Muse Wonder od Mety: test, ceny i benchmarki

Muse Wonder to najmocniejszy model językowy Mety udostępniony przez API, wydany 12 października 2026 roku razem z jeszcze mocniejszym wariantem Muse Wonder Full. Kosztuje 4 USD za milion tokenów na wejściu i 20 USD na wyjściu, czyli dokładnie tyle co Claude Opus 5.5. Z Polski najprościej użyć go przez OpenRoutera (na nim robiłem test) albo w Cursorze, a polityka Meta Model API nie wyklucza Polski. W moim teście po polsku zbudował poprawną aplikację z jednego polecenia 2,5 raza szybciej niż Opus 5.5 i GPT-6 Astra, za 0,22 USD. W trudniejszych benchmarkach kodowania Opus 5.5 nadal jest wyraźnie lepszy.

To trzeci duży krok Mety od lipca. W lipcu firma uruchomiła płatne API z modelem Muse Spark (pisałem o tym tutaj), w sierpniu wypuściła otwarte wagi Muse Glimmer (szczegóły), a teraz celuje w ścisłą czołówkę, obok Opusa 5.5, Claude Fable 5.1 i GPT-6 Astry.

Muse Wonder i Muse Wonder Full: gdzie są dostępne

	Muse Wonder	Muse Wonder Full
Identyfikator w API	muse-wonder-1.0	brak dostępu przez API
Gdzie działa	Meta Model API, OpenRouter, Cursor, Muse Code (każdy plan)	tylko Muse Code, plany Power i Maximum
Cena	4 USD / 20 USD za 1 mln tokenów	w abonamencie od 50 USD miesięcznie
Okno kontekstu	1 mln tokenów	1 mln tokenów

Oba modele przyjmują tekst, obrazy i wideo, a odpowiadają tekstem. Okno kontekstu ma milion tokenów i Meta nie dolicza nic za jego zapełnienie: stawka jest ta sama przy prawie pustym i prawie pełnym kontekście. Model ma sześć poziomów rozumowania, od minimal do max, a najwyższy kosztuje tyle samo za token co pozostałe (zużywa po prostu więcej tokenów). Ustawienie max w API nie zamienia zwykłego Wondera w wersję Full. Wag do pobrania nie ma, to model zamknięty.

Benchmarki według Mety

Meta zestawiła oba warianty z Fable 5.1, GPT-6 Astrą i Opusem 5.5. Wszystkie modele działały na maksymalnym poziomie rozumowania. Pogrubiłem najlepszy wynik w każdym wierszu.

Benchmark	Wonder Full	Wonder	Fable 5.1	GPT-6 Astra	Opus 5.5
Personal Superintelligence Index (wewnętrzny)	59,1	54,3	49,9	54,5	55,2
Harvey LAB-AA (prawo)	13,1	10,0	6,4	8,6	4,2
Vals Finance Agent V2	59,1	56,6	58,9	53,5	58,6
HealthBench Pro	62,3	60,5	62,1	65,3	65,6
AutomationBench-AA	45,4	39,1	32,1	41,6	41,2
GDP.pdf	33,2	30,8	27,6	34,2	30,6
JobBench	75,3	70,5	73,1	66,1	75,4
OSWorld V2.1 (częściowo)	78,4	72,6	80,7	75,8	81,8
MemoryBench (wewnętrzny)	85,5	85,6	79,0	81,4	81,5
Terminal-Bench 4.0-AA	57,1	52,0	52,0	59,1	59,6
DeepSWE 1.1	79,0	78,8	67,4	74,1	74,2
SWE-Marathon	57,5	53,1	45,6	42,5	46,3
ProgramBench	59,0	50,0	55,5	52,5	70,5
Artificial Analysis Index	56	52	53	53	58

W oryginalnej tabeli Mety widać to od razu: większość podświetlonych pól należy do wersji Full, a nie do modelu, który kupisz w API. Zwykły Muse Wonder wygrywa z Opusem 5.5 w prawie (Harvey), w długich zadaniach programistycznych (DeepSWE, SWE-Marathon) i w zapamiętywaniu długich rozmów. Opus 5.5 jest lepszy w kodowaniu w terminalu, w pisaniu programu od zera (70,5 do 50,0 w ProgramBench), w obsłudze komputera, w odpowiedziach na pytania medyczne i w zbiorczym indeksie.

