Meta bringt Muse Wonder auf den Markt – ihr erstes Frontier-Modell zum Preis von 4 Dollar pro Million Eingabe-Tokens

Nachrichtenübersicht

Meta hat Muse Wonder und Muse Wonder Full veröffentlicht, die TechCrunch als den ersten Versuch des Unternehmens an einem echten Frontier-Modell beschreibt. Die Modelle stammen von Meta Superintelligence Labs. Sie wurden am Montag, dem 12. Oktober 2026, angekündigt, und der Bericht von TechCrunch trug den Zeitstempel 10:56 Uhr Pazifikzeit. Meta bezeichnet die Veröffentlichung als „den nächsten Schritt auf unserer Skalierungsleiter und einen großen Sprung hin zu persönlicher Superintelligenz.“ Die meisten der folgenden Details stammen aus der Berichterstattung von TechCrunch und Metas eigenen Materialien. Zum Zeitpunkt der Erstellung dieses Artikels fanden wir keine unabhängige Berichterstattung, die die Benchmark-Behauptungen bestätigt.

Was Meta veröffentlicht hat

Es gibt zwei Modelle: Muse Wonder und Muse Wonder Full. Sie sind größer als Muse Spark, das leichte, latenzarme Modell, das Meta zuvor auf den Markt gebracht hat. Meta gibt an, dass sie leistungsfähiger sind, mit höheren Benchmark-Werten als Spark und stärkeren Ergebnissen bei komplexen Aufgaben wie Programmierung.

Muse Spark debütierte am 8. April 2026 als erstes Modell von Meta Superintelligence Labs. Sekundärberichte beschrieben es damals als ein multimodales Reasoning-Modell mit geschlossenen Gewichten. Meta räumte Lücken bei langfristigen agentischen Aufgaben und Programmierung ein – genau die Bereiche, die die Wonder-Modelle verbessern sollen.

Aktives Gedächtnis als Hauptmerkmal

Metas zentrales Verkaufsargument ist das „aktive Gedächtnis“, also die Fähigkeit, über lange Zeiträume Informationen über einen Nutzer zu behalten und zu synthetisieren. Kavya Kopparapu, Forschungswissenschaftlerin bei Meta, sagte in einem Einführungsvideo: „Wir haben enorme Anstrengungen unternommen, um sicherzustellen, dass Ihr Modell sich merken kann, was Ihnen wichtig ist.“

Für Lernende und Entwickler ist dies ein bemerkenswertes Designziel. Die meisten Assistenten behandeln jedes Gespräch als weitgehend getrennt. Ein Modell, das ein dauerhaftes Bild der Vorlieben und Projekte eines Nutzers aufbaut und aktualisiert, muss entscheiden, was es behalten, was es zusammenfassen und was es verwerfen soll. Das ist für sich genommen ein Forschungsproblem.

Benchmark-Behauptungen

Laut der Modellkarte zeigen Metas eigene Tests, dass Wonder und Wonder Full vergleichbare Ergebnisse wie Fable 5.1 und GPT-6 Astra erzielen. Auf MemoryBench (arXiv 2510.17281), einer Benchmark für kontinuierliches Lernen und Gedächtnisaufbau, soll Muse Wonder höhere Werte erzielen als Fable, Opus oder Astra.

Diese Zahlen stammen aus eigener Quelle. Vom Anbieter durchgeführte Benchmarks weichen oft von unabhängigen Bewertungen ab, und Gedächtnis-Benchmarks sind noch jung. Unabhängige Tests von Drittanbietern werden der wahre Prüfstein sein.

Verfügbarkeit und Preise

Der Zugang ist auf die beiden Modelle aufgeteilt:

• Muse Wonder ist über die Meta Model API verfügbar.
• Muse Wonder Full ist auf Muse-Code-Abonnenten beschränkt und wird nicht über die API bereitgestellt.
• Beide Modelle werden den Muse-Agenten antreiben, den Meta im September 2026 eingeführt hat.

Die API-Preise für Muse Wonder betragen 4 Dollar pro Million Eingabe-Tokens und 20 Dollar pro Million Ausgabe-Tokens. TechCrunch merkt an, dass dies in etwa auf dem Niveau von GPT-6 Sol oder Opus 5.5 liegt.

Trainingsinfrastruktur

Die Modelle wurden im Prometheus-Rechenzentrum von Meta im Zentrum von Ohio trainiert, das Anfang 2026 in Betrieb ging. TechCrunch berichtet nicht über Parameteranzahl, Architektur, Kontextfenster oder Details zu den Trainingsdaten, und Meta hatte diese in dem von uns geprüften Material nicht veröffentlicht.

Warum das wichtig ist

Alexandr Wang, Gründer von Scale AI, hat Metas KI-Bemühungen im August 2025 umstrukturiert. Seitdem hat Meta Muse Spark und den Muse-Agenten ausgeliefert, aber kein Modell, das an der Spitze des Feldes mitspielt. Wonder ist die erste Veröffentlichung, die genau darauf ausgerichtet ist.

Zwei Dinge sind es wert, beobachtet zu werden. Erstens, ob unabhängige Bewertungen den von Meta behaupteten Benchmark-Gleichstand bestätigen. Zweitens, ob das aktive Gedächtnis im täglichen Gebrauch gut funktioniert, denn darauf setzt Meta.