Muse Wonder (Max)

Ulasan Lengkap

Muse Wonder (Max) adalah varian effort maksimal dari keluarga Muse Wonder buatan Meta, dan halaman detailnya di Artificial Analysis editorial baca pada 6 November 2026. Baris identitas halaman tercetak sebagai Meta, Muse Wonder max, Proprietary model, dan Released October 2026, sementara bagian tanya-jawab di halaman yang sama memberi tanggal yang lebih spesifik: Muse Wonder (Max) was released on October 12, 2026 — kedua bentuk itu ada di satu halaman, jadi editorial kutip keduanya. Spesifikasi yang terpasang: reasoning Ya dengan penjelasan extended thinking atau chain-of-thought, masukan teks, gambar, suara, dan video, keluaran teks, jendela konteks 1M yang halaman terjemahkan sebagai kapasitas teks dan riwayat percakapan yang bisa diproses dalam satu permintaan, dan status multimodal yang tanya-jawab tegaskan dengan kalimat Yes, Muse Wonder (Max) is multimodal. Sisi kepemilikan tertutup oleh dua kalimat halaman: No, Muse Wonder (Max) is proprietary. The model weights are not publicly available, dan Muse Wonder (Max) is a proprietary model and Meta has not disclosed the model size or parameter count. Yang tidak halaman sediakan: jumlah penyedia yang mana tepatnya, karena ia hanya menulis available via API through 2 providers tanpa menyebut keduanya. Wawasan AI tidak menjalankan model ini sendiri hari ini.

(Sumber data: Artificial Analysis, halaman model, diakses 6 November 2026.) Intelligence index-nya 44, kartu intelijen menulis peringkat #27 dari 69 dengan 3 dari 4 satuan, dan paragraf ringkasan pembanding menulis Muse Wonder (Max) scores 44 on the Artificial Analysis Intelligence Index, placing it above average among comparable models (median: 37); tanya-jawab mengulang angka yang sama dengan frasa pembanding yang sedikit berbeda, yaitu among other models in a similar price tier. Versi indeks yang tercetak di halaman adalah v5.0.1, dan ia disebut menggabungkan sembilan evaluasi: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), dan Terminal-Bench-Science 0.1 — jadi ada evaluasi kode, agen, dan sains di dalamnya, tetapi halaman tidak menampilkan coding index sebagai angka terpisah. Bagian Evaluations measured independently by Artificial Analysis hanya mencetak tab Coding, Agentic, dan Tool Use tanpa nilai numerik untuk model ini, sehingga kolom coding kartu ini tetap kosong dan tidak editorial isi; tanya-jawab pun hanya menyebut komposit secara umum, bahwa indeks ini evaluates models across knowledge work, coding, science, and general knowledge. Angka kelas pembanding yang halaman cetak ikut dicatat apa adanya: 28 of 726 models pada grafik indeks, 28 of 118 models pada satu grafik lain, dan 23 of 43 evaluations pada bagian evaluasi.

Harga pada kartu biaya: masukan $4,00 per juta token, keluaran $20,00 per juta token, diskon cache 95 persen, rata-rata $6,95 per tugas indeks, peringkat biaya 56 dari 68, dan 4 dari 4 satuan. Dua tempat di halaman yang sama membandingkan angka ini dengan nada berbeda, dan keduanya editorial tulis: paragraf ringkasan menulis $4.00 per 1M input tokens (somewhat expensive, median: $2.00) serta $20.00 per 1M output tokens (expensive, median: $10.00), sementara bagian tanya-jawab menulis costs $4.00 per 1M input tokens (somewhat higher than average, median: $2.00) and $20.00 per 1M output tokens (somewhat higher than average, median: $10.00), based on Meta's API. Tanya-jawab juga mencetak tarif campuran $2.94 per juta token pada rasio 7:2:1 cache hit/input/output dan kalimat Pricing may vary by provider. Di bagian metode, halaman menjelaskan bahwa pembanding dikelompokkan menurut rentang harga memakai bauran 3:1 input/output — rasio yang berbeda dari 7:2:1 yang dipakai untuk tarif campuran, dan keduanya tercetak di halaman yang sama. Sebagai pembanding nyata yang editorial baca sehari sebelumnya di halaman GPT-6.1 Terra (Max): indeks 51 dengan $1,00 masuk dan $5,00 keluar serta $0,96 per tugas indeks pada peringkat biaya 13 dari 65 — jadi kartu ini berada empat poin indeks lebih rendah dengan biaya per tugas tujuh kali lebih besar. Semua angka itu tampilan halaman Artificial Analysis, bukan hasil uji tagihan Wawasan AI.

