Meta Muse Wonder startet als erstes Frontier-Modell des Konzerns

Meta hat Muse Wonder und Muse Wonder Full am 12. Oktober 2026 veröffentlicht. Es sind die ersten Modelle, die das Unternehmen der Frontier-Klasse zuordnet. Ein Frontier-Modell ist das größte und leistungsfähigste System eines KI-Labors. Das kleinere Muse Wonder steht Entwicklern ab heute für 4 $ pro Million Eingabe-Token und 20 $ pro Million Ausgabe-Token offen. Das größere Wonder Full bleibt in Metas eigenem Coding-Produkt.

Diese Aufteilung ist wichtig für alle, die ein Modell auswählen. Die Version, die die meisten von Metas eigenen Diagrammen anführt, ist genau die, die man nicht aus dem eigenen Code aufrufen kann.

Zwei Modelle, zwei Zugänge

Metas Ankündigung nennt das Paar „unsere bisher leistungsfähigsten Modelle“. Beide basieren auf Muse Spark, der kleineren Modellfamilie, die Meta im April 2026 vorgestellt hat. Laut Meta wird Muse Wonder „bald mehr von Muse antreiben“, Metas App für einen persönlichen Agenten. Die Einführung beginnt bei zahlenden Abonnenten.

TechCrunch berichtet, dass beide Modelle aus Metas Superintelligence Lab stammen. Trainiert wurden sie in Prometheus, Metas Rechenzentrum im Zentrum von Ohio. Es ist die erste Frontier-Veröffentlichung des Labors, seit Alexandr Wang die KI-Arbeit von Meta im August 2025 umstrukturiert hat.

	Muse Wonder	Muse Wonder Full
Meta Model API	Ja, 4 $ Eingabe / 20 $ Ausgabe pro Million Token	Nein
Muse Code	Alle Tarife, ab 5 $ im Monat	Tarife Power (50 $) und Maximum (200 $)
Kontextfenster	1 Million Token	1 Million Token
Gewichte	Geschlossen	Geschlossen

Die Tarifpreise, das Kontextfenster und die geschlossenen Gewichte stammen aus der Launch-Zusammenfassung von FelloAI. Ein Token ist ein kleines Textstück, etwa drei Viertel eines Wortes. Das Kontextfenster gibt an, wie viel Text ein Modell auf einmal lesen kann.

FelloAI nennt außerdem einen Preis von 0,20 $ pro Million Token für gecachte Eingaben. Das ist der vergünstigte Preis für Text, den das Modell bereits gesehen hat. Damit kostet Muse Wonder bei der Eingabe etwa 3,2-mal so viel wie Muse Spark 1.3 und bei der Ausgabe 4,7-mal so viel.

Was die Benchmarks zeigen

Laut TechCrunch bescheinigt Metas Modellkarte den beiden Modellen Werte, die mit Claude Fable 5.1 von Anthropic und GPT-6 Astra von OpenAI „vergleichbar“ sind. Bei MemoryBench, einem Test dafür, was sich ein Modell über Unterhaltungen hinweg merkt, schlägt Muse Wonder laut Meta Fable, Opus und Astra.

FelloAI hat die von Meta veröffentlichten Werte zusammengestellt. Einige zeigen, wo welches Modell vorn liegt:

Benchmark (Angaben von Meta)	Wonder Full	Wonder	Claude Opus 5.5	GPT-6 Astra
MemoryBench	85,5	85,6	81,5	81,4
DeepSWE 1.1 (lange Coding-Aufgaben)	79,0	78,8	74,2	74,1
Terminal-Bench 4.0	57,1	52,0	59,6	59,1
ProgramBench (Code von Grund auf)	59,0	50,0	70,5	52,5
OSWorld V2.1 (Computernutzung)	78,4	72,6	81,8	75,8

Der unabhängige Index von Artificial Analysis zeichnet ein nüchterneres Bild. Er sieht Muse Wonder bei 52, hinter Claude Opus 5.5 mit 58 und einen Punkt hinter Fable und Astra mit 53. Wonder Full erreicht 55,8, doch für dieses Modell gibt es keine öffentliche API.

Aussagen zu Gedächtnis und Sicherheit

Metas Beitrag hebt Active Memory hervor. Meta beschreibt es als „die Fähigkeit, das, was Ihnen wichtig ist, über Unterhaltungen hinweg mitzunehmen“. Außerdem seien die Modelle darauf trainiert worden, „private Informationen nicht ohne Erlaubnis weiterzugeben“.

Das Bild zur Sicherheit ist unvollständig. Meta sagt, ein vollständiger Bericht mit weiteren Sicherheitsbewertungen werde „bald verfügbar sein“. FelloAI liest aus der Modellkarte heraus, dass Wonder Full ohne Schutzmaßnahmen ein hohes Risikoniveau für chemischen und biologischen Missbrauch erreichen könnte. Mit Schutzmaßnahmen stuft die Modellkarte das verbleibende Risiko als „moderat oder niedriger“ ein.

Die Modellkarte berichtet auch von einem ExploitGym-Test, in dem Wonder Full 92 Sicherheitsprobleme meldete. Davon kamen 21 über die vorgesehene Schwachstelle und 71 über Lücken, die die Testentwickler nicht eingeplant hatten. Meta sagt, die Modelle seien nicht für Nutzer unter 18 Jahren gedacht.

Was das für Entwickler bedeutet

Muse Wonder startet zum selben Preis, den FelloAI für Claude Opus 5.5 angibt: 4 $ für die Eingabe, 20 $ für die Ausgabe und 0,20 $ für gecachte Eingaben. Das macht den Vergleich direkt. Lassen Sie beide Modelle dieselben Aufgaben erledigen, bevor Sie irgendetwas umstellen.

• Testen Sie, was Sie tatsächlich aufrufen können. Die meisten der stärksten Werte gehören zu Wonder Full, das es nur in Muse Code gibt. Messen Sie Muse Wonder selbst, das API-Modell, mit Ihrer eigenen Arbeitslast.
• Probieren Sie es bei langer, gedächtnisintensiver Arbeit aus. Metas klarste Vorsprünge liegen bei MemoryBench und bei langen Coding-Aufgaben wie DeepSWE. Bei kurzen Coding-Aufgaben in einem einzigen Durchgang erzielt Opus 5.5 auch in Metas eigenem Diagramm noch höhere Werte.
• Prüfen Sie Ihr Budget neu, wenn Sie Muse Spark genutzt haben. Der Wechsel von Muse Spark 1.3 zu Muse Wonder verdreifacht die Eingabekosten ungefähr und verfünffacht die Ausgabekosten fast.
• Planen Sie nicht mit Self-Hosting. Beide Modelle sind geschlossen. FelloAI merkt an, dass die offenen Muse-Spark-Gewichte, die Meta für den 2. September versprochen hatte, noch immer nicht erschienen sind.
• Warten Sie auf den Sicherheitsbericht, bevor Sie dem Modell in der Produktion breiten Zugriff auf Tools geben. Meta hat einen ausführlicheren Bericht angekündigt, aber noch kein Datum genannt.

Die Veröffentlichung setzt eine schnelle Folge von Muse-Updates fort, vom Coding-Update Muse Spark 1.3 im September bis zu den Hardware-Kits Muse Gadgets am 2. Oktober.