Muse Wonder Full и Gemini 4 Argon: бенчмарки и доступ

Запуск Meta Muse Wonder выводит две близко названные модели в конкурентное поле. Поэтому первый вопрос оказывается необычно практичным: вы рассматриваете Muse Wonder или Muse Wonder Full?

По данным Artificial Analysis, в Intelligence Index v4.3 модель Wonder получила 52 балла, а Wonder Full — 56 баллов; обе оценки приведены при максимальном уровне усилий рассуждения. Китайская статья, опубликованная повторно на BAAI Hub, акцентирует внимание на том, что Full опережает заявленный результат Gemini 4 Argon в 53 балла. Это сравнение бенчмарков для конкретных конфигураций моделей, а не доказательство того, что какой-либо вариант Wonder побеждает во всех реальных задачах.

Две модели Wonder и два пути доступа

В официальном анонсе Meta говорится, что Muse Wonder доступна через Meta Model API и Muse Code. Muse Wonder Full доступна подписчикам Muse Code. Компания сообщает, что позднее Wonder будет поддерживать возможности в её ассистенте Muse, начиная с подписчиков.

Эти различия важны при попытке воспроизвести опубликованный результат. Доступ к Wonder через API — не то же самое, что оценка Full через продукт для программирования.

Диаграмма: Artificial Analysis, воспроизведённая и аннотированная в отчёте QbitAI на BAAI Hub. Она отражает сравнение, приведённое источником на момент публикации.

Artificial Analysis также сообщает о контекстных окнах в один миллион токенов для обоих вариантов. В его анализе запуска указаны API-цены Wonder: 4 доллара за миллион входных токенов, 0,20 доллара за миллион кэшированных входных токенов и 20 долларов за миллион выходных токенов. Для Full в этом анализе не указана цена за токены, поскольку на момент запуска доступ к ней предоставлялся через продукт по подписке.

Статья BAAI подчёркивает более ограниченный доступ к Gemini 4 Argon на момент публикации. Условия доступности могут быстро меняться, поэтому это историческое сравнение не следует трактовать как обещание текущих правил доступа у какого-либо из поставщиков.

Что Meta подразумевает под «Активной памятью» и «Активной концентрацией»

Meta представляет Wonder как семейство моделей для персональных и профессиональных агентов. В её анонсе две повторяющиеся возможности имеют отдельные названия.

Активная память связана с сохранением важной информации между разговорами и извлечением деталей, релевантных новой задаче. Для персонального ассистента это может означать использование уже известного предпочтения без необходимости каждый раз просить пользователя повторять его.

Активная концентрация связана с продолжением движения к цели, когда первая попытка оказывается неудачной. Meta описывает поиск альтернативных подходов, адаптацию к новой информации, запрос уточнений при необходимости и проверку перед важными действиями.

Для программирования необходимы оба типа поведения. Агенту может потребоваться сохранять исходное ограничение, проходя через несколько циклов правок, сбоев тестов и доработок. По словам Meta, модели Wonder обучались на разнообразных задачах, требующих продолжительной работы, с опорой на подход к масштабированию, использованный для Muse Spark.

Почему результаты в программировании могут выглядеть противоречиво

Источник противопоставляет высокие результаты в бенчмарках программной инженерии неоднозначным отзывам о демонстрациях 3D-игр. Это разные типы нагрузки, даже если в обоих случаях модель должна писать код.

DeepSWE 1.1 тестирует работу с существующим программным обеспечением, тогда как ProgramBench относится к созданию программ с нуля. В таблице сравнения из материалов Meta о запуске указаны 59,0 для Wonder Full и 70,5 для Claude Opus 5.5 в ProgramBench. Следовательно, модель может лидировать в одном типе инженерных задач и отставать в другом.

В исходном отчёте также описаны разработчики, предпочитавшие Opus для демонстрации Unity, и другой разработчик, сообщивший об успешном запуске Wonder Full. Это отдельные наблюдения с разными промптами, средами и критериями успеха. Их расхождение — повод изучить настройку задачи, а не усреднять отдельные отзывы в универсальный рейтинг.