Trzy przypisy z karty modelu warto znać, zanim zaczniesz cytować te liczby:

• Dwa testy są wewnętrzne. Personal Superintelligence Index i MemoryBench to benchmarki Mety, których nikt z zewnątrz nie powtórzy.
• SWE-Marathon nie jest porównaniem na równych warunkach. Wyniki Astry i Fable pochodzą z Codexa i Claude Code, a Wonder Full był uruchomiony na poziomie xhigh. Meta sama zaznacza, że ten wiersz nie powstał we wspólnym środowisku.
• Wyniki konkurentów to „best-effort”. Gdy nie było wyniku od producenta albo niezależnej firmy, Meta wybierała najwyższy wynik spośród własnych testów, wyników deklarowanych przez producentów i rankingów. Przyznaje też, że prompty i narzędzia mogły nie być optymalnie dostrojone do modeli konkurencji.

Niezależne wyniki: Artificial Analysis, LMArena, Vals

Artificial Analysis daje Muse Wonderowi 52 punkty w Intelligence Index v4.3 (wersja Full: 56). Opus 5.5 ma 58, a Fable 5.1, GPT-6 Astra i Gemini 4 Argon po 53. Poprzednik, Muse Spark 1.3, miał 48.

Na wykresie z wpisu Mety dobrze widać tempo: od pierwszego Muse Spark (według szacunku AA 31 punktów) do Wondera Full (56) modele Mety niemal podwoiły wynik, ale na szczycie wciąż stoi Opus 5.5.

Najciekawsze dane AA dotyczą wiedzy i halucynacji. W teście AA-Omniscience Muse Wonder ma 25 punktów, tyle co Spark 1.3, wobec 46 u Opusa 5.5 i 43 u Astry. Zarazem halucynuje w 27% przypadków, co daje mu trzecie miejsce wśród najmniej zmyślających modeli z wynikiem co najmniej 45 w indeksie. Te dwie liczby trzeba czytać razem: model nie wie więcej od konkurentów, częściej za to przyznaje, że czegoś nie wie, zamiast zgadywać. AA nazywa wiedzę jego względną słabością, łagodzoną niskim odsetkiem halucynacji.

W testach agentów do kodowania AA ocenia model razem ze środowiskiem, w którym pracuje. Muse Code z Wonderem Full ma 68 punktów w Coding Agents Index, Claude Code z Opusem 5.5 ma 66, a Muse Code ze zwykłym Wonderem 63.

LMArena, gdzie ludzie głosują na lepszą z dwóch anonimowych odpowiedzi, stawia Muse Wonder (Max) na 2. miejscu w rankingu tekstowym z wynikiem 1509, tuż za Gemini 4 Argon (1524) i punkt przed Opusem 5.5 (1508). Różnica do Opusa mieści się jednak w granicach błędu. W rankingu WebDev, czyli w budowaniu stron i aplikacji, jest gorzej: Muse Wonder ma 1651 punktów i 15. miejsce, a prowadzi Opus 5.5 (1811) przed GPT-6 Astrą (1780).

Vals Index, który ocenia zadania z zakresu finansów, prawa, podatków i kodowania, daje Opusowi 5.5 66,97%, Fable 5.1 65,83%, Wonderowi Full 64,57%, Astrze 63,13%, a zwykłemu Wonderowi 61,06%. Za to koszt jednego przebiegu testu wyniósł u Wondera 11,43 USD, u Opusa 32,14 USD.

Uwaga na nazwy: AutomationBench, ProgramBench czy testy dokumentów biznesowych występują u Mety, AA i Vals w różnych wersjach i z różnymi metrykami. Liczb z jednej tabeli nie porównuj z liczbami z drugiej.

