Meta udostępniła Muse Wonder w płatnym API i narzędziu Muse Code, więc nowy model agentowy można już podłączyć do własnej aplikacji albo pracy z kodem. Premiera z 12 października 2026 roku przyniosła też mocniejszy wariant Full, pamięć między rozmowami i mechanizm podtrzymywania długich zadań. Cennik, kanały dostępu i dokumenty bezpieczeństwa wymagają jednak uważnego czytania, bo Meta rozdzieliła je między kilka stron.
Czym jest nowy model Meta i gdzie jest dostępny
Nowy model Meta jest przygotowany do zadań agentowych, czyli takich, w których system planuje pracę, używa narzędzi i wykonuje kilka kroków prowadzących do celu. Firma wymienia programowanie, obsługę komputera oraz analizę spraw z obszaru prawa, finansów i zdrowia. Te przykłady opisują plan zastosowań producenta. Poprawność w każdej z wymienionych dziedzin wymaga osobnej oceny.
Wariant podstawowy jest dostępny przez Meta Model API oraz Muse Code. Dokumentacja Meta Model API opisuje interfejs zgodny z popularnymi bibliotekami OpenAI, więc w istniejącej aplikacji zwykle wystarczy zmiana adresu usługi, klucza i nazwy modelu. Dokumentacja określa go jako wersję zapoznawczą. Firma może jeszcze zmieniać limity, zachowanie i szczegóły rozliczeń.
Full ma węższy dostęp. Oficjalna strona modelu kieruje użytkownika do subskrypcji Muse Code i nie pokazuje ceny za tokeny ani dostępu przez Model API. Ten wariant działa w planach Power Usage i Maximum Usage. Parametry wersji podstawowej nie opisują automatycznie mocniejszej odmiany.
Ile kosztuje Muse Wonder w API i Muse Code
Muse Wonder kosztuje 4 USD za milion tokenów wejścia, a wejście odczytane z pamięci podręcznej kosztuje 0,20 USD. Stawka za milion tokenów wyjścia wynosi 20 USD. Ceny producent podaje dla Meta Model API. Okno kontekstu ma 1 048 576 tokenów, co pozwala przekazać modelowi rozbudowany projekt lub zestaw dokumentów. Wysoki limit nie gwarantuje, że model równie dobrze wykorzysta każdą część tak długiego materiału.
Cennik Muse Code obejmuje cztery plany miesięczne: 5, 15, 50 i 200 USD. Według strony modelu wariant Full jest dostępny dopiero w planach za 50 oraz 200 USD. Meta nie publikuje jego osobnej stawki tokenowej. Plan Everyday obejmuje od 10 do 50 poleceń na pięć godzin. High, Power i Maximum oferują odpowiednio 5, 20 i 80 razy większe użycie względem Everyday. Taki zapis utrudnia dokładne porównanie z narzędziami rozliczanymi wyłącznie za tokeny.
Oficjalne strony pokazują ceny w dolarach. Nie znaleźliśmy osobnego cennika w złotych ani listy krajów z lokalnymi warunkami rozliczeń. Przed wdrożeniem w firmie trzeba sprawdzić konto, dane do faktury oraz rzeczywistą dostępność usługi dla organizacji.
Subskrypcje Muse Code domyślnie włączają Contributor mode. W zamian za wyższe limity Meta może używać przesłanych poleceń, kodu, plików, kontekstu oraz odpowiedzi do trenowania przyszłych modeli. Tryb można wyłączyć w ustawieniach, co obejmuje przyszłe treści. Przy kodzie firmowym ten przełącznik trzeba sprawdzić przed pierwszą sesją.
Pierwsza Misja AI · Kodożercy
AI zmienia rynek pracy. Zacznij rozumieć, o co chodzi.
Kurs Pierwsza Misja AI to najkrótszy kurs, po którym naprawdę rozumiesz AI, a na koniec możesz to pokazać certyfikatem. Fabuła w konwencji science fiction i gamifikacja sprawiają, że nie nudzisz się ani minuty.
Dołącz do kursantów →
Active Memory i Active Focus w praktyce
Active Memory ma przenosić między rozmowami informacje, które model uzna za istotne dla użytkownika. W zwykłym czacie nowa rozmowa często zaczyna się od ponownego opisania projektu, upodobań i wcześniejszych decyzji. Według Meta system może przywołać właściwy fragment historii wtedy, gdy pasuje do bieżącego zadania.
To wygodne, ale od razu rodzi pytanie o kontrolę. W firmowym użyciu trzeba wiedzieć, jakie dane trafiają do pamięci, jak długo są przechowywane i kto może je usunąć. Komunikat zapowiadający premierę opisuje pożądane zachowanie modelu. Nie zastępuje instrukcji dla administratora ani polityki retencji danych.
