Muse Wonder: prezzi, accesso e quando sceglierlo

Che cos’è Muse Wonder?

Meta Superintelligence Labs ha rilasciato Muse Wonder e Muse Wonder Full il 12 ottobre 2026. I nuovi modelli offrono capacità superiori per attività prolungate che richiedono pianificazione, uso di strumenti e recupero dopo tentativi falliti. Un agente è il software che permette al modello di compiere queste azioni, anziché limitarsi a rispondere in chat. L’annuncio di Meta riporta la data del rilascio e presenta le due varianti.

In pratica, hai un modello in più da scegliere per il tuo flusso di lavoro. Chi sviluppa potrebbe valutare Wonder su un refactoring che coinvolge più pacchetti. Chi gestisce attività operative potrebbe provarlo su un’indagine che richiede molti documenti e diversi strumenti per arrivare a una risposta. In nessuno dei due casi il lancio di un nuovo modello impone di sostituire un classificatore economico che funziona già bene.

Meta descrive pianificazione, uso parallelo degli strumenti e recupero dagli errori nel suo annuncio per gli sviluppatori. Queste capacità contano solo se il risultato supera i tuoi controlli. Un’esecuzione più lunga che porta a termine il compito sbagliato lascia comunque lavoro da rivedere.

Muse Wonder e Wonder Full: cosa cambia nell’accesso?

Wonder è disponibile via API; Wonder Full è la variante più capace, riservata ad alcuni abbonamenti Muse Code. La pagina dei modelli di Meta indica per entrambi un contesto da 1M di token. Il contesto è il materiale che un modello può considerare nel suo insieme. Si misura in token, piccole unità di testo e di altri tipi di input codificati.

Le limitazioni di accesso sono riportate nella documentazione di Meta sulla disponibilità dei modelli. La pagina precisa che impostare lo sforzo di ragionamento di Wonder su max non seleziona Wonder Full. Questa impostazione modifica quanto ragiona il modello scelto, ma non dà accesso a un modello diverso.

Quanto costa Wonder Full?

Nella pagina di Wonder, Meta indica Muse Code Power Usage a $50.00/mese e Maximum Usage a $200.00/mese. Entrambi includono Full. Sono i prezzi di Muse Code; l’app Muse è un prodotto separato.

Per valutare Full, scegli Power Usage se l’utilizzo incluso basta per il tuo lavoro. Prendi in considerazione Maximum Usage quando ti serve il suo tetto più alto: Full non richiede il piano più costoso. Meta indica soglie pari rispettivamente a 20x e 80x quelle di Everyday Usage; nessuna delle due equivale a un utilizzo illimitato.

L’abbonamento, inoltre, non copre qualsiasi traffico API. La documentazione sugli abbonamenti specifica che la relativa credenziale vale solo per Muse Code; le chiavi API aggiuntive vengono fatturate a parte. Vantaggi e disponibilità possono variare in base all’area geografica.

Wonder è già disponibile nell’app Muse?

Al lancio, Meta parla di arrivo «a breve», dando precedenza agli abbonati. Non indica una data né garantisce l’accesso a Wonder Full nell’app Muse. Per un percorso di accesso documentato oggi, usa l’API o Muse Code. In base all’annuncio di Meta, la distribuzione nell’app resta in attesa.

Muse Wonder: prezzi API e costo di un’attività

Il budget va calcolato sui token effettivamente consumati da un’attività, comprese le chiamate ripetute. La finestra di contesto da 1M indica una capacità: non è una richiesta a prezzo fisso né un plafond mensile.

Queste tariffe in USD sono state verificate sulle pagine online dei modelli e dei prezzi di Meta il 13 ottobre 2026. Ogni prezzo si riferisce a un milione di token in modalità Standard:

L’input in cache è contenuto del prompt riutilizzato che soddisfa le condizioni per la tariffa ridotta. La documentazione dei prezzi di Meta specifica che non ci sono maggiorazioni per il contesto lungo. La ricerca sul web costa separatamente $2.50 ogni 1,000 query, oltre ai token. Wonder è accessibile via API solo in modalità Standard: non esiste uno sconto API in modalità Contributor per Wonder.

