Muse Wonder: Benchmarks, Preise und Zugang in Deutschland

Muse Wonder ist Metas neues KI-Modell für anspruchsvolle Agentenarbeit und Softwareentwicklung. Meta hat es am 12. Oktober 2026 zusammen mit dem leistungsfähigeren Muse Wonder Full vorgestellt. Einen Tag nach dem Start stehen starke Benchmarkwerte neben sehr unterschiedlichen Praxiserfahrungen. Entscheidend ist, welches Modell du tatsächlich verwendest und welche Aufgabe du ihm gibst.

Hier erfährst du, wie du Muse Wonder nutzen kannst, was es kostet und was die ersten Beispiele auf X wirklich zeigen. Stand: 13. Oktober 2026. Die Beispiele stammen aus öffentlich dokumentierten Versuchen und Herstellerdemos; wir haben keine eigene systematische Wonder-Testreihe durchgeführt. Quelle: Meta-Ankündigung.

Was ist Muse Wonder?

Muse Wonder gehört zur Modellfamilie von Meta Superintelligence Labs. Es verarbeitet Text und kann auch Bilder, Videos, Audio sowie PDFs als Eingabe verstehen. Seine Ausgabe ist Text. Wenn Wonder eine animierte Website baut, erzeugt es dafür Code. Ein fertiges Video oder ein generiertes Foto ist eine andere Modellaufgabe.

Das Kontextfenster umfasst laut Meta 1.048.576 Tokens. Das ist viel Platz für Dokumente oder Teile eines Softwareprojekts, aber keine Zusage, dass das Modell jedes Detail darin zuverlässig findet. Die Modell-ID für den Entwicklerzugang lautet muse-wonder-1.0. Quelle: aktueller Modellkatalog.

Ein Agent verbindet das Modell mit Werkzeugen. Er kann beispielsweise Projektdateien lesen, Änderungen ausführen und anschließend Tests starten. Ob er tatsächlich im Browser klicken oder auf Dateien zugreifen darf, hängt von der jeweiligen Anwendung ab. Die nackte API liefert keinen fertig eingerichteten Computer. Metas Computer-Use-Dokumentation beschreibt eine Schleife aus Screenshots und Aktionen, deren Ausführung die Anwendung organisiert.

Muse Wonder und Wonder Full: der entscheidende Unterschied

Wonder Full ist ein separates Modell. Wenn du bei Muse Wonder den Denkaufwand auf max stellst, erhältst du weiterhin Wonder. Die Einstellung verändert den Aufwand für die Antwort, nicht das ausgewählte Modell.

Muse Code ist der Codingagent im Terminal. Muse ist das persönliche Agentenprodukt. Meta kündigt den Wonder-Rollout in Muse zunächst für Abonnenten an. Aus dem Modellstart lässt sich deshalb noch kein Wonder-Zugang in jedem Muse-Konto ableiten. Quellen: Wonder-Produktseite, Muse-Code-Abos.

Kann ich Muse Wonder in Deutschland nutzen?

Entwicklerzugang und Muse-App haben unterschiedliche Verfügbarkeitsregeln. Deutschland steht in der am 12. Oktober aktualisierten Geographic Use Policy nicht auf der allgemeinen Sperrliste. Das garantiert keine Freischaltung jedes deutschen Kontos: Meta kann Zugang und Abovorteile regional begrenzen.

Prüfe deshalb im offiziellen Entwicklerportal, ob dein Konto das Modell beziehungsweise den gewünschten Muse-Code-Tarif anbietet. Eine deutsche Markteinführung der persönlichen Muse-App ist in den geprüften Meta-Ankündigungen nicht bestätigt. Die aktuelle Muse-Ankündigung für kleine Unternehmen nennt die USA und Kanada. Ein vorhandener Meta-AI-Chat in WhatsApp beweist ebenfalls keinen Zugriff auf Wonder Full.

