‏Muse Wonder متا تو بنچمارک‌ها به صدر رسید

متا مدل جدیدش Muse Wonder رو منتشر کرده و این اولین باره که امتیازهای یه مدل متا نزدیک صدر جدول مدل‌های بسته، کنار Claude Opus 5.5، Claude Sonnet 5.5 و Gemini 4 Argon قرار می‌گیره. تو Deep Suite که یه بنچمارک معروف کدنویسیه، امتیاز ۷۹ درصد گرفته که طبق گزارش‌ها بهترین عدد بین مدل‌های سطح بالاست. روی Super Intelligence Index، بنچمارک حقوقی Harvey و یه بنچمارک تحلیل مالی هم نتایجش در حد بهترین‌ها یا نزدیک بهشون بوده.

تو شاخص ترکیبی Artificial Analysis، یعنی امتیازی که چند بنچمارک رو با هم ترکیب می‌کنه، Muse Wonder بالاتر از Gemini 4 Argon، GPT 6 Astra و Claude Fable 5.1 ایستاده. با Claude Sonnet 5.5 مساویه و حدود دو امتیاز از Opus 5.5 عقب‌تره. قیمتش ۴ دلار برای هر میلیون توکن ورودی و ۲۰ دلار برای هر میلیون توکن خروجی هست و از نظر هزینه به ازای هر کار، پنجمین مدل گرون بین مدل‌های تست‌شده‌ست.

ولی به گفته‌ی مقاله، تو تست عملی ماجرا فرق می‌کرد. یکی از منتقدها مدل رو «S tier» دونست، ولی وقتی ازش خواستن یه بازی سه‌بعدی platformer بسازه، مکانیک‌های بازی مثل دوربین، پرش و دویدن درست کار می‌کردن ولی گرافیک خیلی ساده بود: یه آدم‌برفی که تو یه محیط خالی چوب تکون می‌ده. نسخه‌ی Gemini 4 Argon تمیزتر بود و Opus 5.5 کامل‌ترین نتیجه رو داد. تو یه رتبه‌بندی تولید تصویر که یه LLM داوری‌ش می‌کنه هم Muse Wonder چهاردهم شد.

نویسنده می‌گه چون Opus 5.5 با قیمت مشابه تو تست‌های مستقیم بهتر بوده، الان دلیل محکمی برای انتخاب Muse Wonder به‌جاش وجود نداره، مگه اینکه به اکوسیستم یا شرایط API متا وابسته باشی. اهمیت اصلی این مدل از نظر نویسنده رقابتیه: متا، گوگل و xAI سر جایگاه سوم بعد از OpenAI و Anthropic رقابت می‌کنن و متا فاصله رو کم کرده. نتیجه اینه که صدر جدول شلوغ شده و چند آزمایشگاه نزدیک هم ایستادن.

متا هم‌زمان مدل open-weight (یعنی با وزن‌های قابل دانلود) Muse Spark Open رو هم منتشر کرده که حدود ۸۰۰ میلیارد پارامتر داره و ۴۲ میلیاردش هر بار فعاله. حتی نسخه‌ی FP4 این مدل حدود ۷۰۰ گیگابایت حافظه‌ی گرافیکی می‌خواد. جمع‌بندی نویسنده اینه که بنچمارک‌ها رو باید فیلتر اولیه دید، نه حکم نهایی، و قبل از انتخاب مدل باید روی کار واقعی خودت تستش کنی.

نکات کلیدی:

• Muse Wonder تو بنچمارک کدنویسی Deep Suite امتیاز ۷۹ درصد گرفته.
• تو شاخص Artificial Analysis حدود دو امتیاز پشت Claude Opus 5.5 و هم‌سطح Claude Sonnet 5.5 هست.
• قیمت: ۴ دلار برای هر میلیون توکن ورودی و ۲۰ دلار برای هر میلیون توکن خروجی.
• تو رتبه‌بندی تولید تصویر با داور LLM رتبه‌ی چهاردهم رو گرفته.
• تو تست ساخت بازی سه‌بعدی، Opus 5.5 و Gemini 4 Argon خروجی تمیزتری داشتن.