Le lancement de Muse Wonder chez Meta sépare l'accès aux modèles frontière entre API et abonnement

Deux modèles, deux portes

Deux modèles sont sortis le 12 octobre. Ils ne suivent pas la même route. Muse Wonder tourne sur l'API Meta Model et dans Muse Code, l'agent de codage en terminal de Meta [3][6][12].

Muse Wonder Full est celui qui reste derrière la vitre. Il est réservé aux abonnés de Muse Code et n'a aucun tarif au token [3][6][12]. Les tarifs API du modèle accessible sont de 4 dollars par million de tokens en entrée et de 20 dollars par million en sortie, l'entrée mise en cache étant facturée 0,20 dollar par million [3][11][12]. Muse Code coûte 50 dollars par mois en formule Power ou 200 dollars en Maximum [1][11]. Les abonnements grand public de l'application Muse sont plus bas, à 20 ou 100 dollars par mois [1][10]. Les deux modèles acceptent une fenêtre de contexte d'un million de tokens et prennent en entrée du texte, des images, de la vidéo et de l'audio, pour du texte en sortie [2][11].

Meta vend surtout la mémoire et la persistance. Active Memory transporte le contexte de l'utilisateur d'une conversation à l'autre, et Active Focus garde le modèle sur les tâches difficiles, en essayant des variantes et en demandant confirmation avant les actions importantes [2][8][12]. Aucune des deux fonctions ne se vend séparément du modèle qui les porte.

Pourquoi un mur d'abonnement compte plus qu'un benchmark

Les benchmarks servent à vendre un lancement. Les règles d'accès décident qui pourra construire dessus.

Comme Muse Wonder Full n'a pas de prix au token, les équipes qui passent uniquement par l'API n'atteignent que le plus petit modèle [6][12]. C'est l'inverse de l'usage courant. D'habitude, le vaisseau amiral est celui qu'on loue au token. Une équipe qui veut tester le meilleur modèle de Meta sur sa propre charge de travail doit acheter un abonnement de codage pour y accéder [6][12]. La sortie précédente, Muse Spark 1.3, était présentée comme compétitive plutôt que frontière ; Muse Wonder est le premier modèle que Meta qualifie de classe frontière [3][6]. L'entreprise a passé quatorze mois à reconstruire son activité IA pour en arriver là, avec Alexandr Wang recruté à la tête de Meta Superintelligence Labs [3][10][12].

Le contexte commercial est celui d'une entreprise qui dépense fort. L'action Meta a gagné environ 4% en séance de l'après-midi le jour du lancement [4].

Meta a déclaré un chiffre d'affaires de 60 800 000 000 dollars au deuxième trimestre, en hausse de 28% [4]. Elle prévoit 130 000 000 000 à 145 000 000 000 dollars de dépenses d'investissement pour 2026, contre 784 000 000 dollars de flux de trésorerie disponible sur le trimestre [4]. La demande semble réelle : l'application Muse a atteint 5 000 000 de téléchargements en 22 jours, plus vite que ChatGPT, Grok et Claude, selon les estimations de Sensor Tower citées par Yahoo Finance [10]. La sécurité fait aussi partie de l'argumentaire. Meta affirme que ses protections les plus solides contre les usages cybercriminels sont livrées avec le modèle payant [1].

Le tableau des scores, et ses fuites

Muse Wonder Full obtient 56 sur l'Artificial Analysis Intelligence Index v4.3 et Muse Wonder 52, contre 48 pour Muse Spark 1.3 [2][7]. Claude Opus 5.5 mène avec 58, GPT-6 Astra et Gemini 4 Argon suivent à 53 [7]. C'est sur le travail agentique que le saut se voit. Sur Terminal-Bench 4.0, la performance passe de 33% à 57% [2][7]. Muse Wonder Full marque 68 sur le Coding Agents Index, à égalité avec Claude Code et Sonnet 5.5, tandis que Muse Wonder marque 63, contre 54 auparavant [2]. Sur ProofBench, Muse Wonder Full a résolu 94 problèmes sur 100, contre 58 [2].

Les connaissances factuelles sont le point faible. Muse Wonder Full obtient 30 sur AA-Omniscience et Muse Wonder 25, contre 46 pour Claude Opus 5.5, 43 pour GPT-6 Astra et 42 pour Gemini 4 Argon [2]. Les hallucinations baissent de 33% à 23% pour Muse Wonder Full, le deuxième taux le plus bas parmi les modèles qui atteignent au moins 45 points d'indice [2].

Chez Vals AI, Muse Wonder Full entre cinquième sur 47 modèles [2][6]. Muse Wonder entre dixième [2][6].

Le tableau de Meta est plus flatteur par endroits et plus dur ailleurs. MemoryBench place Muse Wonder à 85,6, en tête des cinq modèles listés, tandis que ProgramBench affiche 50,0 contre 70,5 pour Claude Opus 5.5 [11]. Plusieurs de ces lignes viennent d'évaluations internes de Meta, et la fiche du modèle précise que les essais des concurrents sont menés au mieux et peuvent ne pas être ajustés [11]. Les résultats de benchmark ont été fournis par Meta et n'ont pas été vérifiés de façon indépendante [1].

Le prix de l'ascension

Muse Spark 1.3 était sorti à 0,10 dollar par million de tokens en entrée et 0,20 dollar par million en sortie [6]. Muse Wonder facture 4 et 20 dollars, soit à peu près quarante fois plus en entrée [6].

Par tâche, Muse Wonder coûte 4,52 dollars sur l'Artificial Analysis Intelligence Index, contre 1,60 dollar pour Muse Spark 1.3, 3,26 dollars pour GPT-6 Astra et 1,99 dollar pour Gemini 4 Argon [7]. Alexandr Wang a déclaré à CNBC que le modèle reste nettement moins cher que les principaux modèles d'OpenAI et d'Anthropic [7]. Sur les chiffres par tâche, cela tient face à Anthropic. Cela ne tient pas face à OpenAI ni à Google.

Le cadre de Wang dépasse le codage. « Ce sont de vrais modèles frontière », a-t-il dit à Bloomberg. « Nous pensons vraiment qu'ils sont compétitifs avec les meilleurs modèles du marché, et particulièrement à la pointe sur le travail agentique personnel et professionnel » [10].

Le lancement n'a pas été propre. Il est arrivé avec des bugs, dont un qui comptait mal les limites d'usage des abonnés de Muse Code, selon le FT [7].

Ce qui vient ensuite

Muse Wonder alimentera l'application Muse elle-même [2][8][12]. Les abonnés payants y ont accès en premier [2][8][12].

Meta dit prévoir de construire des modèles spécialisés à partir de Muse Wonder pour tous les utilisateurs de Muse, avec le temps [2][12]. Muse Wonder Full reste hors de l'API pour l'instant [6][12]. Son coût par tâche n'est pas publié. Meta n'a pas dit quand, ni si, il arrivera sur l'API. Les deux modèles ont été entraînés dans le centre de données Prometheus de Meta, dans le centre de l'Ohio [3][6].