Un esempio di budget per sviluppo e attività operative

Supponiamo che un’attività consumi, nell’insieme delle sue chiamate, 200,000 token di input non in cache e 20,000 token di output fatturati. È un carico di lavoro ipotetico, non una misurazione su un’esecuzione reale. Escludiamo la ricerca e gli altri costi non legati ai token, mantenendo identici i consumi:

• Spark 1.2: (0.2 × $1.25) + (0.02 × $4.25) = $0.335 per attività.
• Wonder: (0.2 × $4.00) + (0.02 × $20.00) = $1.20 per attività.
• Differenza: $0.865 per attività, cioè un costo dei token pari a circa 3.58 volte quello di Spark.

Su 1,000 attività, si arriva a $335 con Spark contro $1,200 con Wonder, con un aumento di $865. Se chi guida un’azienda assegna a Wonder soltanto il 10% più difficile e lascia il restante 90% a Spark, lo stesso carico ipotetico costa $421.50. L’esempio presuppone che si possano distinguere le attività per difficoltà; non dimostra che uno dei due modelli riuscirà a portarle a termine.

Il numero effettivo di token può variare da un modello all’altro. Usa il calcolo a parità di consumo per pianificare una prova, poi sostituisci l’ipotesi con i consumi fatturati e il tempo di revisione delle tue attività.

Quando conviene restare su Muse Spark 1.2?

Mantieni un flusso di lavoro Spark già validato se Wonder non offre un vantaggio dimostrato su quel compito. Muse Spark 1.2 ha già un contesto da 1M ed è presentato come modello per programmazione e uso di strumenti nella sua pagina dedicata. Una finestra di contesto ampia, da sola, non giustifica quindi il passaggio.

Per un responsabile operativo esperto che smista richieste, estrae campi o prepara un riepilogo periodico, la domanda utile è se il risultato soddisfa il criterio di accettazione. Per chi sviluppa in autonomia e corregge un bug circoscritto, conta che la patch e i test siano corretti. Se Spark supera già quella soglia, la tariffa più alta di Wonder richiede una motivazione precisa.

C’è però una distinzione tra versioni da tenere presente: Meta ora consiglia Muse Spark 1.3 per i nuovi progetti con Spark, mentre 1.2 resta disponibile. La documentazione dei modelli segnala anche che il supporto audio di 1.3 è incompleto e rimanda a 1.2 chi lavora con l’audio. Restare nella famiglia Spark e mantenere deliberatamente un’implementazione 1.2 già collaudata sono due decisioni diverse.

Chi dovrebbe provarlo, aspettare o mantenere il modello attuale?

Chi sviluppa dovrebbe provare Wonder quando un’attività si blocca ripetutamente nel passaggio tra file, strumenti o errori intermedi. Mantieni invariati il perimetro del compito e i controlli di accettazione, così puoi capire se il cambio di modello aiuta. Valuta Full dentro Muse Code solo quando il lavoro di programmazione più difficile giustifica quell’abbonamento.

Chi gestisce attività operative dovrebbe lasciare su Spark il lavoro a basso costo e provare Wonder su un’eccezione ben delimitata: per esempio, un caso difficile in cui occorre incrociare più documenti per ottenere una risposta supportata da riscontri. Chiedi le stesse prove che richiederesti a una persona incaricata del compito.

Chi si occupa degli acquisti e i CTO dovrebbero distinguere la scelta di implementazione dalla classifica dei modelli. Un prodotto che richiede un’integrazione API oggi non può usare Full tramite API. Chi aspetta specificamente Wonder nell’app Muse dovrebbe attendere la conferma della disponibilità, invece di acquistare un piano Muse Code per il prodotto sbagliato.

Active Memory e Active Focus: cosa dichiara Meta

Meta promette di recuperare le informazioni pertinenti e portare avanti il lavoro con continuità, non soltanto di accettare prompt più lunghi. La distinzione conta perché ricordare un’istruzione e rispettarla fino in fondo sono due problemi diversi.

Active Memory, nella descrizione di Meta, conserva il contesto utile tra una conversazione e l’altra e recupera ciò che serve per il compito in corso. Active Focus, sempre secondo Meta, continua a lavorare su obiettivi difficili, prova alternative, affronta gli ostacoli e chiede chiarimenti o verifiche prima delle azioni importanti. Si tratta di comportamenti dichiarati da Meta, non di garanzie verificate in modo indipendente in questo articolo.

Per chi gestisce attività operative, un buon test della memoria consiste nel verificare se un agente recupera un vincolo di consegna fornito in precedenza quando esamina un nuovo ordine. Per mettere alla prova la continuità del lavoro, si può osservare se riesce a riprendersi da una ricerca fallita senza perdere di vista quel vincolo. Il primo test verifica il richiamo delle informazioni; il secondo la capacità di portare avanti il compito. Un paragrafo finale ben scritto non dimostra nessuna delle due cose.

