Muse Wonder est un modèle de Meta sorti le 12 octobre 2026, conçu pour l’ingénierie logicielle complexe et le travail d’agent de longue haleine selon la documentation de Meta. Selon la documentation de Meta, il lit du texte, des images, de la vidéo, de l’audio et des PDF et produit du texte.
Muse Wonder était, à sa sortie, facturé au-dessus de Muse Spark 1.3 sur OpenRouter. Selon la documentation de Meta, les deux modèles acceptent les mêmes requêtes sur les mêmes points d’accès.
Selon la documentation de Meta, Muse Wonder est conseillé pour les tâches longues et complexes où la capacité compte davantage que le coût par token. Meta cite les modifications de code sur plusieurs fichiers, les agents qui tournent pendant des heures et l’orchestration de sous-agents. Pour le travail à fort volume, sensible au délai de réponse ou au coût, Meta recommande plutôt Muse Spark.
Muse Wonder prend en charge la complétion de chat, l’appel d’outils, les sorties structurées et l’ancrage des réponses sur une recherche web, selon la documentation de Meta. Sur OpenRouter, il peut également appeler des outils et produire des sorties structurées. Selon Meta, à sa sortie, le modèle et Muse Wonder Full appliquaient des connaissances spécialisées aux problèmes du travail et du quotidien, de la compréhension d’un bail à l’interprétation d’informations financières ou de santé.
Active Memory conservait, à sa sortie selon Meta, le contexte important sur l’utilisateur d’une conversation à l’autre et retrouvait les détails utiles à la tâche. Avec Active Focus, le modèle persévérait vers un objectif difficile en essayant d’autres approches, selon Meta à sa sortie. Toujours selon Meta à sa sortie, cette fonction l’amenait aussi à demander des précisions au besoin et à faire le point avec l’utilisateur avant une action importante.
Muse Wonder prend en charge la compréhension d’images, de vidéo et d’audio, selon la documentation de Meta. Selon la page du modèle de Meta, il fait fonctionner des agents qui voient et manipulent des navigateurs, des applications de bureau et des applications mobiles pour accomplir des tâches du quotidien.
Muse Wonder est conçu pour l’ingénierie logicielle complexe et le travail d’agent de longue haleine, selon la documentation de Meta. Dans de vrais dépôts de code, il apporte et vérifie des modifications sur de nombreux fichiers, selon cette documentation de Meta. Toujours selon la documentation de Meta, il planifie, délègue à des sous-agents et appelle des outils en parallèle. Il se remet aussi de ses erreurs sur de nombreuses étapes et suit de près des instructions détaillées, selon la documentation de Meta.
Selon Meta, à sa sortie, le modèle et Muse Wonder Full avaient été entraînés sur des tâches variées et de longue durée pour tenir la progression d’un projet logiciel. Selon l’annonce de Meta à la sortie du modèle, les deux modèles soutenaient des projets allant des petites applications aux logiciels complexes.
Muse Wonder en réflexion max obtient, selon la page du modèle de Meta, 78,8 sur DeepSWE 1.1, consacré au code de longue haleine, contre 79,0 pour Muse Wonder Full en réflexion max.
Sur SWE-Marathon, consacré à l’ingénierie de très longue haleine, il atteint en réflexion max 53,1 contre 57,5 pour Muse Wonder Full en réflexion xhigh, selon la page du modèle de Meta. Pour MemoryBench, qui évalue la mémoire du contexte, il obtient en réflexion max 85,6 contre 85,5 pour Muse Wonder Full en réflexion max, selon la page du modèle de Meta.
Muse Wonder impose la réflexion sur OpenRouter. Sur OpenRouter, les niveaux d’effort proposés sont « max », « xhigh », « high », « medium », « low » et « minimal », avec « medium » par défaut. Selon la documentation de Meta, la réflexion ne peut pas être désactivée : une demande utilisant la valeur « none » renvoie une erreur HTTP 400.
Selon la documentation de Meta, le niveau « max » fait raisonner le modèle plus longtemps que « xhigh » avant de répondre, avec davantage de tokens de réflexion. Meta recommande dans sa documentation de réserver « max » aux travaux où la justesse compte plus que la vitesse, comme traquer un bogue de concurrence ou planifier une grande migration. Selon la documentation de Meta, sur la Meta Model API, le réglage « max » ne sélectionne pas Muse Wonder Full.
Muse Wonder est sorti le 12 octobre 2026, selon Meta, qui l’a annoncé avec Muse Wonder Full. Selon Meta, les deux modèles ont été entraînés dans Prometheus, son centre de données à l’échelle du gigawatt. Selon la documentation de Meta, le modèle accepte du texte, des images, de la vidéo, de l’audio et des PDF, produit du texte et possède une fenêtre de contexte de 1 048 576 tokens. Le tableau des caractéristiques reprend les données relevées sur OpenRouter.
Meta
Chat
Codetoolsstructured_outputstemperaturetop_preasoningresponse_formatmax_tokensMuse Wonder était disponible dans la Meta Model API et dans Muse Code le 12 octobre 2026, selon Meta. À cette date, Muse Wonder Full était accessible aux abonnés de Muse Code, selon Meta.
Selon la documentation de Meta, l’accès par la Meta Model API en paiement à l’usage se limite au mode Standard. Dans ce mode, les contenus envoyés et les réponses du modèle ne servent pas à entraîner les modèles de Meta, selon cette même documentation. La carte d’accès donne les derniers prix relevés.
Pour relier le modèle à votre application
Chez OpenRouter (relevé du 16/10/2026) : 4 $ / M tokens en entrée, 20 $ / M tokens en sortie.
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
Muse Wonder est sorti le 12 octobre 2026. Selon Meta, son annonce a eu lieu le même jour avec Muse Wonder Full, les deux modèles de la série Muse Wonder.
Muse Wonder accepte sur OpenRouter du texte, des images, de la vidéo, des fichiers et de l’audio en entrée. Selon la documentation de Meta, il lit du texte, des images, de la vidéo, de l’audio et des PDF, et produit du texte.
Muse Wonder possède une fenêtre de contexte de 1 048 576 tokens sur OpenRouter. Selon la documentation de Meta, sa fenêtre de contexte est également de 1 048 576 tokens.
Pas besoin d'écrire un bon prompt vous-même. Choisissez un exemple, copiez-le tel quel, puis collez-le dans votre outil pour voir immédiatement le type de réponse obtenu.
Voir comment il rédige un e-mail professionnel à partir d'une situation concrète.
Rédigez un e-mail professionnel et cordial pour relancer un client qui n'a pas encore répondu à une proposition commerciale envoyée il y a une semaine. Le message doit rester chaleureux, ne pas paraître insistant et se terminer par une question simple pour savoir s'il souhaite poursuivre. Faites une version courte, naturelle et directement envoyable.Voir s'il sait rendre un sujet complexe vraiment compréhensible.
Expliquez-moi ce qu'est l'intelligence artificielle générative comme si je n'y connaissais absolument rien. Utilisez des mots simples, donnez deux exemples du quotidien, évitez le jargon et terminez par trois choses importantes à retenir.Voir comment il transforme un projet en étapes simples et concrètes.
Je souhaite créer un nouveau site internet pour une petite entreprise. Organisez le projet étape par étape, depuis la définition des besoins jusqu'à la mise en ligne. Pour chaque étape, indiquez ce qu'il faut préparer, la décision principale à prendre et l'erreur la plus fréquente à éviter. Terminez par les trois premières actions à réaliser cette semaine.Ouvrez votre outil, collez le texte et envoyez. Ensuite, répondez naturellement à l'IA si vous voulez préciser ou modifier le résultat.