# Muse Wonder

> Fiche du modèle de langage Muse Wonder sur QUELLE IA, édition du 19 octobre 2026. Muse Wonder (Meta AI) : score IA de 93,5, 11e sur 252. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/muse-wonder/
Origine : Meta AI · États-Unis · sorti le 12 octobre 2026

## Son bilan

- Dans le top 20 du classement général, 11e sur 252, dans un groupe de 5 modèles trop proches pour être départagés.
- Dans le top 10 en usage courant (6e) et écriture (8e).
- Pas encore classé en raisonnement, code, tâches d'agent, sciences et compréhension d'images : trop peu de mesures.
- Pas encore mesuré en français.
- Prix estimé : environ 12 € pour 1 000 questions par l'API, en comptant 1 000 jetons lus et 500 écrits par question (une estimation, pas un tarif ; méthode : https://quelleia.com/demarche/#prix-estime)

## Score général

- Score IA : 93,5 (marge d'erreur à 90 % : de 92,2 à 94,7, le vrai niveau a neuf chances sur dix de s'y trouver)
- Rang : 11 (Groupe 3, ex æquo)
- Couverture : 90 % du poids des tâches, 15 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

Le score IA estime le niveau d'un modèle, toutes tâches confondues, à partir des benchmarks publics où il a été mesuré. Son échelle est fixée une fois pour toutes : 100 correspond au meilleur modèle au lancement du site. La marge donne l'intervalle où se trouve le score, avec une confiance de 90 %. Deux modèles dont les marges se recouvrent sont ex æquo. [Ce que veut dire ce score](https://quelleia.com/demarche/#que-veut-dire-le-score).

## Scores par tâche

Comment les tâches comptent dans le score : https://quelleia.com/demarche/#taches

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 93,7 | Provisoire · 11 % |
| Code | 94,0 | Provisoire · 15 % |
| Agents | 91,1 | Provisoire · 25 % |
| Usage | 94,3 | Rang 6 · 100 % |
| Maths | 93,7 | Rang 12 · 50 % |
| Sciences | 94,0 | Provisoire · 40 % |
| Français | non mesuré | Non mesuré |
| Vision | 94,3 | Provisoire · 33 % |
| Écriture | 94,5 | Rang 8 · 100 % |
| Web | 93,7 | Rang 11 · 100 % |

## Annoncé par Meta AI

Ce que l'éditeur dit lui-même de ce modèle (page du 12 octobre 2026, relue le 12 octobre 2026). Ces chiffres ne comptent pas dans le score IA.

- Disponibilité : Depuis le 12 octobre 2026 par la Meta Model API et dans Muse Code. Meta annonce son arrivée dans l'assistant Muse, d'abord pour les abonnés. Aucune précision sur l'Europe.
- Entrées : Texte, images, vidéo et audio ; réponse en texte.
- Contexte : 1 million de jetons.
- Poids : Fermés : le modèle ne se télécharge pas. Meta ne donne pas sa taille.
- Entraînement : Dans le centre de données Prometheus de Meta, par le Meta Superintelligence Lab.
- Risques : Évalués sur Muse Wonder Full, la variante la plus puissante. Sans protections, Meta n'exclut pas d'atteindre son seuil de risque élevé dans le domaine chimique et biologique ; avec elles, il classe le risque « modéré ou moins » dans tous les domaines.

| Domaine | Benchmark | Résultat annoncé | D'où vient le chiffre |
| --- | --- | --- | --- |
| Agents personnels et professionnels | Personal Superintelligence Index | 54,3 % | indice interne de Meta, sept évaluations dont AutomationBench-AA |
| Agents personnels et professionnels | Vals Finance Agent V2 | 56,6 % | repris de Vals AI |
| Agents personnels et professionnels | HealthBench Pro | 60,5 % | calculé par Meta |
| Agents personnels et professionnels | GDP.pdf | 30,8 % | repris de Surge |
| Agents personnels et professionnels | JobBench | 70,5 % | source non précisée par Meta |
| Agents personnels et professionnels | OSWorld V2.1 (score partiel) | 72,6 % | calculé par Meta |
| Agents personnels et professionnels | OSWorld V2.1 (réussite complète) | 34,3 % | calculé par Meta |
| Agents personnels et professionnels | MemoryBench | 85,6 % | évaluation interne de Meta |
| Code | DeepSWE 1.1 | 78,8 % | repris de Datacurve |
| Code | SWE-Marathon | 53,1 % | repris d'Abundant AI |
| Code | ProgramBench | 50,0 % | calculé par Meta (harnais mini-swe-agent) |

