Czy mogę uruchomić Muse Wonder lokalnie?

Nie. Wagi nie są publiczne, a Meta nie udostępniła repozytorium na Hugging Face dla tego modelu, więc dostęp jest tylko przez API.

Ile kosztuje Muse Wonder i jak duże jest jego okno kontekstu?

Wejście kosztuje 4,00 USD za milion tokenów, wyjście 20,00 USD za milion tokenów, a okno kontekstu ma milion tokenów.

Czym Muse Wonder różni się od standardowego modelu czatu lub kodowania?

Jest zaprojektowany specjalnie do pracy agentowej na długim horyzoncie — potrafi kontrolować przeglądarki i aplikacje, delegować podagentom, wywoływać narzędzia równolegle i odzyskiwać się po błędach w trakcie zadania, zamiast odpowiadać na pojedynczy prompt i kończyć.

Nowość tego tygodnia · zobacz trend

Muse Wonder

8134°

#llm #meta #wizja #audio #wideo #rozumowanie

Uruchom model

Oferty / Reklamy

OpenRouter Terminal / API

Płać za token

Rozmawiaj z tym modelem w przeglądarce lub wywołuj go z kodu za pomocą jednego klucza API.

Meta | kontekst 1 048 576 tokenów | 4,00 USD/M wejścia, 20,00 USD/M wyjścia. Muse Wonder to model rozumowania z czołówki Meta, zaprojektowany do złożonych, osobistych i profesjonalnych zadań agentowych. Akceptuje tekst, obrazy, wideo, audio i dokumenty PDF, zwracając tekst, z oknem kontekstowym 1 miliona tokenów. Model radzi sobie z długoterminową pracą: planuje, deleguje podagentom, wywołuje narzędzia równolegle i radzi sobie z błędami, dzięki czemu wieloetapowe zadania są realizowane do końca bez konieczności kierowania krok po kroku. Może również obsługiwać przeglądarki oraz aplikacje…Meta | kontekst 1 048 576 tokenów | 4,00 USD/M wejścia, 20,00 USD/M wyjścia. Muse Wonder to model rozumowania z czołówki Meta, zaprojektowany do złożonych, osobistych i profesjonalnych zadań agentowych. Akceptuje tekst, obrazy, wideo, audio i dokumenty PDF, zwracając tekst, z oknem kontekstowym 1 miliona tokenów. Model radzi sobie z długoterminową pracą: planuje, deleguje podagentom, wywołuje narzędzia równolegle i radzi sobie z błędami, dzięki czemu wieloetapowe zadania są realizowane do końca bez konieczności kierowania krok po kroku. Może również obsługiwać przeglądarki oraz aplikacje desktopowe i mobilne, a także pracować na wielu plikach w istniejących repozytoriach, aby wprowadzać i weryfikować zmiany. Muse Wonder przenosi ważny kontekst przez rozmowy i pobiera szczegóły istotne dla danego zadania. Jest też trenowany pod kątem Aktywnej Koncentracji, więc działa na rzecz twojego celu nawet, gdy zadanie staje się trudne. W testach Meta sprawdza się dobrze w złożonych zadaniach inżynieryjnych, długich sesjach agentowych i refaktoryzacjach wieloplikowych, aby sprostać najbardziej wymagającej pracy deweloperów.

Poradniki do tego modelu

Jak wybrać model AI w październiku 2026: najpierw zamknięte modele, potem otwarte wagi warte pobrania

Otwarte wagi vs otwarte źródła vs tylko API: co naprawdę możesz robić

10 najtańszych alternatyw dla ChatGPT w 2026: darmowe modele lokalne, darmowe plany i abonamenty z ryczałtem

Wszystkie poradniki

Notatki kapitana

Napisane przez Captain, redaktora domu

Notatki z 2026-10-13

Muse Wonder to model rozumowania z najwyższej półki Meta, stworzony do długoterminowej pracy agentowej: planuje, wywołuje narzędzia równolegle, obsługuje przeglądarki i aplikacje oraz działa na całych bazach kodu bez konieczności zarządzania każdym krokiem. Akceptuje tekst, obrazy, wideo, audio i pliki PDF, z oknem kontekstu na milion tokenów. Jeśli twoja praca obejmuje wieloetapowe zadania inżynieryjne, refaktoryzacje wielu plików lub długie sesje autonomiczne, to jest model, którego szukasz.

