Muse Code et API : accéder à Muse Wonder au bon prix

Qu’est-ce que Muse Wonder ?

Meta Superintelligence Labs a lancé Muse Wonder et Muse Wonder Full le 12 octobre 2026. Ces modèles offrent une option plus performante pour les tâches de longue haleine qui demandent de planifier, d’utiliser des outils et de rebondir après un échec. Un agent est le logiciel qui entoure le modèle et lui permet d’effectuer ces actions, au lieu de se limiter à une réponse dans un chat. L’annonce de Meta précise la date de lancement et présente les deux variantes.

Concrètement, vous disposez d’un modèle supplémentaire à intégrer à votre workflow. Un développeur peut évaluer Wonder sur une refactorisation qui touche plusieurs packages. Un responsable opérationnel peut le tester sur une analyse documentaire nécessitant plusieurs outils pour aboutir à une réponse. Dans les deux cas, le lancement d’un nouveau modèle ne justifie pas de remplacer un système de classification peu coûteux qui fonctionne déjà.

Meta décrit la planification, l’utilisation parallèle d’outils et la reprise après erreur dans sa présentation destinée aux développeurs. Ces capacités n’ont d’intérêt que si le résultat passe vos contrôles. Une exécution plus longue qui se trompe d’objectif vous laisse toujours du travail de vérification.

Muse Code et API : quels accès à Wonder et Wonder Full ?

Wonder est accessible par API ; Wonder Full, la variante plus performante, est réservée aux abonnements Muse Code éligibles. Les deux affichent une fenêtre de contexte de 1M sur la page du modèle de Meta. Le contexte désigne l’ensemble des éléments qu’un modèle peut prendre en compte simultanément. Il se mesure en tokens, de petites unités de texte ou d’autres données d’entrée encodées.

Ces restrictions d’accès figurent dans la documentation de Meta sur la disponibilité des modèles. Elle précise que régler l’effort de raisonnement de Wonder sur max ne sélectionne pas Wonder Full. Ce réglage modifie l’effort de réflexion du modèle choisi, pas les modèles auxquels votre offre donne accès.

Quel est le prix de Wonder Full ?

Meta affiche Muse Code Power Usage à $50.00 par mois et Maximum Usage à $200.00 par mois sur la page du modèle Wonder. Les deux offres incluent Full. Il s’agit des tarifs de Muse Code, pas de ceux de l’application Muse, qui est un produit distinct.

Choisissez Power Usage pour évaluer Full si le quota inclus convient à votre travail. Envisagez Maximum Usage si vous avez besoin d’un quota supérieur ; Full n’impose pas l’abonnement le plus cher. Meta annonce des quotas correspondant respectivement à 20x et 80x celui d’Everyday Usage. Aucune de ces offres ne permet un usage illimité.

Un abonnement ne couvre pas non plus tous vos appels API. La documentation des abonnements précise que les identifiants associés servent uniquement à Muse Code ; les clés API supplémentaires sont facturées séparément. Les avantages et la disponibilité peuvent varier selon les régions.

Wonder est-il déjà disponible dans l’application Muse ?

Dans son annonce, Meta indique « bientôt », avec un accès prioritaire pour les abonnés. Cette formulation ne fixe ni date de lancement ni droit d’accès à Wonder Full dans l’application Muse. Pour un accès documenté dès maintenant, passez par l’API ou Muse Code. Le déploiement dans l’application reste à venir, selon l’annonce de Meta.

API Muse Wonder : quel prix par tâche ?

Votre budget doit couvrir les tokens réellement consommés par une tâche, y compris ses appels successifs. La fenêtre de contexte de 1M est une capacité maximale, pas une requête à prix forfaitaire ni un quota mensuel.

Ces tarifs en USD ont été vérifiés sur les pages de Meta consacrées aux modèles et aux prix le 13 octobre 2026. Chaque montant correspond à un million de tokens en mode Standard :

L’entrée en cache correspond au contenu de prompt réutilisé qui remplit les conditions du tarif réduit. La documentation tarifaire de Meta indique qu’aucun supplément ne s’applique aux longs contextes. La recherche web est facturée séparément, à $2.50 pour 1,000 requêtes, en plus des tokens. L’API Wonder est accessible uniquement en mode Standard : aucune réduction liée au mode Contributor n’est proposée pour cette API.

Un exemple de budget pour le développement ou les opérations

Supposons qu’une tâche consomme au total 200,000 tokens d’entrée sans cache et 20,000 tokens de sortie facturés, tous appels confondus. C’est une hypothèse de travail, pas une exécution mesurée du modèle. Écartons la recherche et les autres frais hors tokens, en conservant une consommation identique :

• Spark 1.2 : (0.2 × $1.25) + (0.02 × $4.25) = $0.335 par tâche.
• Wonder : (0.2 × $4.00) + (0.02 × $20.00) = $1.20 par tâche.
• Écart : $0.865 par tâche, soit un coût en tokens multiplié par environ 3.58.

