Posso eseguire Muse Wonder localmente?

No. I pesi non sono pubblici e Meta non ha rilasciato un repository Hugging Face per questo modello, quindi è accesso solo via API.

Quanto costa Muse Wonder e quanto è grande la sua finestra di contesto?

L’input costa $4,00 per milione di token e l’output $20,00 per milione di token, con una finestra di contesto di un milione di token.

In cosa Muse Wonder differisce da un modello chat o di coding standard?

È progettato specificamente per lavoro agentico a lungo termine — può controllare browser e applicazioni, delegare a sub-agenti, chiamare strumenti in parallelo e recuperare da errori a metà compito, invece di rispondere a un singolo prompt e fermarsi.

Nuovo questa settimana · vedi l'andamento

Muse Wonder

8134°

#llm #meta #visione #audio #video #ragionamento

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

Meta | contesto da 1.048.576 token | $4.00/M input, $20.00/M output. Muse Wonder è un modello di ragionamento all'avanguardia di Meta, progettato per compiti agentici personali e professionali complessi. Accetta testo, immagini, video, audio e documenti PDF e restituisce testo, con una finestra di contesto da 1 milione di token. Il modello gestisce lavori a lungo termine: pianifica, delega a sub-agenti, chiama strumenti in parallelo e si riprende dagli errori, così che i compiti multi-step vengano completati senza direzione passo-passo. Può anche operare browser e applicazioni desktop e…Meta | contesto da 1.048.576 token | $4.00/M input, $20.00/M output. Muse Wonder è un modello di ragionamento all'avanguardia di Meta, progettato per compiti agentici personali e professionali complessi. Accetta testo, immagini, video, audio e documenti PDF e restituisce testo, con una finestra di contesto da 1 milione di token. Il modello gestisce lavori a lungo termine: pianifica, delega a sub-agenti, chiama strumenti in parallelo e si riprende dagli errori, così che i compiti multi-step vengano completati senza direzione passo-passo. Può anche operare browser e applicazioni desktop e mobili, e lavora su molti file in repository esistenti per fare e verificare modifiche. Muse Wonder porta avanti il contesto importante tra le conversazioni e recupera i dettagli rilevanti per il compito in corso. Ed è addestrato per l'Active Focus, quindi lavora verso il tuo obiettivo anche quando un compito diventa difficile. Nei test di Meta, si comporta bene in compiti ingegneristici complessi, sessioni agentiche estese e rifattorizzazioni multi-file per affrontare i lavori più impegnativi degli sviluppatori.

Guide per questo modello

Come scegliere un modello AI a ottobre 2026: le novità closed source, poi i pesi aperti da scaricare

Pesi aperti vs open source vs solo API: cosa puoi davvero fare

Le 10 alternative a ChatGPT più economiche nel 2026: modelli locali gratuiti, piani gratuiti e tariffe fisse

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

Muse Wonder è il modello di ragionamento di punta di Meta costruito per lavoro agentico a lungo termine: pianifica, chiama strumenti in parallelo, controlla browser e applicazioni, e lavora su intere basi di codice senza che tu gestisca ogni passaggio. Accetta testo, immagini, video, audio e PDF, con una finestra di contesto da un milione di token. Se il tuo lavoro coinvolge compiti di ingegneria multi-step, rifattorizzazioni multi-file o sessioni autonome estese, questo è il livello a cui punta.

Conosciuto per

Completamento autonomo di compiti multi-step con chiamate parallele a strumenti e recupero errori
Controllo integrato di browser, desktop e applicazioni mobili
Lavoro su basi di codice multi-file: legge, modifica e verifica cambiamenti in un repository
Finestra di contesto da un milione di token per sessioni molto lunghe e grandi set di documenti
Accetta input di testo, immagini, video, audio e PDF in un unico modello

Attenzione a

L’output costa $20,00 per milione di token — le sessioni agentiche estese possono accumulare costi rapidamente.
I pesi non sono pubblici; si usa solo via API, senza opzione locale.
Meta non ha pubblicato benchmark di terze parti per questo modello.

Ideale per

Agenti e uso di strumenti

Prompt da provare

Piano di rifattorizzazione multi-file

Ho un’API REST Node.js distribuita su circa 20 file che attualmente usa callback ovunque. Produci un piano concreto e ordinato per migrare l’intera base di codice a async/await: identifica i file da modificare, l’ordine per evitare rotture di dipendenze, e i test da eseguire a ogni fase per confermare che nulla regredisca.

Sintesi di ricerca agentica

Allego tre lunghi report PDF sullo stoccaggio di batterie su scala di rete pubblicati negli ultimi due anni. Leggi tutti e tre, identifica dove concordano e dove si contraddicono su proiezioni di costo e stime di ciclo vita, e produci un briefing di due pagine che posso consegnare a un dirigente non tecnico.

Debug di una pipeline fallita

Ecco il log completo di una pipeline CI che fallisce in modo intermittente sui test di integrazione. Diagnostica la causa più probabile, spiega il ragionamento passo passo, e scrivi la modifica esatta al codice o la configurazione che dovrebbe risolvere il problema.

