, а также откроет ли она доступ к своей наиболее мощной модели за пределами собственных инструментов по подписке.