Ile kosztuje Muse Wonder na tle konkurencji

Ceny API za milion tokenów, w USD:

Model	Wejście	Wejście z cache	Wyjście	Długi kontekst
Muse Wonder	4,00	0,20	20,00	bez dopłaty do 1 mln
Claude Opus 5.5	4,00	0,20	20,00	bez dopłaty do 1 mln
Claude Fable 5.1	10,00	0,25	50,00	bez dopłaty do 1 mln
GPT-6 Astra	10,00	1,00	50,00	powyżej 272 tys. tokenów: 2x wejście i 1,5x wyjście za całe zapytanie

Muse Wonder i Opus 5.5 mają identyczne stawki za token, a Fable 5.1 i Astra są 2,5 raza droższe. Rachunek zależy jednak od tego, ile tokenów model zużyje. Według Artificial Analysis jedno zadanie z indeksu tej firmy kosztuje z Muse Wonderem 4,52 USD, z Opusem 5.5 5,98 USD, z Fable 5.1 7,63 USD, a z Astrą 3,26 USD. Najmniej kosztuje zadanie z Astrą, mimo wysokiej stawki, bo zużywa znacznie mniej tokenów: na wyjściu około 27 tys. na zadanie wobec 54 tys. u Wondera. Wonder wypada taniej od Opusa, choć AA zwraca uwagę, że wczytuje dużo danych wejściowych.

Abonamenty i odnawianie limitów

Jeśli wolisz stałą opłatę zamiast płacenia za tokeny, Meta sprzedaje Muse Wondera w subskrypcji Muse Code, czyli agenta do kodowania w terminalu.

Plan Muse Code	Cena miesięcznie	Limit	Muse Wonder Full
Everyday Usage	5 USD	10-50 poleceń co 5 godzin	nie
High Usage	15 USD	5x Everyday	nie
Power Usage	50 USD	20x Everyday	tak
Maximum Usage	200 USD	80x Everyday	tak

Limity odnawiają się co pięć godzin, a niezależnie od tego co tydzień, i ten schemat obowiązuje we wszystkich planach. Gdy wyczerpiesz limit, możesz przejść na wyższy plan albo poczekać na odnowienie limitu, a w planie Maximum zostaje tylko czekanie. Subskrypcja działa wyłącznie w Muse Code, a każdy dodatkowy klucz API rozliczany jest już za tokeny.

Dla porównania: Claude Pro kosztuje 20 USD miesięcznie i obejmuje Opusa 5.5, a Fable 5.1 tylko w ramach dokupowanych kredytów. Plany Max (od 100 USD) pozwalają korzystać z Fable w ramach połowy tygodniowego limitu. U Anthropic też obowiązuje pięciogodzinne okno plus limit tygodniowy. W ChatGPT GPT-6 Astra jest dostępna w Work i Codex w planach Plus i Pro, z orientacyjnym limitem 5-45 wiadomości na pięć godzin w Plus. Plany Pro za 100, 200 i 500 USD nie mają w Work i Codex limitu pięciogodzinnego, choć ogólny limit użycia nadal obowiązuje. Więcej o subskrypcjach Claude’a w poradniku o cenach Claude Code.

Dostęp z Polski krok po kroku

Polska nie figuruje na liście 21 terytoriów wyłączonych w polityce geograficznej Meta Model API (są na niej m.in. Rosja, Białoruś, Chiny i Iran). Masz cztery drogi.

1. OpenRouter (najprostsza). Na nim przeprowadziłem test.

1. Załóż konto na openrouter.ai i doładuj saldo kartą.
2. W ustawieniach utwórz klucz API.
3. Wybierz model meta/muse-wonder. Cena jest taka sama jak u Mety: 4 USD i 20 USD za milion tokenów.

Jak podpiąć jeden klucz do różnych narzędzi, opisałem w poradniku o OpenRouterze.

2. Meta Model API (bezpośrednio).

1. Wejdź na dev.meta.ai i wybierz „Start building”, a potem konto „Individual” (logowanie przez e-mail, telefon, Google, GitHub lub Facebooka; trzeba mieć 18 lat).
2. W zakładce Billing dodaj metodę płatności. Bez niej nie wyślesz pierwszego zapytania.
3. W zakładce API keys utwórz klucz i wywołuj model muse-wonder-1.0 pod adresem https://api.meta.ai/v1. API jest zgodne z SDK OpenAI i Anthropic, więc większość narzędzi podepniesz, zmieniając adres i klucz.

3. Cursor. W Cursorze Muse Wonder ma 300 tys. tokenów kontekstu, a w trybie Max Mode milion, przy tych samych stawkach. Nie wchodzi w pulę zawartą w abonamencie: w nowych planach The X Subscription płacisz za niego z przedpłaconego kredytu (o zmianach w cenniku Cursora pisałem tutaj), a w starych planach z puli na modele innych firm.