In un’integrazione personalizzata, stabilisci dove conservare le informazioni passate e come farle arrivare al modello. Cambiare l’ID del modello API non crea automaticamente un sistema di memoria persistente. Muse Code, per esempio, documenta una memoria in Markdown con ambiti separati: anche il prodotto che circonda il modello ha quindi un ruolo.

Come provare Muse Wonder con Muse Code o via API

Usa Muse Code per un’attività su un repository, oppure l’API per un’applicazione che controlli. La prima prova dovrebbe rispondere a una domanda precisa e produrre un risultato che puoi esaminare.

Da dove iniziare con Muse Code

Muse Code è l’agente di programmazione da terminale di Meta. Su macOS o Linux, segui la guida rapida ufficiale:

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

Avvialo dal repository su cui vuoi lavorare. Al primo avvio, accedi tramite browser oppure con una chiave API. Apri /models e seleziona Wonder; scegli Full soltanto se il tuo abbonamento lo include.

Assegna un obiettivo circoscritto, per esempio: «Individua la causa del test di paginazione che fallisce, proponi la correzione minima e mostra l’esito del test mirato». Controlla il diff e le prove prima di accettare la modifica. La nostra guida all’uso di Muse Code approfondisce il percorso completo di installazione, pianificazione e revisione.

Come inviare una richiesta API diretta

Crea una chiave API dalla dashboard di Meta Model API seguendo API keys → Create API key e impostala nella shell come MODEL_API_KEY. Una volta definita la variabile, questo esempio adatta la richiesta Responses documentata da Meta all’ID del modello 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 risposta contiene un piano, non una modifica al repository: questa richiesta non fornisce né un repository né strumenti. Meta afferma che Wonder e Spark accettano le stesse richieste sugli stessi endpoint. Un’integrazione Spark esistente è quindi un punto di partenza pratico per la valutazione.

Aspettative da ridimensionare: l’accesso non garantisce l’autonomia

L’errore che pesa di più è acquistare l’accesso partendo da un presupposto sbagliato. Nella decisione di acquisto, tieni presenti queste distinzioni:

• Full è una variante separata. Wonder con ragionamento max resta Wonder. Le tariffe API di $4/$20 non danno accesso a Full.
• Un contesto da 1M non garantisce che il modello ricordi tutto. La capacità non dimostra che abbia trovato l’informazione pertinente o l’abbia rispettata per tutta l’attività.
• Un abbonamento non è credito API illimitato. L’utilizzo di Muse Code e quello delle chiavi API create separatamente vengono conteggiati e fatturati in modo distinto.
• Il modello viene offerto come servizio ospitato. L’annuncio e la documentazione di accesso citati non mettono a disposizione pesi di Wonder da scaricare per eseguirlo sulla propria infrastruttura.

C’è anche un’impostazione concreta da valutare: gli abbonamenti Muse Code usano per impostazione predefinita la modalità Contributor, che permette a Meta di usare i contenuti forniti per addestrare i modelli in cambio di un utilizzo maggiore. Disattivala nelle impostazioni se non è adatta al tuo lavoro. Nella modalità Standard dell’API di Wonder, Meta dichiara che i contenuti non vengono usati per addestrare i suoi modelli. Verifica le condizioni del prodotto che utilizzi effettivamente.

Per il confronto diretto tra modelli, leggi Muse Wonder vs Claude Opus 5.5. La recensione di Muse Spark 1.1 offre invece il contesto della precedente generazione Spark; per il budget attuale, usa le tariffe riportate sopra.

Domande frequenti

Il prossimo passo: una prova sul tuo lavoro

Scegli 10 attività circoscritte da un flusso di lavoro esistente. Mantieni gli stessi input e criteri di accettazione, confronta la tua configurazione Spark attuale con Wonder e registra i risultati accettati, l’utilizzo totale fatturato e il tempo di revisione. Lascia a Spark il lavoro che sa già gestire; adotta Wonder dove il miglioramento misurato compensa il costo aggiuntivo. Valuta Full separatamente, solo se Muse Code è l’ambiente adatto a quel lavoro.

Per guide pratiche alla scelta dei modelli AI e ai costi di utilizzo, iscriviti alla newsletter.