Znany z

Autonomiczne wykonywanie wieloetapowych zadań z równoległymi wywołaniami narzędzi i odzyskiwaniem po błędach
Wbudowana kontrola przeglądarek, aplikacji desktopowych i mobilnych
Praca na wielu plikach kodu: czyta, edytuje i weryfikuje zmiany w całym repozytorium
Okno kontekstu na milion tokenów do bardzo długich sesji i dużych zbiorów dokumentów
Akceptuje tekst, obrazy, wideo, audio i PDF w jednym modelu

Uważaj na

Koszt wyjścia to 20,00 USD za milion tokenów — długie sesje agentowe mogą szybko generować wysokie koszty.
Wagi nie są publiczne; korzystasz wyłącznie z API, brak opcji lokalnej.
Meta nie opublikowało wyników benchmarków zewnętrznych dla tego modelu.

Najlepszy do

Agenci i użycie narzędzi

Podpowiedzi do wypróbowania

Plan refaktoryzacji wielu plików

Mam REST API w Node.js rozproszone na około 20 plików, które obecnie używa callbacków. Przygotuj konkretny, uporządkowany plan migracji całej bazy kodu na async/await: wskaż pliki do zmiany, kolejność, aby uniknąć łamania zależności, oraz testy do wykonania na każdym etapie, aby potwierdzić brak regresji.

Synteza badań agentowych

Załączam trzy obszerne raporty PDF o magazynowaniu energii na skalę sieciową opublikowane w ciągu ostatnich dwóch lat. Przeczytaj wszystkie, zidentyfikuj, gdzie się zgadzają, a gdzie się różnią w prognozach kosztów i szacunkach żywotności cyklu, i przygotuj dwustronicowe streszczenie, które mogę przekazać nietechnicznemu menedżerowi.

Debugowanie nieudanego pipeline'u

Oto pełny log z pipeline CI, który sporadycznie nie przechodzi testów integracyjnych. Zdiagnozuj najbardziej prawdopodobną przyczynę, wyjaśnij rozumowanie krok po kroku i napisz dokładną zmianę kodu lub konfiguracji, która powinna to naprawić.

Porównaj z

Muse Glimmer 30B
Model z otwartymi wagami
Kontekst 131,072 tokenów · $0.30/M wejście, $1.20/M wyjście
Muse Spark 1.3 Contributor
Model tylko z API
Kontekst 1,048,576 tokenów · $0.10/M wejście, $0.20/M wyjście
Muse Spark 1.3
Model tylko z API
Kontekst 1,048,576 tokenów · $1.25/M wejście, $4.25/M wyjście
Muse Spark 1.2
Model tylko z API
Kontekst 1,048,576 tokenów · $1.25/M wejście, $4.25/M wyjście

Więcej modeli tekstowych od meta

Pytania, które ludzie zadają

Czy mogę uruchomić Muse Wonder lokalnie?: Nie. Wagi nie są publiczne, a Meta nie udostępniła repozytorium na Hugging Face dla tego modelu, więc dostęp jest tylko przez API.
Ile kosztuje Muse Wonder i jak duże jest jego okno kontekstu?: Wejście kosztuje 4,00 USD za milion tokenów, wyjście 20,00 USD za milion tokenów, a okno kontekstu ma milion tokenów.
Czym Muse Wonder różni się od standardowego modelu czatu lub kodowania?: Jest zaprojektowany specjalnie do pracy agentowej na długim horyzoncie — potrafi kontrolować przeglądarki i aplikacje, delegować podagentom, wywoływać narzędzia równolegle i odzyskiwać się po błędach w trakcie zadania, zamiast odpowiadać na pojedynczy prompt i kończyć.

Wyrok kapitana
Poważny model agentowy dla deweloperów i zaawansowanych użytkowników, którzy potrzebują systemu do samodzielnego kończenia złożonych, wieloetapowych zadań — w cenie, która to odzwierciedla.

Kapitan pisze te notatki na podstawie opisu modelu i karty modelu. Ceny i rozmiary kontekstu pochodzą od dostawcy w momencie pisania i mogą się zmieniać.