4. Muse Code (abonament). Instalujesz go jednym poleceniem w terminalu, logujesz się kontem Meta i wykupujesz plan przez Centrum kont. Zanim zaczniesz pierwszy projekt, wpisz w Muse Code /settings i wyłącz tryb Contributor. W subskrypcjach jest on domyślnie włączony i oznacza, że Meta może używać twoich promptów, kodu, plików i odpowiedzi modelu do trenowania kolejnych modeli. W zamian dostajesz większy limit, więc po wyłączeniu limit spadnie. W płatnym API Muse Wonder działa tylko w trybie standardowym, bez użycia danych do trenowania.

Konsumencka aplikacja Muse, do której Muse Wonder ma trafić najpierw dla subskrybentów, wystartowała w USA i Meta nie ogłosiła jej premiery w Europie. Meta nie publikuje też listy obsługiwanych języków. Karta modelu mówi tylko o szerokiej reprezentacji języków świata w danych treningowych i ostrzega, że jakość może być niższa w językach, które model obsługuje słabiej. Dlatego polski sprawdziłem sam.

Mój test po polsku

Wszystkie modele dostały te same trzy zadania po polsku przez OpenRoutera, na poziomie rozumowania high, w jednym przebiegu. W teście praktycznym zestawiłem Muse Wonder z Opusem 5.5 i GPT-6 Astrą, a Fable 5.1 pojawia się w tym tekście tylko w zestawieniach benchmarków i cen.

Zadanie 1: aplikacja z jednego polecenia

Poprosiłem o kalkulator „Podział rachunku” w jednym pliku HTML: kwoty z przecinkiem i kropką, napiwek 0, 10, 15% lub własny, lista osób, osobna pozycja na alkohol dzielona tylko między pijących, wynik zaokrąglony w górę do grosza z sumą kontrolną i komunikaty błędów po polsku. Każdą aplikację sprawdziłem w przeglądarce na tych samych danych: rachunek 187,50 zł, w tym 60 zł za alkohol, napiwek 10%, Ania i Bartek piją, Kasia nie.

	Muse Wonder	Opus 5.5	GPT-6 Astra
Wynik (79,75 / 79,75 / 46,75 zł)	poprawny	poprawny	poprawny
100 zł na 3 osoby (zaokrąglenie)	3 x 33,34 zł, nadwyżka wyjaśniona	poprawnie, nadwyżka opisana	poprawnie, nadwyżka opisana
Kwota ujemna	polski komunikat błędu	polski komunikat przy polu	polski komunikat błędu
Czas generowania	80,7 s	199,7 s	196,3 s
Tokeny na wyjściu	11 068	24 405	11 538
Koszt	0,22 USD	0,49 USD	0,58 USD

Wszystkie trzy aplikacje policzyły wszystko poprawnie za pierwszym razem, więc różnice dotyczą czasu, kosztu i wygody. Muse Wonder zrobił to najszybciej i najtaniej, bo przy tej samej stawce co Opus zużył ponad dwa razy mniej tokenów. Opus przy pierwszym podejściu przekroczył mój limit 24 tys. tokenów i uciął plik, więc powtórzyłem próbę z wyższym limitem. Za to jego aplikacja liczy wynik na żywo, bez przycisku, i ma przycisk kopiowania podsumowania. Muse Wonder wpisał od razu przykładowe dane (Ania, Bartek, niepijąca Kasia), wygodne do pokazu, ale przed prawdziwym użyciem trzeba je wyczyścić.

Zadanie 2: polska gramatyka sprawdzana automatycznie

Modele napisały funkcje do odmiany rzeczowników po liczebnikach (1 plik, 2 pliki, 5 plików) i do zapisu kwoty słownie, jak na fakturze: „tysiąc dwieście trzydzieści cztery złote 56/100”. Sprawdziłem je skryptem na 30 przypadkach, od 12 i 22 po 999 999 999,99 i klasyczną pułapkę 0,1 + 0,2.

	Muse Wonder	Opus 5.5	GPT-6 Astra
Zaliczone przypadki	30/30	30/30	30/30
Czas	24,1 s	26,4 s	38,6 s
Koszt	0,08 USD	0,07 USD	0,09 USD

Polskie liczebniki przestały być problemem dla czołowych modeli. Muse Wonder najdłużej się nad nimi zastanawiał: na rozumowanie poszło 3038 z jego 4101 tokenów.