Preise: API-Verbrauch und Codingabo getrennt rechnen

Für Muse Wonder nennt Meta diese Standardpreise in US-Dollar pro einer Million Tokens:

Ein Rechenbeispiel: 100.000 nicht gecachte Eingabetokens plus 10.000 berechnete Ausgabetokens kosten 0,60 Dollar. Das ist eine Beispielrechnung, kein gemessener Preis für einen typischen Auftrag. Ein Agent kann denselben Kontext wiederholt senden und viele Zwischenschritte ausführen. Auch Reasoning-Tokens zählen zur berechneten Ausgabe. Websuche kostet gegebenenfalls zusätzlich. Quellen: Preisübersicht, Reasoning-Abrechnung.

Muse-Code-Abos: alle vier Monatspreise

Für die Muse-Code-CLI veröffentlicht Meta diese Abopreise in US-Dollar. Geprüft am 13. Oktober 2026:

Wonder Full ist nur in Power Usage und Maximum Usage enthalten. Everyday und High bieten reguläres Wonder mit Nutzungslimits. Die Mengenangaben sind Metas Tarifvergleich, keine garantierte Zahl beliebig langer Agentenaufträge. Der tatsächliche Verbrauch hängt unter anderem von der Aufgabe und dem gewählten Modus ab. Quellen: offizielle Muse-Code-Preise, Wonder-Zugang.

Die Dollar-Listenpreise ersetzen nicht den Endpreis, den dein Konto beim Abschluss anzeigt. Die Abos gelten für den Muse-Code-CLI-Schlüssel. Andere API-Schlüssel werden weiterhin separat nach Verbrauch abgerechnet. Ein 200-Dollar-Abo bedeutet daher weder unbegrenzte Nutzung noch eine API-Flatrate. Die Preise sind auch kein Beleg für identische Abos der persönlichen Muse-App. Abobedingungen und regionale Einschränkungen.

Contributor-Modus vor dem ersten Projekt prüfen

Bei Muse-Code-Abos ist Contributor laut Meta standardmäßig eingeschaltet. Der Modus erlaubt Meta, übermittelte Inhalte für zukünftiges Modelltraining zu verwenden, darunter Prompts und Code. Dafür erhältst du mehr Nutzung. Du kannst ihn in den Einstellungen ausschalten. Im Standard-Modus verwendet Meta diese Inhalte nach eigener Dokumentation nicht zum Modelltraining.

Das sind unterschiedliche Datenbedingungen. Wer ein vertrauliches Projekt öffnet, sollte diese Einstellung vor dem ersten Auftrag prüfen. "Kein Modelltraining" beantwortet außerdem nicht automatisch jede Frage zur Speicherung oder Verarbeitung. Quelle: Standard und Contributor im Abo.

Benchmarks: Wo Wonder stark ist und wo es zurückliegt

Artificial Analysis bewertet Wonder bei maximalem Denkaufwand mit 52 Punkten im Intelligence Index, Wonder Full mit 56. Der Index kombiniert mehrere Aufgabengruppen. 56 Punkte bedeuten deshalb keine Erfolgsquote von 56 Prozent. Quellen: Wonder, Wonder Full, Indexmethodik.

Metas veröffentlichte Scorecard zeigt auch, warum ein einzelner Spitzenwert keine pauschale Empfehlung für jedes Codingprojekt rechtfertigt:

Von Meta veröffentlichte Ergebnisse, Stand 12. Oktober 2026. Skalen und Aufgaben unterscheiden sich. Meta schreibt die DeepSWE- und SWE-Marathon-Ergebnisse Drittanbietern zu; die neuen Werte waren bei unserer Prüfung noch nicht auf deren auslesbaren öffentlichen Boards bestätigt. Auch Agentenwerkzeuge und Konfigurationen sind teilweise verschieden. Wonder Full läuft bei SWE-Marathon mit xhigh. Details stehen in der Model Card.

