2 modelos do Meta Muse Wonder e só 1 na API

56 contra 52 pontos no mesmo índice, com o mesmo nome na embalagem. O Meta Muse Wonder Full, que ficou atrás de uma assinatura de 50 a 200 dólares por mês, é o modelo dos gráficos de lançamento da Meta. O modelo que a API entrega é outro, mais fraco, e a confusão entre os dois explica boa parte das reclamações de desenvolvedores.

Por que o Meta Muse Wonder parece dois modelos com um nome

O Meta Muse Wonder é na prática dois modelos diferentes que dividem a mesma marca. O mais forte, chamado Full, marcou 56 no índice da Artificial Analysis e só funciona dentro dos planos Muse Code, de 50 a 200 dólares por mês. A API pública entrega um modelo separado, mais fraco, que marcou 52 no mesmo teste.

O post de lançamento da Meta, datado de 12 de outubro de 2026, afirma desempenho de estado da arte em tarefas agênticas. O Full sustenta parte dessa afirmação, mas o modelo que um desenvolvedor comum recebe pela API é outro. Comentaristas no Hacker News apontaram que o marketing da Meta exibe os números do Full, não os do modelo de API.

A Meta nunca esclareceu se a diferença vem de tamanho, treinamento ou de um checkpoint diferente. Sem essa explicação, os scores independentes são a única evidência pública de que a lacuna existe. Mesmo nome na embalagem, modelo diferente dentro.

O que o índice independente diz sobre cada modelo

O retrato mais confiável vem da Artificial Analysis, empresa independente de avaliação de modelos. Ela mediu os dois no Intelligence Index versão 4.3, que reúne 10 avaliações em uma nota única, com ambos rodando no nível de esforço máximo. O resultado ficou assim:

Modelo	Nota (índice 4.3)	Como acessar
Claude 5.5	58	API
Muse Wonder Full	56	Assinatura Muse Code
Fable 5.1	53	API
GPT-6 Astra	53	API
Muse Wonder (API)	52	API pública
Muse Spark 1.3	48	Versão anterior

O Full ganhou oito pontos sobre o Muse Spark 1.3, que marcou 48, e melhorou em todas as 10 avaliações. Ficou em primeiro em dois testes e no top três em seis dos dez, com vitórias concentradas em documentos de escritório, finanças e ciência. Segundo a página do modelo na Artificial Analysis, o Full ocupa a quarta posição entre 689 modelos e não possui API pública.

Para quem usa a API, o número que vale é 52. Esse modelo fica atrás do Claude 5.5, da Anthropic Sonnet 5.5, do Fable 5.1 e do GPT-6 Astra no índice independente. Um testador no Hacker News resumiu a experiência como mais próxima do Sonnet ou do Haiku do que do Opus.

Por que o modelo vence em benchmarks e decepciona no dia a dia

Benchmarks medem um pacote de tarefas específicas, e o dia a dia do desenvolvedor é outra coisa. O Full brilhou em documentos financeiros e científicos, mas a lista de testes tem poucas tarefas parecidas com um pedido rápido de converter uma imagem em HTML. Um modelo pode ir muito bem em finanças e ainda tropeçar no primeiro esboço que você entrega.

Os testes individuais do Hacker News apontam nessa direção, com ressalvas. O usuário JJCM achou o modelo muito pior que o Opus 5.5 em imagem para HTML. Outro testador, em um projeto React com back end em Node, o considerou um passo abaixo do Astra, do Opus 5.5 e do Fable. São relatos isolados e não provam nada sobre codificação ou visão em geral.

A codificação é disputada até entre índices. O índice separado de agentes de codificação da própria Artificial Analysis, rodando dentro do Muse Code no esforço máximo, dá ao Full uma nota de 68. Sempre pergunte qual modelo e qual teste estão por trás de um número antes de comparar.

Nível de esforço: o multiplicador que infla os scores

O nível de esforço muda a nota de um modelo, e os dois scores do lançamento foram medidos no máximo. No esforço máximo, os modelos escrevem muito mais do que o típico. O Full produziu 140 milhões de tokens de saída durante a execução do índice, contra uma mediana de 88 milhões, cerca de 59% a mais.

O efeito aparece dentro de um único modelo. A Artificial Analysis lista o Fable 5.1 com 53 pontos no esforço máximo, 51 no alto, 49 no médio e 47 no baixo. São seis pontos de diferença no mesmo modelo, mais que o intervalo entre o Full e o modelo de API do Muse Wonder.