Sources : https://research.meta.ai/static/muse-wonder-model-card, méthode https://research.meta.ai/blog/muse-wonder

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index. C'est un autre indice, qui ne compte pas dans le score IA de QUELLE IA et ne se compare pas directement à lui.

| Version évaluée | Indice | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [Muse Wonder (Max)](https://artificialanalysis.ai/models/muse-wonder) | 52,4 | non publié | 159,0 jetons/s | 34,8 s | 4 $ / 20 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Relevé le 19 octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/muse-wonder

## Agent Arena (hors du score)

Agent Arena, le classement des agents d'Arena, observe de vraies sessions de travail : des internautes confient une tâche à un agent (écrire du code, chercher, analyser des fichiers) dont le modèle est tiré au sort et reste caché. Le score net dit de combien de points ce modèle fait monter ou baisser les signes de réussite de ces sessions (tâche validée, compliments, corrections réussies, erreurs rattrapées, aucun outil inventé) par rapport au modèle moyen du classement, qui vaut 0 %. Il ne compte pas dans le score IA de QUELLE IA.

| Version évaluée | Rang | Score net | Intervalle à 95 % | Sessions |
| --- | --- | --- | --- | --- |
| Muse Wonder (Max) | 12e sur 53 | +3,8 % | de +2,2 à +5,4 % | 9 689 |

Score net et intervalle de confiance à 95 % en points de pourcentage. Rang parmi les 53 modèles du classement, où un même modèle peut paraître à plusieurs niveaux d'effort. Classement publié par Arena le 19 octobre 2026, repris de son jeu de données public sous licence CC BY 4.0.

Source : Arena (Agent Arena), CC BY 4.0, https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset

Méthode d'Arena : https://arena.ai/blog/agent-arena-methodology/

## STEMBench d'Ulam (hors du score)

STEMBench d'Ulam soumet aux modèles 120 tâches de recherche en sciences et en ingénierie, tenues secrètes, 20 dans chacun de six domaines. Chaque tâche reçoit une note de 0 à 4 : un niveau entier, de 0 (aucun progrès exploitable) à 4 (l'objectif entier atteint), affiné par un indice de qualité. La moyenne compte toutes les tâches, tentatives notées zéro comprises. Elle ne compte pas dans le score IA de QUELLE IA.

Deux des dix passages ont travaillé avec des outils (recherche de sources, exécution de code, fichiers) : les passages avec outils ne se comparent pas directement aux autres.

| Passage | Réglage | Moyenne | Rang | Dans son réglage | Tâches notées | Réussites complètes |
| --- | --- | --- | --- | --- | --- | --- |
| Muse Wonder | sans outils | 2,683 sur 4 | 3e sur 10 | 1er des 8 passages sans outils | 120 sur 120, aucune notée zéro | aucune |

| Domaine | Muse Wonder |
| --- | --- |
| Biologie | 2,615 |
| Chimie | 2,703 |
| Physique | 2,714 |
| Astronomie | 2,647 |
| Sciences de la Terre | 2,659 |
| Ingénierie | 2,759 |

Instantané du 14 octobre 2026 (STEMBench120, version 1.0.0). Rang parmi les 10 passages publiés par Ulam, tous réglages confondus. Sur une même tâche, Ulam tient deux notes à moins de 0,05 l'une de l'autre pour égales. Aucun des 10 passages n'a atteint l'objectif entier d'une tâche.

Source : Ulam STEMBench, https://www.ulam.ai/stembench

## Exécution locale

Non. Muse Wonder est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

## Fiche technique

- Prix : 3,56 € / 17,8 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 1 048 576 jetons (environ 786 000 mots)
- Entrées : Texte, image, vidéo, PDF, son
- Réflexion : Minimale, faible, moyenne, élevée, très élevée, maximale (six niveaux réglables)
- Paramètres : Non communiqué
- Licence : Propriétaire (poids fermés, accès par l'éditeur)
- Classe énergétique : Non communiquée
- Hébergement en Europe : Non communiqué
- Connaissances jusqu'à : Non communiqué

## Où le trouver

- Par API : [OpenRouter](https://openrouter.ai/meta/muse-wonder)

## Dans les outils de code

- Disponible dans : [Cursor](https://quelleia.com/outils/#cursor) (à l'usage)
- Relevé du 19 octobre 2026 sur la page publique de chaque outil. Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré.

