Muse Wonder ist die erste Frontier-Modellreihe, die Meta am 12. Oktober 2026 vorgestellt hat. In der offiziellen Ankündigung präsentierte Meta Muse Wonder und Muse Wonder Full gemeinsam als die bislang leistungsfähigsten Modelle des Unternehmens, mit Spitzenwerten bei persönlichen und beruflichen Agentenaufgaben. Der Start erfolgt vierzehn Monate nach Metas umfassendem Umbau seiner KI-Aktivitäten – und es ist das erste Mal, dass die Superintelligenz-Sparte ein Frontier-Modell gegen OpenAI und Anthropic ins Rennen schickt statt eines Leichtgewichts wie Muse Spark.
Zwei Modelle, zwei unterschiedliche Zugänge
Die beiden Modelle werden nicht gleich vertrieben. Muse Wonder ist ab sofort über die Meta Model API und Muse Code verfügbar; TechCrunch berichtete am selben Tag von API-Preisen von 4 US-Dollar pro Million Eingabe-Tokens und 20 US-Dollar pro Million Ausgabe-Tokens, ungefähr auf dem Niveau von GPT-6 Sol und Claude Opus 5.5. Muse Wonder Full bleibt dagegen Abonnenten von Muse Code vorbehalten und wird nicht über die API angeboten. Beide Modelle sollen später auch Metas Agentenprodukt Muse antreiben, zunächst für Abonnenten. Im Intelligence Index von Artificial Analysis, der am selben Tag veröffentlicht wurde, erreicht Wonder 52 und Wonder Full 56 Punkte; Meta selbst beschreibt die Benchmark-Leistung als vergleichbar mit Fable 5.1 und GPT-6 Astra. Weder die Herstellerwerte noch der Fremdindex sind bislang unabhängig reproduziert; die reale Lücke zeigt sich erst, wenn Entwickler eigene Aufgaben damit fahren.
Aktives Gedächtnis und aktiver Fokus gegen zwei alte Schwächen langer Aufgaben
Auffällig ist die Reihenfolge der Verkaufsargumente: Meta stellt das Gedächtnis vor das Coding. Active Memory bezeichnet die Fähigkeit, für Nutzer Wichtiges über Gespräche hinweg zu behalten und bei einer neuen Aufgabe die passenden Details selbst hervorzuholen; im MemoryBench, einem Test für kontinuierliches Lernen und Gedächtnisaufbau, liegt Wonder nach Angaben von Meta über Fable, Opus und Astra. Active Focus betrifft die Ausführung: Wird eine Aufgabe hart, arbeitet das Modell weiter auf das Ziel hin, versucht andere Wege, erholt sich von Fehlern und fragt nur vor wichtigen Schritten nach. Als Einsatzfelder nennt Meta Versicherungsfälle, Mietverträge und private Finanzen – also materialreiche, mehrtägige Facharbeit – sowie Recht, Finanzen, Gesundheit und Frontier-Coding. Dahinter steht ein offenes Eingeständnis: Der Engpass für Agenten ist nicht mehr nur die Qualität einzelner Antworten, sondern ob ein Modell Kontext behalten und eine lange Aufgabe zu Ende bringen kann.
Trainingsstandort, Sicherheitsrahmen und offene Punkte
Trainiert wurden die Modelle nach Unternehmensangaben in Metas Prometheus-Rechenzentrum in Zentral-Ohio, das früher in diesem Jahr in Betrieb ging. Zur Sicherheit erklärt Meta, die Familie sei darauf trainiert, private Informationen nicht ohne Erlaubnis zu teilen, Hilfe zu tatsächlich schädlichen Handlungen zu verweigern und nach den Standards des eigenen Skalierungsrahmens für Superintelligenz bewertet zu werden; ein vollständiger Sicherheitsbericht soll folgen. Mehrere Kernangaben fehlen jedoch: Kontextfenster, Parameterumfang und Wissensstichtag wurden nicht veröffentlicht, und weil Wonder Full nicht über die API läuft, können Unternehmen die stärkste Version vorerst nicht aus eigenen Systemen aufrufen. Wo das Modell wirklich steht, entscheidet sich erst an zwei Punkten: an der Leistung bei langen Aufgaben für Muse-Abonnenten und an unabhängigen Nachmessungen der Gedächtnis-Benchmarks. Bis dahin ist dieser Start eher Metas Signal, wieder am Frontier-Tisch zu sitzen, als ein verifiziertes Generationsurteil.