Um gráfico que omite o nível de esforço não pode ser comparado de forma justa com um que informa a configuração. Desconfie de qualquer comparação que esconda esse detalhe.

Quem rodou o teste muda o veredito

Scorecard de laboratório e índice independente respondem perguntas diferentes. O VentureBeat relatou os números da Meta no chamado sweet marathon: o Full marcou 57,5 contra 46,3 do Opus 5.5. No índice independente, por outro lado, o Opus lidera com folga.

Uma análise da comunidade de desenvolvedores contou 14 benchmarks nos materiais da Meta e concluiu que o modelo de API perde para o Opus 5.5 em nove deles. As vitórias ficaram em tarefas jurídicas, no GDP.pdf, em memória e em duas linhas de codificação de longo horizonte. Como essa contagem é de terceiros, trate o número com cautela.

A regra prática vale para os dois lados. Quem viu seis primeiros colocados e concluiu que o modelo é frontier leu um resultado real, mas parcial. Quem testou pela API e achou fraco avaliou o modelo mais fraco dos dois.

Custo real da API: caro, lento para começar

O custo por tarefa só existe para o modelo de API, porque o Full não tem preço por token. A Artificial Analysis calculou 4,52 dólares por tarefa do índice, contra 3,26 do GPT-6 Astra, 1,99 do Gemini 4 Argon e 1,60 do Muse Spark 1.3. Isso dá 1,26 dólar a mais por tarefa que o Astra, que ainda pontua 53 contra 52.

O modelo ocupa a 103ª posição entre 112 no seu nível de preço. A velocidade de saída é de 115 tokens por segundo, mas o primeiro token leva cerca de 20 segundos, contra uma média de 5,52 segundos. O preço de lista por token, 4 dólares por milhão na entrada e 20 na saída, é o mesmo do Opus 5.5.

Uma frase resume a matemática: você paga preço de ponta por um modelo que o índice coloca abaixo dos rivais diretos.

Checklist de um minuto para qualquer gráfico de lançamento

Antes de confiar em qualquer gráfico de benchmark, incluindo o índice deste artigo, faça três perguntas em ordem:

1. Qual modelo? Full e modelo de API dividem o nome e marcam 56 e 52. O número precisa dizer qual deles está medindo.
2. Qual nível de esforço? O Fable 5.1 sozinho oscila seis pontos entre esforço baixo e máximo, então a configuração faz parte do resultado.
3. Quem rodou o teste? O scorecard da própria Meta e um índice independente chegaram a conclusões opostas sobre o mesmo par de modelos.

Depois do checklist, rode a sua tarefa no modelo que você consegue alcançar. Índices medem o trabalho dos outros; nenhum deles mede o seu código.

Um detalhe final pesa na decisão de adotar: os planos Muse Code ativam por padrão um modo de contribuição que permite à Meta usar seus prompts e código para treinar modelos. A API usa o modo padrão, sem uso para treinamento. O VentureBeat relatou que nenhum dos dois modelos tem pesos disponíveis para download.

Perguntas frequentes sobre o Meta Muse Wonder

• Qual nota do Meta Muse Wonder vale para quem usa a API? A do modelo entregue pela API: 52 pontos no índice 4.3 da Artificial Analysis, medida em 13 de outubro de 2026. Esse número fica atrás do Opus 5.5, do Sonnet 5.5, do Fable 5.1 e do GPT-6 Astra. A nota 56 do Full só se aplica a assinantes do Muse Code.

• Por que o Muse Wonder parece pior que o anúncio? Porque o modelo dos gráficos de lançamento, o Full, não é o que a API entrega. Some a isso o nível de esforço máximo dos benchmarks e a mistura de tarefas do índice, que favorece documentos de escritório e ciência.

• O Muse Wonder Full tem API pública? Não. A página do modelo na Artificial Analysis lista o Full como sem API publicamente disponível e sem preço por token. Ele só funciona dentro dos planos Muse Code, de 50 a 200 dólares por mês.

• O Muse Wonder é código aberto? Não, segundo relatório do VentureBeat: nenhum dos dois modelos tem pesos para download. A esperança de um lançamento open source existe entre os comentaristas, mas não há anúncio da Meta.

Source video