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

Trend popularności: Muse Wonder

Wynik heat od 12 Oct 2026

Wskaźnik popularności

8,134°

Ten tydzień

n/a

Jeszcze nie wydano/śledzono

Ten miesiąc

n/a

Jeszcze nie wydano/śledzono

Ostatni rok

n/a

Jeszcze nie wydano/śledzono

7,000°

Podstawa

Skala idzie od 0° do 9 999°. Wszystko poniżej 7,000° jest zarezerwowane dla modeli, o których żadne źródło jeszcze nie raportuje, które mają tam zastępczą wartość, by listy były kompletne. 7,000° to punkt startowy dla danych pomiarowych: model z prawdziwymi danymi, ale prawie bez pobrań, stoi na tej podstawie, a pomiary wypełniają stopnie powyżej niej. Podstawa nic nie mówi o modelu; to stopnie powyżej niej robią różnicę i to one rozróżniają modele.

+1,134°

Tokeny OpenRouter

60,231,074,988 tokenów przetworzonych przez ten model przez OpenRouter w ciągu ostatnich 30 dni, razem zapytania i odpowiedzi. Każde 10,000,000 tokenów liczy się jako jedno pobranie w terminie pobrań, łącznie 6,023; tokeny z ostatniego dnia wchodzą do wskaźnika adopcji. Źródło: OpenRouter (openrouter.ai/rankings).

Pokaż szczegóły

Każdą liczbę na tej stronie można sprawdzić. Wynik popularności tego modelu to 8,134°, a tutaj jest zbudowany krok po kroku, z bieżącym sumowaniem po każdym składniku: podstawa, stopnie dodawane przez każde źródło, bonus za rodzaj modelu oraz odejmowanie za wiek wag. Kolory odpowiadają zakresom na wykresie powyżej. Na końcu znajduje się słownik, który wyjaśnia każde pojęcie.

1
Zacznij od podstawy.
Dlaczego 7,000°, a nie zero: skala idzie od 0° do 9 999°, a część poniżej 7,000° jest zarezerwowana dla modeli, o których żadne źródło jeszcze nie raportuje, które mają tam zastępczą wartość, by listy były kompletne i nigdy nie wyprzedzały modeli z danymi. 7,000° to punkt startowy dla danych pomiarowych. Model z prawdziwymi danymi, ale prawie bez pobrań, stoi tutaj; wszystko co dalej to pomiary, a przestrzeń powyżej podstawy mieści dziesięć dziesięciokrotnych kroków w pobraniach po 300° każdy. Podstawa jest taka sama dla każdego modelu, więc nic nie decyduje; decydują stopnie powyżej niej.
7,000°
bieżąca suma
2
Dodaj pobrania.
6,023 równoważników pobrań łącznie, z Tokeny OpenRouter. Dziesięć razy więcej pobrań dodaje ten sam 300°, więc rozmiar ma znaczenie, ale nigdy nie dominuje wyniku.
+1,134°
8,134°
bieżąca suma
=
Wynik heat.
Pozycja tego modelu na każdej liście na tej stronie. Nic innego tego nie zmienia.
8,134°

Słowniczek: używane tu terminy

Wynik heat: Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
Podstawa: 7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
Równoważniki pobrań: Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
Skala logarytmiczna: Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
Polubienia: Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
Tempo adopcji: Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
Zmierzony i szacowany: Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
Seeder: Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
AI Horde: Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
Strony generujące: Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
Tokeny OpenRouter: Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Pełny model (checkpoint): Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
LoRA i embedding: Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
Rodzina i wagi: Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
Wiek: Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
Wzmocnienie rodziny: Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
Wynik zastępczy: Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
Nowy! (okres karencji): Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
Trend: Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
Typowy model: Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.

Jak popularność tego modelu zmieniała się w porównaniu do reszty katalogu: jego wzrost w pobraniach, polubieniach i użyciu w każdym okresie, mierzony względem typowego wzrostu modelu w tym samym czasie, wraz z jego wynikiem heat score. Powyżej typowego wzrostu oznacza wzrost, poniżej spadek. Przeszłość jest odtwarzana na podstawie dzisiejszych sum, pierwszego dnia modelu i zmierzonej prędkości pobrań, jeśli są dwa odczyty; model, który nie istniał na początku okresu, pokazuje n/d.

Podobne modele

Modele AI do generowania obrazów, wideo i tekstu

Muse Wonder to model tekstowy z rodziny Text / LLM wymieniony na ModelTrends.ai, katalogu tylko do odczytu otwartych modeli AI do obrazów, wideo i tekstu. Porównaj go z innymi modelami Text / LLM i sprawdź wynik popularności, aby zobaczyć trend.

Więcej modeli Text / LLM Więcej Text / LLM Tekst / LLM llm meta wizja audio wideo rozumowanie agenci kodowanie

Przeglądaj według rodziny modeli