Active Focus ma utrzymywać pracę nad celem, gdy pierwsze podejście zawiedzie. Model może spróbować innej drogi, wrócić po błędzie, poprosić o doprecyzowanie i sprawdzić zgodę przed ważnym działaniem. Ta funkcja ma sens przy agentach pracujących przez kilka godzin. Jednocześnie każda kolejna próba zużywa tokeny i zwiększa liczbę czynności, które trzeba rejestrować oraz kontrolować.
Benchmarki Meta wymagają niezależnego sprawdzenia
Meta publikuje wyniki, w których Wonder i Wonder Full osiągają czołowe rezultaty w zadaniach agentowych oraz programistycznych. Zestawienie łączy testy wewnętrzne z wynikami stron trzecich, dostawców modeli i oficjalnych rankingów. Dobór danych oraz ich prezentacja pozostają częścią materiału producenta. Nie rozstrzygają jakości w konkretnym repozytorium, języku ani procesie firmy.
Najuczciwszy test zaczyna się od własnego zestawu zadań. W przypadku kodu warto zmierzyć liczbę poprawnych zmian, czas do przejścia testów, koszt tokenów i liczbę poprawek wykonanych przez człowieka. Przy pracy na dokumentach liczy się zgodność ze źródłem oraz odsetek odpowiedzi, których nie da się potwierdzić. Dopiero taki pomiar pozwala zestawić model Meta z Gemini 4 Argon lub narzędziem używanym obecnie.
Dokumentacja bezpieczeństwa też ma ważny niuans. Meta udostępnia trzynastostronicową kartę modelu z oceną ryzyk i bezpieczeństwa. Komunikat biura prasowego nadal zapowiada osobny pełny raport z dodatkowymi testami. Do czasu jego publikacji nie znamy całego zestawu ocen, na który powołuje się firma.
Model bez otwartych wag
Model jest dostarczany jako usługa przez API i Muse Code. Meta nie opublikowała jego wag do pobrania i lokalnego uruchomienia. Nie oznacza to odejścia od otwartych modeli, bo w tej samej dokumentacji firma udostępnia do pobrania mniejszy Muse Glimmer na licencji Apache 2.0. Najmocniejszy model z rodziny Muse pozostaje jednak dostępny wyłącznie jako usługa.
Dla użytkownika API oznacza to prostszy start oraz brak potrzeby utrzymywania własnych kart graficznych. Ceną jest zależność od cennika, limitów i zasad dostawcy. Dane opuszczają też środowisko organizacji zgodnie z warunkami usługi. Firmy, które wymagają pełnej kontroli nad modelem, nadal powinny porównać tę ofertę z modelami o dostępnych wagach uruchamianymi lokalnie.
Jak sprawdzić Muse Wonder przed wdrożeniem
Najpierw wybierz jedno zadanie, które dziś ma znany koszt i wynik. Dobrym kandydatem jest poprawka w repozytorium z testami albo analiza dokumentów z przygotowanym kluczem odpowiedzi. Zapisz pełny prompt, użyte narzędzia, liczbę prób, koszt oraz czas pracy człowieka. Ten sam zestaw uruchom na obecnym modelu.
W kolejnym kroku sprawdź mechanizmy kontroli. Agent powinien pytać przed działaniem, którego skutków trudno cofnąć. Log musi pokazać wywołania narzędzi i dane wysłane do zewnętrznych usług. Active Memory wymaga osobnego testu: zapisz neutralną informację, wróć do niej w nowej rozmowie, a potem sprawdź możliwość poprawienia i usunięcia zapisu.
Na końcu policz koszt całego procesu, w tym nieudane próby i odpowiedzi wyjściowe po 20 USD za milion tokenów. Cena wejścia wygląda umiarkowanie, ale agent generujący długie pliki może szybko przesunąć rachunek na stronę droższego wyjścia.
Podsumowanie
Model jest dostępny przez Meta Model API i Muse Code, a jego mocniejszy wariant Full trafia do planów Muse Code za 50 oraz 200 USD miesięcznie. Standardowa wersja kosztuje 4 USD za milion tokenów wejścia. Milion tokenów wyjścia kosztuje 20 USD. Active Memory ma zachowywać istotny kontekst między rozmowami, a Active Focus podtrzymywać pracę nad długim zadaniem. Obie funkcje wymagają sprawdzenia na własnych danych, z kontrolą kosztu, pamięci i działań agenta. Opublikowane zestawienie benchmarków łączy wyniki Meta, stron trzecich, innych dostawców i oficjalnych rankingów. Pełny raport dodatkowych testów bezpieczeństwa pozostaje zapowiedziany, a wagi modelu nie są udostępnione. Przed wdrożeniem najlepiej porównać nowy model z obecnym narzędziem na tym samym, zamkniętym zestawie zadań.
Newsletter · DevstockAcademy & Kodożercy
Bądź na bieżąco ze światem IT, AI i automatyzacji
Co wtorek: newsy z branży, praktyczne tipy i narzędzia które warto znać. Zero spamu.