Das Muster ist interessanter als ein Siegeretikett: Wonder schneidet bei langen Entwicklungsaufgaben stark ab, während Opus in den hier gezeigten ProgramBench- und Terminal-Bench-Werten vorne liegt. Für dein Projekt zählt, ob das Modell die konkrete Aufgabe korrekt abschließt.

Einordnung im KI-Weekly-Ranking

Im KI-Weekly-Ranking vom 13. Oktober 2026 liegt Wonder Full in der Gesamtansicht auf Platz 3 mit 57,6 Punkten. Wonder steht auf Platz 5 mit 54,0 Punkten. Unser Score gewichtet Intelligenz mit 70 Prozent; Coding und Agentenfähigkeiten erhalten jeweils 15 Prozent. Er ist eine eigene Berechnung auf Daten von Artificial Analysis und unterscheidet sich vom reinen AA Intelligence Index. Unsere Methodik erklärt die Gewichtung.

Die Grafik ist ein datierter Export über den Teilen-Button. Du kannst sie in voller Größe öffnen. Für spätere Änderungen öffne das aktuelle Ranking oder die Modellseiten von Wonder und Wonder Full.

Meta über die Zeit

Auf der Meta-Anbieterseite im KI-Weekly-Ranking siehst du auch die älteren Llama- und Spark-Modelle neben Wonder. So lässt sich der neue Start im Verlauf von Metas bisherigen Veröffentlichungen einordnen.

Die Grafik zeigt die heute verfügbaren Intelligenzwerte der Modelle auf einer Zeitachse ihrer Veröffentlichungen. Sie ist keine tägliche historische Messreihe und verwendet nicht unseren gewichteten Gesamtscore. Quelle ist die Meta-Anbieterseite im KI-Weekly-Ranking. Du kannst das Bild in voller Größe ansehen oder den interaktiven Verlauf öffnen.

Drei konkrete Beispiele aus X

1. Eine holografische CD als interaktive Website

Ann Nguyen zeigt einen Vergleich von Muse Wonder mit GPT-6 Astra und zwei Claude-Modellen: Eine CD dreht sich im Browser und schimmert je nach Blickwinkel. Später lässt sie sich über einen Button in Fragmente zerlegen. Die Wonder-Variante besitzt zusätzliche Regler. Originalvideo auf X.

Der öffentlich geteilte Gesprächsverlauf ist hier besonders hilfreich. Er enthält mehrere Nachbesserungen am Material und am Zerlegeeffekt. Ein schöner Vergleichsclip belegt also keinen identischen ersten Versuch aller Modelle. Nguyen erklärt zudem, dass das Ausgangsbild mit GPT Image 2.5 entstand.

Der brauchbare Tipp aus diesem Beispiel: Beschreibe das Verhalten einer Oberfläche konkret und verbessere das Ergebnis anhand sichtbarer Fehler. "Die Rückseite wirkt milchig; sie soll reflektierendes Silber zeigen" ist eine präzisere Rückmeldung als "Mach es realistischer". Teste danach die Bedienung auf einem schwächeren Gerät. Ein glatter Clip am Desktop beantwortet die Frage nach mobiler Leistung noch nicht.

2. Einen Bug lösen, indem man eine vorhandene Lösung erkennt

Theo berichtet von einer Bugaufgabe mit Opus 5.5, GPT-6.1 Sol und Wonder Full. Wonder Full fand einen kleinen, bereits von jemand anderem eingereichten Pull Request und empfahl dessen Zusammenführung. Theo bewertet das positiv. Originalpost vom 13. Oktober.

Für die Praxis steckt darin eine bessere Aufgabenstellung: Lass einen Codingagenten zuerst vorhandene Lösungen suchen. Eine korrekt erkannte Reparatur kann wertvoller sein als ein zweiter, größerer Patch. Der Post dokumentiert einen einzelnen Fall; ein vollständiger kontrollierter Vergleich ist darin nicht veröffentlicht.