## À lire sur Frandroid et Clubic

Articles des médias du groupe Humanoid consacrés à ce modèle (relevé du 20 octobre 2026, hors du score).

- [Meta dévoile Muse & Wonder, ses premiers modèles d’IA « frontier »](https://www.clubic.com/actualite-633859-meta-devoile-muse-wonder-ses-premiers-modeles-d-ia-frontier.html) : Clubic, 13 octobre 2026 (lancement)
- [Meta annonce Muse Wonder et dit avoir rattrapé les meilleurs en IA, le premier test indépendant nuance](https://www.frandroid.com/marques/meta/3282445_meta-annonce-muse-wonder-et-dit-avoir-rattrape-les-meilleurs-en-ia-le-premier-test-independant-nuance) : Frandroid, 12 octobre 2026 (lancement)

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| OTIS Mock AIME 2024-2025 | Maths | 99,4 % | 93,7 | saturé | https://epoch.ai/benchmarks |
| ProofBench | Maths | 84 % | 93,7 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 82,1 % | 93,2 | actif | https://epoch.ai/benchmarks |
| Code Arena, WebDev | Web | 1 651,5 Elo | 93,7 | actif | https://arena.ai/leaderboard |
| FrontierMath, palier 4 (v2) | Maths | 70,7 % | 93,7 | saturé | https://epoch.ai/benchmarks |
| Arena, écriture créative | Écriture | 1 485,1 Elo | 96,3 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 508,9 Elo | 95,2 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 548,0 Elo | 92,6 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 508,6 Elo | 87,4 | actif | https://arena.ai/leaderboard |
| SciCode | Code | 60,3 % | 95,4 | actif | https://artificialanalysis.ai/evaluations/scicode |
| Vending-Bench 2 | Agents | 9 432 $ | 91,2 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 51 % | 93,6 | actif | https://epoch.ai/benchmarks |
| Furniture Assembly | Vision | 54,2 % | 94,1 | actif | https://epoch.ai/benchmarks |
| EBR-bench (Earthborne Rangers) | Agents | 31,4 % | 91,0 | actif | https://epoch.ai/benchmarks |
| GDP.pdf | Données | 30,8 % | 96,8 | actif | https://surgehq.ai/benchmarks/gdp-pdf |
| CritPt | Sciences | 28,3 % | 94,6 | actif | https://epoch.ai/benchmarks |

Source : Artificial Analysis pour CritPt, https://artificialanalysis.ai/evaluations/critpt
Source : Artificial Analysis pour SciCode, https://artificialanalysis.ai/evaluations/scicode

Ces mesures, relayées par Epoch AI, comptent dans le score IA avec leur accord.

## En bref

**Quel est le score de Muse Wonder ?** Muse Wonder obtient un score IA de 93,5, avec une marge de 92,2 à 94,7, dans l'édition du 19 octobre 2026. Il est classé 11e sur 252 modèles, à partir de 15 mesures. [Ce que veut dire ce score](https://quelleia.com/demarche/#que-veut-dire-le-score).

**Dans quelles tâches Muse Wonder est-il le plus fort ?** Ses deux meilleures tâches sont écriture (94,5) et usage (94,3). Sa tâche la plus faible est agents (91,1).

**Muse Wonder peut-il tourner en local ?** Non. Muse Wonder est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

**Combien coûte Muse Wonder ?** 3,56 € par million de jetons en entrée et 17,8 € en sortie, au tarif affiché par les fournisseurs. Pour fixer les idées, 1 000 questions de 1 000 jetons, avec des réponses de 500 jetons, coûteraient environ 12 € par l'API : c'est une estimation, pas un tarif. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite Muse Wonder ?** Muse Wonder est édité par Meta AI (États-Unis), et il est sorti le 12 octobre 2026. C'est un modèle fermé.

Source : QUELLE IA, édition du 19 octobre 2026. https://quelleia.com