Zadanie 3: wyjaśnienie błędu osobie nietechnicznej

Wcieliłem się w kogoś, kto zbudował aplikację w Lovable, wrzucił ją na GitHuba i nie może opublikować na Vercelu, bo build kończy się błędem „supabaseUrl is required”. Poprosiłem o wyjaśnienie na „ty”, w maksymalnie 200 słowach.

	Muse Wonder	Opus 5.5	GPT-6 Astra
Długość	130 słów	167 słów	183 słowa
Czas / koszt	36,0 s / 0,08 USD	15,8 s / 0,04 USD	22,8 s / 0,05 USD
Diagnoza	trafna	trafna, z wyjaśnieniem przyczyny	trafna

Wszystkie trzy wskazały, że Vercel nie zna adresu i klucza Supabase. Muse Wonder napisał to najprościej, bez żargonu, w siedmiu krokach do wyklikania. Zaczął od zdania, że aplikacja „nie zna adresu miejsca, w którym trzyma swoje dane”. Z góry założył jednak konkretne nazwy zmiennych, nie sprawdzając ich w projekcie, i nie ostrzegł przed wklejaniem tajnego klucza. Opus jako jedyny wyjaśnił, skąd problem: w Lovable dane były ustawione automatycznie, ale nie trafiły na GitHuba. Astra była najdokładniejsza i jako jedyna wprost przestrzegła przed użyciem klucza service_role, ale użyła najwięcej technicznych terminów.

Podsumowanie testu

	Muse Wonder	Opus 5.5	GPT-6 Astra
Zadania zaliczone	3/3	3/3	3/3
Łączny czas	141 s	242 s	258 s
Łączny koszt	0,38 USD	0,59 USD	0,72 USD

W prostych, realnych zadaniach po polsku nie widziałem różnicy w jakości: wszystkie trzy modele sobie poradziły. Muse Wonder był najszybszy i najtańszy, a w zadaniu, które kosztuje najwięcej, czyli w budowie aplikacji, różnica była ponad dwukrotna. Wyjaśniał najprostszym językiem, ale był też najmniej ostrożny. Pamiętaj o ograniczeniach: to jeden przebieg, trzy zadania i poziom high. Przewaga Opusa w Terminal-Bench i ProgramBench dotyczy dłuższych i trudniejszych zadań, których ten test nie obejmuje.

Werdykt: dla kogo Muse Wonder

• Muse Wonder: jeśli budujesz proste i średnie aplikacje, prototypy albo automatyzacje i płacisz za tokeny. Daje jakość z czołówki przy stawkach Opusa, a w praktyce kosztuje mniej, bo zużywa mniej tokenów. Dobrze radzi sobie z polskim i rzadziej zmyśla, gdy czegoś nie wie.
• Claude Opus 5.5: jeśli pracujesz nad dużym, istniejącym projektem, potrzebujesz agenta w terminalu albo budujesz interfejsy. Tu Opus wygrywa w benchmarkach Mety, AA, Vals i w WebDev Arenie. Przy abonamencie Claude Pro za 20 USD masz go w pakiecie z Claude Code. Więcej o nim w newsie o premierze Opusa 5.5.
• Claude Fable 5.1 i GPT-6 Astra: w API kosztują 2,5 raza więcej za token, a w niezależnych indeksach osiągają wyniki zbliżone do Muse Wondera, bez wyraźnej przewagi. Jeśli nie programujesz, a chcesz budować aplikacje, nie widzę powodu, żeby dopłacać. Astra ma sens dla abonentów ChatGPT, którzy i tak płacą za Plus lub Pro, a Fable dla abonentów Claude Max, którzy mają go w planie (o premierze Fable 5.1 pisałem tutaj).
• Muse Wonder Full: najmocniejszy z rodziny i najczęściej podświetlany w tabeli Mety, ale tylko w Muse Code od 50 USD miesięcznie. Ma sens, jeśli i tak chcesz pracować w terminalu i akceptujesz domyślny tryb Contributor albo mniejszy limit po jego wyłączeniu.

Na start polecam OpenRoutera: kilka dolarów salda wystarczy, żeby sprawdzić Muse Wondera na własnym projekcie i porównać go z Opusem przy tym samym poleceniu.