Muse Wonder Full против Sonnet 5.5 и Opus 5.5: что показывает рейтинг

Meta выпустила Muse Wonder Full — и Artificial Analysis уже посчитала, где она стоит рядом с топовыми моделями Claude. По Intelligence Index v4.3 на максимальном reasoning effort Muse Wonder Full обгоняет Fable 5.1, идёт на одном уровне с Sonnet 5.5 и чуть отстаёт от Opus 5.5. Разбираю, что стоит за этими формулировками и кому вообще нужно в это вглядываться.

Где Muse Wonder Full в рейтинге

Meta выпустила сразу две модели — Muse Wonder и Muse Wonder Full. По Intelligence Index v4.3 на max reasoning effort Muse Wonder набрала 52 балла, Muse Wonder Full — 56. Предыдущая модель линейки, Muse Spark 1.3 (max), набирала 48. Разрыв между релизами — всего 6 недель, и Artificial Analysis прямо называет это «material gain» — заметным приростом, а не статистической погрешностью.

За полтора месяца Meta подняла собственный максимум почти на 8 баллов. Для одной компании за один цикл релизов это быстро — обычно такой прирост растягивается на полгода и больше.

Что показывает разница с Fable 5.1

Artificial Analysis пишет прямо: Muse Wonder Full (max) обгоняет Fable 5.1 (max). Это не самая новая и не топовая модель линейки Claude, но она из той же семьи, и это первый раз, когда модель Meta в этом рейтинге оказывается выше одной из моделей Anthropic, а не просто рядом в общем списке.

Для читателя это не повод переписывать стек с Claude на Muse — один пункт в рейтинге не заменяет твой собственный тест на твоих задачах. Но это сигнал, что разрыв между лабораториями на верхних строчках индекса сузился быстрее, чем за прошлый цикл.

Как близко к Sonnet 5.5 и далеко до Opus 5.5

С Sonnet 5.5 (max) ситуация ещё интереснее: Muse Wonder Full идёт на одном уровне, то есть по индексу они практически не различимы. С Opus 5.5 (max), флагманом Anthropic, разница есть, но источник описывает её как «just shy of» — «чуть ниже», а не «далеко позади».

То есть картина не симметричная: против одной модели Muse Wonder Full впереди, против другой — наравне, против третьей — немного позади. Это нормальная позиция для модели, которая вышла месяц назад против линейки, которая обновляется годами, и показывает, что место в рейтинге зависит от того, с какой именно моделью сравнивать.

Что бенчмарк не показывает

Intelligence Index — это агрегированный балл по набору задач, а не прямое попадание в твой конкретный промпт. Он не говорит о цене за токен, скорости ответа, размере контекстного окна или о том, как модель справится именно с твоим кодом и именно твоим языком. Две модели с одинаковым баллом вполне могут вести себя по-разному на конкретной задаче: одна лучше держит длинный контекст, другая точнее в коде, третья банально дешевле в продакшене.

Источник также не раскрывает, какие именно задачи вошли в версию v4.3 индекса и с каким весом — а это тоже влияет на итоговый балл. Для ответа на вопрос «какую модель выбрать» одного числа в рейтинге недостаточно: это ориентир, а не финальный вердикт. Если задача реально важна, её стоит прогнать на обеих моделях самому, а не доверять только табличке.

Кому стоит пробовать Muse Wonder Full

Источник уточняет, что Muse Wonder доступна пользователям в продуктах Meta первого лица — на этом фраза обрывается, и что именно это за продукт и доступна ли там отдельно Wonder Full, не сказано. Если ты уже внутри экосистемы Meta и хочешь модель с баллом, близким к Sonnet 5.5, попробовать её точно стоит — терять особо нечего.

Если тебе принципиально важен максимум возможного качества, выбор пока остаётся за Opus 5.5 — именно его индекс Muse Wonder Full не достаёт, пусть и немного. А если задача разовая и ты не привязан к конкретной экосистеме, сравнение по рейтингу — это только первый шаг: дальше нужно прогнать свой промпт на паре моделей и смотреть на результат, а не на балл.

Вопросы и ответы

Muse Wonder Full сравнивается с какими моделями Claude?

По Intelligence Index v4.3 Artificial Analysis сравнила Muse Wonder Full (max) с Fable 5.1 (max), Sonnet 5.5 (max) и Opus 5.5 (max): она обгоняет первую, идёт на уровне второй и немного отстаёт от третьей.

Muse Wonder Full vs Opus 5.5 — кто сильнее?

По рейтингу Opus 5.5 (max) чуть впереди — источник описывает разрыв как «just shy of», то есть Muse Wonder Full близко, но не достаёт до флагмана Anthropic.

Какую модель выбрать — Muse Wonder Full или Sonnet 5.5?

По Intelligence Index они на одном уровне, так что выбор упирается не в балл, а в доступность, цену и то, как модель ведёт себя на твоей конкретной задаче — а это рейтинг не показывает.

Источники

• Muse Wonder Full (max) outperforms Fable 5.1 (max) on Artificial Analysis' Intelligence Index, matches Sonnet 5.5 (max), and is just shy of Opus 5.5 (max) (@artificialanlys)
• Muse Wonder Full (max) outperforms Fable 5.1 (max) on Artificial Analysis' Intelligence Index, matches Sonnet 5.5 (max), and is just shy of Opus 5.5 (max) (@artificialanlys)