Kecepatan dan latensi justru bagian yang paling bersahabat di kartu ini. Kartu kinerja menulis peringkat #34 dari 67, waktu ke token pertama 21,19 detik, keluaran 129 token per detik, dan 12,4 menit per tugas indeks, dengan 2 dari 4 satuan untuk Performance. Bagian tanya-jawab mengonversinya menjadi kalimat: takes 12.4 minutes per Intelligence Index task (based on Meta's API), which is quicker than average compared to other models in a similar price tier (median: 12.4 minutes; lower is better) — perlu dicatat angka pembandingnya sama persis dengan angka modelnya, jadi klaim quicker than average itu halaman cetak berdampingan dengan median yang identik, dan editorial menuliskannya apa adanya tanpa memilih. Untuk latensi, halaman menulis has a time to first answer token of 21.19s (based on Meta's API), which is somewhat higher than average compared to other models in a similar price tier (median: 16.13s), dan definisi metriknya disebutkan memasukkan waktu berpikir model sebelum jawaban pertama; untuk model non-streaming, angka itu berarti waktu hingga penyelesaian diterima. Verbosity: kartu mencetak 11,4 miliar token masukan, rasio keluaran terhadap masukan 0,99 persen, dan 113M token keluaran dari Intelligence Index pada peringkat 50 dari 68 dengan 3 dari 4 satuan, sementara ringkasan menulis it generated 113M tokens, which is somewhat verbose in comparison to the median of 72.6M. Ringkasan halaman menutup bagian ini dengan kalimat It's also quicker than average per task, however somewhat verbose.

Untuk pengembang di Indonesia, kartu ini paling mudah dibaca sebagai pertanyaan kebutuhan, bukan pertanyaan anggaran. Kalau pekerjaanmu benar-benar menyatukan teks, gambar, suara, dan video dalam satu permintaan — rapat dengan rekaman, materi pelatihan, tangkapan layar aplikasi, video pendek untuk layanan publik — kombinasi empat modalitas masuk dan keluaran teks yang halaman cetak adalah alasan utama membuka kartu ini, dan jendela 1M memberi ruang untuk materi panjang tanpa memecah konteks. Yang harus dihitung lebih dulu adalah biayanya: $6,95 per tugas indeks pada peringkat 56 dari 68 membuat model ini bukan kandidat untuk percakapan publik berfrekuensi tinggi, dan 113M token keluaran untuk satu indeks menunjukkan model ini panjang dalam menjawab — verbosity 0,99 persen itu biaya, bukan gaya. Pola yang sama berulang di kartu-kartu yang editorial baca minggu ini: Terra (Max) menjual indeks 51 pada $0,96 per tugas dengan masukan teks dan gambar saja, sedangkan kartu ini menjual indeks 44 dengan empat modalitas masuk pada $6,95, jadi keputusan yang rasional adalah memakai yang mahal hanya ketika modalitas tambahan itu memang dipakai, bukan sebagai default. Yang tetap harus diuji sendiri sebelum keputusan apa pun: mutu Bahasa Indonesia pada keluaran teks, perilaku waktu ke token pertama 21,19 detik pada koneksi dari wilayah kita, siapa dua penyedia yang menyebut dirinya menjual model ini dan harga yang mereka tagihkan — halaman hanya menulis Pricing may vary by provider tanpa menyebut namanya — serta kepatuhan mengirim data institusi ke model proprietary yang bobotnya tidak tersedia untuk diaudit.