Meta a présenté lundi 12 octobre Muse Wonder et Muse Wonder Full, deux modèles taillés pour faire tourner des agents, et affirme avoir rattrapé les meilleurs d'OpenAI et d'Anthropic. Mark Zuckerberg a répété au Financial Times que l'entreprise avait rejoint la pointe du secteur. Le premier classement indépendant, celui d'Artificial Analysis, place la version Full deuxième, à deux points de Claude Opus 5.5.

Deuxième, à deux points

Sur l'Intelligence Index d'Artificial Analysis (version 4.3), Muse Wonder Full obtient 56, contre 58 pour Claude Opus 5.5, le modèle de tête d'Anthropic. La version standard, Muse Wonder, reste à 52. Les deux progressent sur Muse Spark 1.3, le précédent modèle de Meta, mesuré à 48, et gardent une fenêtre de contexte d'un million de tokens ouverte au texte, à l'image, à la vidéo et à l'audio en entrée. Muse Wonder Full fait jeu égal avec Claude Sonnet 5.5 (56) et dépasse GPT-6 Astra d'OpenAI, à 53.

L'écart se resserre sur le code. Sur le Coding Agent Index, Muse Wonder Full atteint 68, à égalité avec Claude Sonnet 5.5 et devant Claude Opus 5.5 (66). Sur Terminal-Bench 4.0, qui mesure la conduite d'un agent en ligne de commande, le taux de réussite passe de 32 % pour Muse Spark à 47 % pour Wonder et 59 % pour Full. Ce sont ces gains agentiques que Meta met en avant comme premier résultat de ses Superintelligence Labs, créés en août 2025.

Ce que le classement nuance

Artificial Analysis pointe aussi les limites. Sur AA-Omniscience, banc de connaissances factuelles, Muse Wonder Full tombe à 30 et la version standard à 25, quand Claude Opus 5.5 obtient 46 et GPT-6 Astra 43. L'accès reste restreint : Muse Wonder Full n'est pas disponible via l'API et exige un abonnement Muse Code, à 50 dollars par mois pour la formule Power, 200 pour la formule Maximum. Seule la version standard est proposée aux développeurs, à 4 dollars le million de tokens en entrée et 20 en sortie, contre 1,25 et 4,25 pour Muse Spark 1.3. À la tâche, Muse Wonder revient 2,8 fois plus cher que son prédécesseur.

L'évaluation indépendante en conditions réelles reste limitée : les scores publiés viennent surtout des bancs, pas d'un usage mesuré sur la durée. Meta avait déjà été prise à optimiser les résultats publiés d'un modèle, avec Llama 4 au printemps 2025. Certaines comparaisons maison ne sont pas alignées non plus. Sur SWE-Marathon, Meta a mesuré son modèle à effort maximal quand les concurrents tournaient en configuration standard. L'intégration de Muse Wonder dans l'application grand public Muse est annoncée, les abonnés servis d'abord.

Sources