Pour 1,000 tâches, le total atteint $335 avec Spark contre $1,200 avec Wonder, soit $865 de plus. Si un fondateur réserve Wonder aux 10% de tâches les plus difficiles et conserve Spark pour les 90% restantes, ce même scénario revient à $421.50. Cet exemple de répartition suppose de pouvoir distinguer les tâches selon leur difficulté ; il ne démontre la réussite d’aucun des deux modèles.

Le nombre de tokens réellement consommés peut varier d’un modèle à l’autre. Servez-vous du calcul à consommation égale pour préparer un essai, puis remplacez cette hypothèse par la consommation facturée et le temps de vérification observés sur vos propres tâches.

Quand faut-il conserver Muse Spark 1.2 ?

Conservez un workflow Spark validé tant que Wonder n’a pas démontré son intérêt pour la tâche concernée. Muse Spark 1.2 dispose déjà d’un contexte de 1M et sa page de présentation le positionne sur le développement et l’utilisation d’outils. Une grande fenêtre de contexte ne suffit donc pas à justifier un changement de modèle.

Pour un responsable opérationnel expérimenté qui trie des demandes entrantes, extrait des champs ou prépare une synthèse courante, la question utile est de savoir si le résultat respecte les critères d’acceptation. Pour un développeur indépendant qui corrige un bug bien délimité, il s’agit de vérifier que le correctif et les tests sont justes. Si Spark remplit déjà ces conditions, le tarif supérieur de Wonder demande une justification précise.

Une distinction de version reste à prendre en compte : Meta recommande désormais Muse Spark 1.3 pour les nouveaux usages de Spark, tandis que la version 1.2 reste disponible. Sa documentation des modèles signale également une prise en charge incomplète de l’audio dans la version 1.3 et oriente les utilisateurs concernés vers la version 1.2. Rester dans la famille Spark et conserver délibérément un déploiement 1.2 éprouvé sont deux décisions distinctes.

Qui doit tester, attendre ou conserver son modèle actuel ?

Les développeurs ont intérêt à tester Wonder lorsqu’une tâche bloque régulièrement entre plusieurs fichiers, outils ou échecs intermédiaires. Gardez le même périmètre et les mêmes critères d’acceptation pour voir si le changement de modèle apporte quelque chose. Évaluez Full dans Muse Code uniquement si la difficulté du travail de développement justifie cet abonnement.

Les équipes opérationnelles ont intérêt à laisser les tâches peu coûteuses sur Spark et à essayer Wonder sur une exception bien délimitée : par exemple, un dossier difficile qui demande de croiser plusieurs documents pour produire une réponse étayée. Exigez les mêmes preuves que d’une personne chargée de ce travail.

Les acheteurs et les CTO doivent distinguer le choix de déploiement du classement des modèles. Un produit qui nécessite une intégration par API ne peut pas utiliser Full par cette voie aujourd’hui. Si vous attendez précisément Wonder dans l’application Muse, attendez la confirmation de sa disponibilité dans cette application avant de souscrire un abonnement Muse Code qui correspond à un autre produit.

Active Memory et Active Focus : les promesses de Meta

Meta promet de retrouver les informations utiles et de mener le travail dans la durée, au-delà d’un simple prompt plus volumineux. La distinction compte : se souvenir d’une consigne et la respecter jusqu’au bout ne posent pas les mêmes difficultés.

Selon Meta, Active Memory conserve le contexte utile d’une conversation à l’autre et retrouve les éléments pertinents pour la tâche en cours. Active Focus, toujours selon Meta, poursuit les objectifs difficiles, essaie d’autres approches, gère les blocages et demande des précisions ou effectue des vérifications avant les actions importantes. Ce sont des comportements revendiqués par Meta, pas des garanties vérifiées de manière indépendante dans cet article.

Dans les opérations, un test de mémoire utile consiste à vérifier si un agent retrouve une contrainte de livraison fournie précédemment au moment d’examiner une nouvelle commande. Pour tester sa persévérance, regardez s’il parvient à reprendre après l’échec d’une recherche sans perdre cette contrainte. Le premier test porte sur le rappel de l’information ; le second, sur la capacité à poursuivre le travail. Un paragraphe final bien rédigé ne prouve ni l’un ni l’autre.