Confronta con

Muse Glimmer 30B
Modello con pesi aperti
Contesto di 131,072 token · Input $0.30/M, output $1.20/M
Muse Spark 1.3 Contributor
Modello solo API
Contesto di 1,048,576 token · Input $0.10/M, output $0.20/M
Muse Spark 1.3
Modello solo API
Contesto di 1,048,576 token · Input $1.25/M, output $4.25/M
Muse Spark 1.2
Modello solo API
Contesto di 1,048,576 token · Input $1.25/M, output $4.25/M

Altri modelli di testo da meta

Domande frequenti

Posso eseguire Muse Wonder localmente?: No. I pesi non sono pubblici e Meta non ha rilasciato un repository Hugging Face per questo modello, quindi è accesso solo via API.
Quanto costa Muse Wonder e quanto è grande la sua finestra di contesto?: L’input costa $4,00 per milione di token e l’output $20,00 per milione di token, con una finestra di contesto di un milione di token.
In cosa Muse Wonder differisce da un modello chat o di coding standard?: È progettato specificamente per lavoro agentico a lungo termine — può controllare browser e applicazioni, delegare a sub-agenti, chiamare strumenti in parallelo e recuperare da errori a metà compito, invece di rispondere a un singolo prompt e fermarsi.

Verdetto del capitano
Un modello agentico serio per sviluppatori e power user che hanno bisogno di un sistema che completi lavori complessi multi-step in autonomia — a un prezzo che lo riflette.

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #69 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tendenza di popolarità di Muse Wonder

Punteggio di calore da 12 Oct 2026

Punteggio di popolarità

8,134°

Questa settimana

n/a

Non ancora rilasciato/tracciato

Questo mese

n/a

Non ancora rilasciato/tracciato

Ultimo anno

n/a

Non ancora rilasciato/tracciato

7,000°

Floor

La scala va da 0° a 9.999°. Tutto ciò che sta sotto 7,000° è riservato ai modelli su cui nessuna fonte ha ancora dati, che hanno un numero provvisorio lì per mantenere le liste complete. 7,000° è dove iniziano i dati misurati: un modello con dati reali ma quasi nessun download sta al floor, e le misurazioni riempiono i gradi sopra di esso. Il floor non dice nulla sul modello; solo i gradi sopra lo fanno, e sono quelli che distinguono un modello dall'altro.

+1,134°

Token OpenRouter

60,231,074,988 token processati da questo modello tramite OpenRouter negli ultimi 30 giorni, prompt e risposte insieme. Ogni 10,000,000 token conta come un download nel termine di download, 6,023 in totale; i token dell'ultimo giorno contribuiscono al tasso di adozione. Fonte: OpenRouter (openrouter.ai/rankings).

Mostra dettagli

Ogni numero su questo sito può essere verificato. Il punteggio heat di questo modello è 8,134°, ed è costruito un ingrediente alla volta, con il totale progressivo dopo ogni passaggio: il floor, i gradi che ogni fonte aggiunge, il bonus per il tipo di modello e cosa toglie l'età dei suoi pesi. I colori corrispondono alle bande del grafico sopra. Il glossario alla fine definisce ogni termine.

1
Inizia dal floor.
Perché 7,000° e non zero: la scala va da 0° a 9.999°, e la parte sotto 7,000° è riservata ai modelli su cui nessuna fonte ha ancora dati, che hanno un numero provvisorio lì per mantenere le liste complete e non superare mai un modello con dati. 7,000° è dove iniziano i dati misurati. Un modello con dati reali ma quasi nessun download sta qui; tutto ciò che segue è misurazione, e lo spazio sopra il floor contiene dieci passi decuplici nei download a 300° ciascuno. Il floor è uguale per ogni modello, quindi non decide nulla; lo fanno i gradi sopra di esso.
7,000°
totale in corso
2
Aggiungi i download.
6,023 equivalenti di download in totale, da Token OpenRouter. Dieci volte i download aggiungono lo stesso 300°, quindi la dimensione conta ma non domina mai il punteggio.
+1,134°
8,134°
totale in corso
=
Il punteggio heat.
Dove si posiziona questo modello in ogni lista di questo sito. Niente altro lo modifica.
8,134°

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Come si è mosso questo modello rispetto al resto del catalogo: la sua crescita in download, like e utilizzo in ogni periodo, misurata rispetto alla crescita tipica dei modelli nello stesso periodo, con il suo punteggio di popolarità al momento. Sopra la crescita tipica indica un aumento, sotto una diminuzione. Il passato è ricostruito dai totali di oggi, dal primo giorno del modello e dalla sua velocità di download misurata quando ci sono due letture; un modello che non esisteva all'inizio del periodo mostra n/a.

Modelli simili

Modelli di IA per generare immagini, video e testo

Muse Wonder è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm meta visione audio video ragionamento agenti programmazione

Sfoglia per famiglia di modelli