Meta Muse Wonder: Was Leistung und API-Zugang kosten

Meta erweitert sein Modellangebot um Muse Wonder und Muse Wonder Full. Die am 12. Oktober 2026 vorgestellten Modelle sind für anspruchsvolle Programmier- und Agentenaufgaben gedacht. Für Unternehmen lohnt sich ein genauer Blick auf die Unterschiede: Das Standardmodell lässt sich über die API nutzen, die größere Full-Variante zunächst nur in ausgewählten Muse-Code-Abos. Die Einführung in den persönlichen Assistenten Muse hat Meta angekündigt. (Quelle: Meta)

Was Muse Wonder über die API kostet

Für das Standardmodell nennt Meta je Million Tokens 4 US-Dollar für Eingaben, 0,20 US-Dollar für zwischengespeicherte Eingaben und 20 US-Dollar für Ausgaben. Tokens sind die Einheiten, in die das Modell Inhalte zerlegt; bei Text können das Wörter, Wortteile oder Satzzeichen sein. Für lange Kontexte verlangt Meta keinen Aufschlag. Die optionale Websuche kostet zusätzlich 2,50 US-Dollar je 1.000 Suchanfragen. (Quelle: Meta-Preisliste)

Ein einfaches Rechenbeispiel: 10.000 nicht zwischengespeicherte Eingabetokens und 2.000 Ausgabetokens kosten zusammen 0,08 US-Dollar. Bei 1.000 solchen Durchläufen wären es 80 US-Dollar, ohne zusätzliche Werkzeuge. Ein Agent kann für einen Auftrag mehrere Modellaufrufe benötigen. Entscheidend ist deshalb die Rechnung pro erfolgreich erledigter Aufgabe, einschließlich Wiederholungen und anschließender Kontrolle.

Wonder Full ist ein eigenes Modell

Muse Wonder Full steht laut Meta in Muse Code mit Power Usage für 50 US-Dollar oder Maximum Usage für 200 US-Dollar pro Monat bereit. Die genannten API-Tokenpreise gelten für Standard-Wonder. Auch die höchste Reasoning-Einstellung des Standardmodells schaltet Full nicht frei. Muse Spark bleibt im Angebot; Meta empfiehlt es weiterhin für Anwendungen, bei denen Antwortzeit, Kosten oder hohe Anfragezahlen besonders wichtig sind. (Modellübersicht, Auswahlhilfe von Meta)

Was die Benchmarks zeigen

Artificial Analysis bewertet Muse Wonder in der Konfiguration „max“ mit gerundet 52 Punkten im Intelligence Index, Wonder Full mit 56. Der Unterschied zwischen den Varianten gehört also in jeden VergleichFinden Sie die richtigen KI-Tools für Ihr Unternehmen.. Ein Gesamtwert fasst mehrere Tests zusammen und beantwortet noch nicht, welches Modell die eigenen Aufgaben am zuverlässigsten löst. (Quelle: Artificial Analysis)

Im internen Meta-Test MemoryBench erreicht Standard-Wonder 85,6 Punkte, GPT-6 Astra 81,4. Der Test untersucht den Informationsabruf aus langen Gesprächen. Das ist eine Herstellerangabe und kein unabhängiger Nachweis fehlerfreier Erinnerung im Alltag. Metas Model Card nennt weiterhin falsche Antworten und Fehler bei mehrstufigen Aufgaben als Grenzen. (Quelle: Meta Model Card)

So wird daraus eine belastbare Kaufentscheidung

Für einen Pilotversuch würde ich typische Aufgaben mit klaren Erfolgskriterien auswählen: etwa einen Fehler im Code beheben, einen längeren Vorgang auswerten oder einen mehrstufigen Ablauf planen. Vergleichen Sie Qualität, Bearbeitungszeit, Gesamtkosten und nötige Nacharbeit. Ein höherer Tokenpreis kann sich rechnen, wenn weniger Versuche oder Korrekturen nötig sind. Für eine einfache Aufgabe kann ein günstigeres Modell genügen.

Prüfen Sie außerdem die Datenverwendung. Muse-Code-Abos starten laut Dokumentation im Contributor-Modus, in dem übermittelte Inhalte und Antworten zum Training künftiger Modelle verwendet werden dürfen. Dieser Modus lässt sich abschalten. Vertraulichen Code oder Firmendokumente sollten Teams erst nach Prüfung der Einstellungen und ihrer internen Freigaben einsetzen. (Quelle: Muse-Code-Dokumentation)

Wie Modellwahl und Aufgabenteilung zusammenhängen, zeigt auch unser Beitrag zu Claude Dynamic Workflows. Weitere Entwicklungen verfolgen wir im Ressort KI-Agenten.