Dans une intégration sur mesure, définissez où les informations passées sont stockées et comment elles parviennent au modèle. Ne supposez pas qu’un changement d’identifiant de modèle dans l’API crée automatiquement une mémoire durable. Muse Code documente, par exemple, une mémoire en Markdown avec des périmètres distincts, ce qui montre que le produit qui entoure le modèle joue aussi un rôle.

Comment utiliser Muse Wonder avec Muse Code ou l’API ?

Utilisez Muse Code pour intervenir sur un dépôt, ou l’API pour une application que vous contrôlez. Un premier essai doit répondre à une question précise et produire un résultat que vous pouvez examiner.

Démarrer avec Muse Code

Muse Code est l’agent de développement de Meta qui s’utilise dans le terminal. Suivez le guide de démarrage officiel sur macOS ou Linux :

curl -fsSL https://dev.meta.ai/install.sh | sh
muse

Lancez-le depuis le dépôt sur lequel vous souhaitez travailler. Au premier démarrage, connectez-vous via le navigateur ou utilisez une clé API. Ouvrez /models et sélectionnez Wonder ; ne choisissez Full que si votre abonnement l’inclut.

Confiez-lui un objectif bien délimité, par exemple : « Identifie la cause de l’échec du test de pagination, propose le correctif minimal et montre le résultat du test ciblé. » Examinez le diff et les éléments de validation avant d’accepter la modification. Notre guide d’utilisation de Muse Code détaille davantage l’installation, la planification et la vérification des changements.

Envoyer une requête directement à l’API

Créez une clé API dans le tableau de bord Meta Model API en suivant API keys → Create API key, puis définissez-la dans votre shell sous le nom MODEL_API_KEY. Une fois cette variable renseignée, l’exemple suivant adapte la requête Responses documentée par Meta à l’identifiant du modèle Wonder :

curl -sS https://api.meta.ai/v1/responses \
  -H "Authorization: Bearer $MODEL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "muse-wonder-1.0",
    "input": "Plan a contained fix for a pagination bug. List the evidence needed to verify it."
  }'

La réponse fournit un plan, pas une modification du dépôt : cette requête ne donne accès à aucun dépôt ni outil. Meta indique que Wonder et Spark acceptent les mêmes requêtes sur les mêmes endpoints. Une intégration Spark existante constitue donc un point de départ pratique pour l’évaluation.

Les limites à connaître : l’accès ne garantit pas un travail mené à bien en autonomie

L’erreur la plus lourde de conséquences consiste à acheter un accès sur la base d’une mauvaise hypothèse. Gardez ces distinctions en tête avant de souscrire :

• Full est une variante distincte. Wonder avec un effort de raisonnement max reste Wonder. Les tarifs API de $4/$20 ne donnent pas accès à Full.
• Un contexte de 1M ne garantit pas le rappel des informations. Cette capacité ne prouve pas que le modèle a trouvé le fait pertinent ni qu’il en a tenu compte jusqu’au bout.
• Un abonnement n’est pas un crédit API illimité. Muse Code et les clés API créées séparément ont chacun leur propre facturation.
• Il s’agit de modèles hébergés. Les annonces et documents d’accès cités ne proposent pas de poids Wonder à télécharger pour un hébergement sur votre propre infrastructure.

Un réglage mérite également votre attention : les abonnements Muse Code utilisent le mode Contributor par défaut. Ce mode autorise Meta à utiliser le contenu fourni pour entraîner ses modèles, en échange d’un quota d’utilisation plus élevé. Désactivez-le dans les paramètres si cela ne convient pas à votre travail. Pour le mode Standard de l’API Wonder, Meta affirme que le contenu ne sert pas à entraîner ses modèles. Vérifiez les conditions du produit que vous utilisez réellement.

Pour comparer les modèles eux-mêmes, consultez Muse Wonder face à Claude Opus 5.5. Pour comprendre la génération Spark précédente, l’analyse de Muse Spark 1.1 apporte un éclairage historique ; pour votre budget actuel, utilisez les tarifs indiqués plus haut.

Questions fréquentes

Votre prochaine étape

Choisissez 10 tâches bien délimitées dans un workflow existant. Conservez les mêmes données d’entrée et les mêmes critères d’acceptation, comparez votre configuration Spark actuelle à Wonder, puis relevez les résultats acceptés, la consommation totale facturée et le temps de vérification. Gardez Spark pour le travail qu’il accomplit déjà correctement ; adoptez Wonder là où l’amélioration mesurée compense son surcoût. Évaluez Full séparément, uniquement si ce travail a sa place dans Muse Code.

Pour recevoir des guides pratiques sur le choix des modèles d’IA et leurs coûts d’utilisation, abonnez-vous à la newsletter.