Présentation du modèle

Meta a dévoilé le Muse Wonder et sa version Muse Wonder Full, marquant la première sortie d’un modèle frontier par le Superintelligence Lab de l’entreprise. Contrairement à Muse Spark, qui visait la légèreté et la faible latence, les modèles Wonder sont plus volumineux et destinés à des tâches complexes, notamment le codage. La version Full n’est disponible que pour les abonnés de Muse Code et n’est pas exposée via l’API publique, ce qui indique une stratégie de diffusion différenciée entre accès grand public et usage premium.

Performances et benchmarks

Selon la carte modèle publiée par Meta, Muse Wonder atteint des scores de référence comparables à Fable 5.1 et GPT‑6 Astra. Sur le benchmark MemoryBench, qui mesure la capacité de mémorisation continue, le modèle surpasse les mêmes concurrents ainsi que Opus. Cette amélioration repose sur ce que Meta appelle la « active memory », une architecture conçue pour retenir et synthétiser les informations fournies par l’utilisateur sur des périodes allant de jours à plusieurs mois. Le gain de performance s’explique par une échelle de paramètres supérieure, bien que le communiqué ne précise pas le nombre exact de paramètres, il souligne que le modèle se situe « plus haut sur l’échelle de mise à l’échelle » que les versions antérieures.

Coût, accès et implications

L’accès à Muse Wonder se fait via le Meta Model API au tarif de 4 $ par million de jetons d’entrée et 20 $ par million de jetons de sortie, un coût que Meta compare à GPT‑6 Sol ou Opus 5.5. Cette tarification place le modèle dans la même fourchette économique que les solutions concurrentes de pointe, tout en offrant des capacités de mémoire active qui pourraient transformer les assistants personnels. Le modèle a été entraîné au centre de données Prometheus à Ohio, mis en service début 2026, ce qui montre l’infrastructure interne de Meta dédiée aux IA de grande échelle. Le lancement intervient après la réorganisation du département IA dirigée par Alexandr Wang en août 2025, marquant un virage vers des modèles plus ambitieux après la sortie de Muse Spark et du Muse agent. Les implications portent sur la concurrence avec OpenAI et Anthropic, notamment en matière de coût d’utilisation, de disponibilité via API et de capacités de rétention d’information, des critères de plus en plus décisifs pour les développeurs d’assistants virtuels.