Ещё одно уточнение важно для длительных тестов программного обеспечения: в карточке модели Meta указано, что её сравнение SWE-Marathon использует кодовых агентов конкурирующих поставщиков, включая Codex и Claude Code. Это делает результат релевантным для сквозного сравнения продуктов, но не является контролируемым сравнением, в котором каждая модель использует одну и ту же агентную среду.

Полезный тест для вашей собственной работы

1. Выберите задачу, представляющую ваш реальный репозиторий или продукт.
2. Зафиксируйте точный вариант модели, настройку рассуждений и агентную среду.
3. Сохраняйте едиными критерии приёмки и доступные инструменты.
4. Сравнивайте пройденные тесты, ручные исправления, затраченное время и потребление ресурсов.

Такой подход даёт практическое дополнение к заголовочному бенчмарку. Модель, которая создаёт менее впечатляющую игровую демонстрацию, всё равно может быть полезна для задач сопровождения, а высокий индексный балл не оправдывает неработающий результат.

Часто задаваемые вопросы

Что такое Muse Wonder Full?

Это полный вариант в семействе моделей Meta Muse Wonder. В анонсе запуска Meta указывает его доступность для подписчиков Muse Code, тогда как обычный вариант Wonder также имеет API-доступ.

Превзошла ли Muse Wonder Full Gemini 4 Argon?

В приведённом источником сравнении Intelligence Index на момент запуска Wonder Full получила 56 баллов, а Gemini 4 Argon — 53. Это описывает конкретный индекс и показанные конфигурации, а не результат для всех задач и оценок.

Доступна ли Muse Wonder Full через Meta Model API?

В анонсе Meta различаются два пути доступа. Wonder указана для API и Muse Code, а Full — для подписчиков Muse Code.

Сколько стоит API Muse Wonder?

В материалах Artificial Analysis о запуске указаны 4 доллара за миллион входных токенов, 0,20 доллара за кэшированный вход и 20 долларов за выходные токены. Это цены, заявленные на момент публикации, поэтому перед развёртыванием проверьте условия биллинга поставщика.

В чём разница между «Активной памятью» и «Активной концентрацией»?

Активная память связана с извлечением полезной информации из предыдущих разговоров. Активная концентрация связана с устойчивым выполнением задачи, включая поиск другого подхода при возникновении препятствия.

Доказывают ли слабые игровые демонстрации, что модель плохо программирует?

Они показывают слабость в конкретных задачах и настройках. Более широкая оценка программирования также включает сопровождение репозиториев, отладку, использование инструментов и выполнение требований в длительных рабочих процессах.

Связанные инструменты

• Muse Wonder и Wonder Full: семейство моделей Meta ориентировано на задачи персональных и профессиональных агентов.
• Artificial Analysis: платформа оценки сравнивает интеллект, производительность и стоимость моделей.
• Muse Spark: более раннее семейство моделей Meta даёт контекст для результатов масштабирования Wonder.

Связанные ссылки

• Исходный отчёт BAAI Hub: ознакомьтесь с материалом QbitAI на китайском языке о сравнении при запуске и реакциях разработчиков.
• Анонс Meta Muse Wonder: первичный анонс определяет доступ, память, концентрацию и цели в программировании.
• Оценка запуска от Artificial Analysis: независимый анализ приводит оценки, размеры контекстных окон и API-цены.
• Методология бенчмаркинга Artificial Analysis: изучите, как организованы оценки интеллекта.
• Страница модели Muse Wonder Full: просмотрите запись об этой модели на платформе оценки.
• Представление Muse Spark: Meta объясняет более раннее семейство моделей и свой подход к масштабированию.

Итог

Высокие оценки Wonder Full на момент запуска делают её релевантным вариантом для требовательной агентной работы. Обычная модель Wonder имеет другой балл и иной путь доступа, поэтому название варианта должно сопровождать любое утверждение о производительности.

Используйте рейтинги бенчмарков, чтобы выбрать кандидата для тестирования, а затем сравните точную модель на работе, которую она должна выполнить для вас.