Meta Superintelligence Labs vydala 12. října dva modely, Muse Wonder a Muse Wonder Full. Píšu o nich, protože jde o první větší modely Mety po řadě Muse Spark a Mark Zuckerberg v rozhovoru pro Financial Times tvrdí, že Meta jimi dohnala konkurenci. Artificial Analysis to zčásti potvrzuje.
Co je Muse Wonder
Dva modely pro osobní a pracovní agenty. Meta je trénovala ve svém gigawattovém datovém centru Prometheus a zdůrazňuje dvě schopnosti. Za prvé si model pamatuje kontext uživatele napříč konverzacemi. Za druhé při dlouhé práci zkouší jiné postupy, ptá se a před důležitým krokem se ujistí. Tak to aspoň tvrdí Meta. Na vstupu přijímá text, obraz, video i zvuk, kontext má milion tokenů.
Muse Wonder je k mání přes API, Full jen v předplatném. Běžnou verzi nabízí Meta Model API a programovací nástroj Muse Code. Silnější Full je jen v dražších tarifech Muse Code, Power za 50 USD a Maximum za 200 USD měsíčně, a cenu za token nemá. Váhy Meta nevydala a nic takového neslibuje.
Sám jsem měl předplatné Muse těsně před vyčerpáním, takže jsem stihl jen malou sadu testů. Wonder Full mě v nich velmi potěšil a klidně bych ho vyměnil za Opus, kterému důvěřuji a mám ho dost v paži. Jenže přes API je k mání jen slabší Wonder a ten stojí stejně jako Opus.
A tím k ceně. Cena je 4 USD za milion vstupních a 20 USD za milion výstupních tokenů, tedy stejně jako u Opusu 5.5 a víc než trojnásobek proti Muse Sparku 1.3. Ceník Mety Wonder zatím vůbec neuvádí, takže není jasné, zda dostane i levnější tarif Contributor, u kterého Meta smí vaše data použít k tréninku. Z nastavení Muse Code nic takového neplyne. Limity API Meta nezveřejnila a vývojáři podle zpráv hned první den narazili na odmítnuté požadavky kvůli přetížení.
Jak si vede v nezávislém měření
| Model | Index AA | Cena za úlohu | Výstupní tokeny na úlohu |
|---|---|---|---|
| Claude Opus 5.5 (max) | 58 | $5,98 | |
| Muse Wonder Full (max) | 56 | jen v předplatném | 54 tis. |
| Claude Sonnet 5.5 (max) | 56 | $5,46 | |
| Gemini 4 Argon (high) | 53 | $1,99 | 62 tis. |
| GPT-6 Astra (max) | 53 | $3,26 | 27 tis. |
| Claude Fable 5.1 (max) | 53 | $7,63 | 78 tis. |
| Muse Wonder (max) | 52 | $4,52 | 54 tis. |
| GPT-6.1 Sol (max) | 52 | $0,72 | 38 tis. |
| Muse Spark 1.3 (max) | 48 | $1,60 | 60 tis. |
Index je verze 4.3 od Artificial Analysis.
Šest týdnů po Muse Sparku 1.3 o osm bodů výš. Wonder Full se zlepšil ve všech deseti testech indexu a s 56 body dorovnal Sonnet 5.5. Běžný Wonder si polepšil o čtyři body na úroveň GPT-6.1 Sol.
Na úlohu levnější než Opus, jinak spíš drahý. Úloha na indexu vyjde na Wonderu na 4,52 USD (kolem 105 korun), na Opusu 5.5 na 5,98 USD. Wonder je přitom o šest bodů slabší. Stejných 52 bodů dá Sol za 0,72 USD, tedy za šestinu. Cenu Wonderu táhne hlavně vstup: na úlohu spotřebuje 7,7 milionu vstupních tokenů a ty tvoří tři čtvrtiny ceny. Výstupních tokenů je naopak málo, méně než u Argonu i Fable.
Vals vidí podobný obrázek. Na Vals Indexu, který měří práci ve financích, právu, daních a programování, je Wonder Full pátý ze 48 modelů s 64,6 procenta. Podle Vals tím předběhl všechny modely OpenAI, Opus 5.5 má ale 67 procent. Nejsilnější je v právu: na Harveyho testu právní agentní práce má 21,7 procenta a je čtvrtý ze 79, před Gemini 4 Argon. Na Terminal-Bench 4.0 mu Vals naměřil 58 procent, což sedí s Artificial Analysis. Běžný Wonder je s 61,1 procenta desátý.
Kde Wonder Full dohnal Opus
Agentní programování. V indexu programovacích agentů od Artificial Analysis má Wonder Full v Muse Code 68 bodů, stejně jako Sonnet 5.5 v Claude Code. Opus 5.5 má 66. Běžný Wonder má 63, Muse Spark 1.3 měl 54.
Kancelářská práce. V testu GDPval-AA má Full 1857 bodů Elo, Opus 5.5 1866. Rozdíl je v mezích chyby měření. V testech CritPt (vědecké uvažování) a GDP.pdf (práce s dokumenty) je Full první, oba náskoky jsou ale jen o jeden až dva body.
Největší skok je v práci s terminálem. Na Terminal-Bench 4.0 má Full 57 procent, Muse Spark 1.3 měl 33. Wonder Full se tím dostal na úroveň Gemini 4 Argon.