3. Ein 3D-Spiel mit enttäuschendem Ergebnis

Max Blade zeigt einen Rasenmähersimulator im Vergleich mit Opus 5.5 und kritisiert das Ergebnis von Wonder Full. Er berichtet außerdem, das Nutzungslimit seines 50-Dollar-Abos sei während des Versuchs erreicht gewesen und er habe auf den 200-Dollar-Tarif gewechselt. Originalpost mit Video.

Die von ihm genannten "API equivalent"-Kosten sind seine Umrechnung. Sie sind keine API-Rechnung für Wonder Full, denn Full ist derzeit nicht über die normale API verfügbar. Das Beispiel zeigt trotzdem einen relevanten Prüfpunkt: Ein guter Benchmarkwert schützt weder vor einem misslungenen Spezialauftrag noch vor ausgeschöpften Abolimits.

Unsere Einordnung: Bewerte die fertige Aufgabe und den Weg dorthin. Ein 3D-Effekt, eine Bugreparatur und ein komplettes Spiel prüfen unterschiedliche Fähigkeiten. Diese ersten Beispiele begründen einen eigenen Versuch an deiner Aufgabe, aber keinen allgemeinen Modellwechsel.

Prompts für einen sinnvollen eigenen Versuch

Die folgenden Prompts sind unsere Vorlagen, angelehnt an die dokumentierten Beispiele. Sie sind keine Wiedergabe einer eigenen Wonder-Testreihe.

Vor einer Bugreparatur

Untersuche diesen Fehler zunächst, ohne Dateien zu ändern.
Suche auch in vorhandenen Issues, Pull Requests und bisherigen Änderungen nach einer passenden Lösung.
Erkläre die wahrscheinliche Ursache mit Verweisen auf die betroffenen Stellen.
Schlage die kleinste tragfähige Korrektur und einen passenden Nachweis vor.
Warte vor der Umsetzung auf meine Freigabe.

Für einen visuellen Prototyp

Baue eine einzelne Webansicht mit einer drehbaren CD auf weißem Hintergrund.
Die Oberfläche soll sich je nach Blickwinkel verändern.
Füge einen Pause-Button und einen Regler für die Stärke des Effekts hinzu.
Verwende mein Referenzbild, ohne die Schrift darin zu verändern.
Prüfe die Bedienung bei 375 Pixel Breite und erkläre, welche Ressourcen die Animation benötigt.

Begrenze den ersten Auftrag auf ein überschaubares Ergebnis. Halte bei einem Vergleich Prompt und Ausgangsmaterial gleich; dokumentiere außerdem Denkaufwand und Nachbesserungen. Ein kurzer Auftrag macht Fehler leichter sichtbar. Die Grundlagen guter Aufgabenstellungen findest du in unseren Prompt-Vorlagen.

Active Memory und Active Focus: Was Meta damit meint

Active Memory bezeichnet das Wiederfinden relevanter Informationen aus früheren Gesprächen. Active Focus beschreibt das Durchhalten bei schwierigen Aufgaben, einschließlich alternativer Lösungswege. Meta zeigt dazu unter anderem eine Sitzordnung mit komplexen Anforderungen und einen über mehrere Anwendungen erstellten Laufplan. Das sind ausgewählte Herstellerdemos, keine unabhängig gemessene Zuverlässigkeit im Alltag. Demos und Erläuterungen.

Für eigene Anwendungen ist die Trennung wesentlich: Erinnerungen müssen gespeichert und zugänglich gemacht werden. Werkzeuge benötigen Berechtigungen. Ein großes Kontextfenster allein erzeugt weder ein dauerhaftes Gedächtnis noch einen funktionierenden Arbeitsablauf.