Slabinou zůstávají znalosti. V testu faktických znalostí AA-Omniscience má Full 30 bodů a Wonder 25, Opus 5.5 46. Vyvažuje to nízká míra halucinací: když Full odpověď nezná, vymyslí si ji ve 23 procentech případů, Wonder v 27. Méně si mezi modely s indexem nad 45 vymýšlí jen googlácký Argon.
Tabulka Mety
| Benchmark | Wonder Full | Wonder | Opus 5.5 | Fable 5.1 | Astra | Kdo měřil |
|---|---|---|---|---|---|---|
| SWE-Marathon | 57,5 % | 53,1 % | 46,3 % | 42,5 % | Abundant AI | |
| Vals Finance Agent v2 | 59,1 % | 58,6 % | 58,9 % | Vals AI | ||
| DeepSWE v1.1 | 79,0 % | 78,8 % | 74,2 % | Datacurve | ||
| ProgramBench | 59,0 % | 70,5 % | Meta |
Dlouhé programovací projekty jsou nejsilnější tvrzení Mety. Na SWE-Marathon, kde model pracuje na dlouhém softwarovém projektu, má Full o 11 bodů víc než Opus. Meta ale sama přiznává, že soupeři běželi v Claude Code a Codexu, Wonder v Muse Code. Řádek tedy srovnává celé nástroje včetně harnessu a harness se na výkonu dost podepisuje. I tak je obdivuhodné, jak moc Meta s Muse Code pohnula, podívejte se na můj Cheat Sheet pro Muse Code.
Jedna výhrada k výběru soupeřů. Meta se srovnává jen s Astrou, Fable 5.1 a Opusem 5.5. Gemini 4 Argon v tabulce chybí, přitom má na Vals Finance Agent 65,4 procenta, o šest bodů víc než Wonder Full. U Muse Sparku 1.3 tabulka Mety srovnávala různé úrovně úsilí, tentokrát vybírá soupeře, se kterými model vychází dobře.
Bezpečnost: sebevědomé tvrzení, opatrné závěry
Meta označuje Wonder za svůj nejlépe sladěný model. Podle grafu Mety porušil Wonder Full pravidla pro zacházení s osobními údaji ve 2,2 procenta případů, Fable 5.1 v 6,8. Obě čísla naměřila Meta.
Kyberbezpečnostní schopnosti jsou vysoké. Na CyberGym má Full 88,4 procenta. V testu ExploitGym získal 92 vlajek, ale jen 21 z nich zamýšlenou zranitelností. Zbylých 71 si našel jinou cestou (což o schopnostech modelu vypovídá víc než samotné skóre).
Bez ochran nelze vyloučit vysoké riziko v chemii a biologii. Meta to v kartě modelu přiznává sama. Model nasadila až s bezpečnostním dotrénováním a klasifikátory, se kterými podle vlastního hodnocení klesá riziko ve všech oblastech na střední nebo nižší.
Závěrem: Co si z toho odnést?
Pokud programujete s agenty a máte předplatné Muse Code, stojí Wonder Full za vyzkoušení. Ovšem bacha na to, účet vysosává dost rychle. Potvrzuje to i test serveru Kingy: Full spotřeboval z limitu předplatného znatelně víc než běžný Wonder a úlohy mu trvaly déle. Čtyři úlohy ve Flask repozitáři zvládl bez pomoci, jen za 27 minut. Claude Code za 9 a Codex za 19.
V nezávislém indexu programovacích agentů má Wonder Full 68 bodů, stejně jako Sonnet 5.5 v Claude Code, a o dva body víc než Opus 5.5. Že tu menší Sonnet předběhl Opus, sedí s dalšími měřeními: v agentním programování je novější Sonnet o kousek výš, celkově zůstává silnější Opus. Rozdíly jsou ale tak malé, že bych všechny tři bral jako rovnocenné.
Pokud vybíráte model pro API, dostanete Wonder s 52 body za 4,52 USD na úlohu. Za stejné skóre je výrazně levnější GPT-6.1 Sol, za šest bodů navíc stojí Opus 5.5 jen o třetinu víc. Ale to jsou cifry, se kterými budou všichni ještě hýbat.
Pokud potřebujete faktickou přesnost, Wonder si sice málo vymýšlí, ale také méně ví. Na rešerše bez podkladů bych sáhl po Opusu nebo Argonu.
Spotřebitelskou aplikaci Muse v Česku zatím nevyzkoušíte, v EU nefunguje. Muse Code a API Mety jsou na tom lépe, Muse Code sám rád používám.
Za mě je to největší skok Mety od začátku řady Muse. Za šest týdnů osm bodů a v programování špičková úroveň, to je tempo, které Meta drží od jara. Škoda, že nejlepší verzi Meta schovala do předplatného (a že si tabulka zase trochu pomáhá).
Zdroje: oznámení Mety a karta modelu z 12. října 2026, analýza Artificial Analysis (index verze 4.3) ze stejného dne, žebříček Vals AI, test předplatného Muse Code od serveru Kingy, rozhovor Marka Zuckerberga pro Financial Times, údaje o SWE-Marathon, DeepSWE, ProgramBench a soupeřích z grafu Mety podle zpravodajství a sítě X. Tabulka Mety je zčásti měřená výrobcem. Platnost údajů k 14. říjnu 2026. Text vznikl s asistencí modelu Claude Opus 5.5, tedy konkurenčního modelu.