Video: Zuckerberg und Wang über Muse Wonder

Im Cheeky-Pint-Interview erläutern Mark Zuckerberg und Alexandr Wang den Modellstart. Das Kapitel zu Wonder beginnt bei 14:35. Das Gespräch ist eine direkte Quelle zur Produktstrategie; Leistungsversprechen der Beteiligten bleiben Herstellerangaben. Originalfolge mit Transkript.

Video ab dem Wonder-Kapitel auf YouTube öffnen.

FAQ zu Muse Wonder

Was kostet Muse Wonder?

Die Standard-API kostet pro Million Tokens 4 Dollar für ungecachte Eingabe, 0,20 Dollar für gecachte Eingabe und 20 Dollar für Ausgabe. In Muse Code beginnen die monatlichen Abos bei 5 Dollar. API-Verbrauch und Abo sind unterschiedliche Abrechnungen. API-Preise, Abopreise.

Wie bekomme ich Zugang zu Muse Wonder Full?

Wonder Full ist derzeit in Muse Code Power Usage für 50 Dollar oder Maximum Usage für 200 Dollar monatlich verfügbar, jeweils mit Nutzungslimits. Über die normale Meta Model API gibt es aktuell keinen Full-Zugang. Wonder-Produktseite.

Ist Muse Wonder in Deutschland verfügbar?

Deutschland steht nicht auf Metas allgemeiner Sperrliste für den Entwicklerzugang. Die Freischaltung deines Kontos und regionale Tarifvorteile musst du trotzdem im Entwicklerportal prüfen. Eine deutsche Veröffentlichung der persönlichen Muse-App ist damit nicht bestätigt. Geographic Use Policy.

Ist Wonder mit maximalem Reasoning dasselbe wie Wonder Full?

Nein. Wonder Full ist ein eigenes Modell. Die Einstellung max erhöht den Denkaufwand des ausgewählten Wonder-Modells und schaltet Full nicht frei. Wonder und Full.

Kann Muse Wonder Bilder und Videos erzeugen?

Wonder versteht Bilder und Videos als Eingabe, gibt selbst aber Text aus. Eine animierte Website entsteht durch Code. Für native Bilderzeugung hat Meta Muse Image; diese Aufgaben gehören zu unterschiedlichen Modellen. Modellkatalog.

Verwendet Meta meine Muse-Code-Inhalte zum Training?

Bei Muse-Code-Abos ist Contributor standardmäßig aktiv und erlaubt die Nutzung übermittelter Inhalte für künftiges Modelltraining. Du kannst auf Standard wechseln; künftig übermittelte Inhalte nutzt Meta laut Dokumentation dann nicht zum Training. Der Wechsel nimmt die frühere Erlaubnis für bereits übermittelte Inhalte nicht zurück. Prüfe die Einstellung vor einem vertraulichen Projekt. Contributor und Standard.

Für wen lohnt sich Muse Wonder?

Wonder ist ein Kandidat für komplexe Codingaufgaben und Agentenabläufe, bei denen Spark an Grenzen stößt. Full lohnt einen gezielten Vergleich, wenn dein Muse-Code-Konto Zugang bietet und die Aufgabe den zusätzlichen Aufwand rechtfertigt. Für viele einfache Anfragen kann die günstigere Spark-Reihe ausreichend sein. Die Meta-Muse-Modellübersicht ordnet die Alternativen ein.

Wer vor allem ein fertiges Chatwerkzeug sucht, sollte außerdem den tatsächlichen Produktzugang vergleichen. Ein starkes API-Modell ersetzt keine verfügbare Anwendung. Unser Vergleich der ChatGPT-Alternativen hilft bei dieser anderen Entscheidung.

Wir verfolgen die weiteren unabhängigen Tests im KI-Weekly-Ranking. Neue Modelle und brauchbare Anwendungstipps ordnen wir auch im kostenlosen Newsletter ein. Wenn du KI für eigene Clips nutzen möchtest, kannst du dich bei KI Weekly Motion vormerken.