Muse Wonder
Meta
- Veröffentlicht
- 12. Oktober 2026
- Datenstand
- 15. Oktober 2026
- Preis
- Eingabe · Ausgabe / 1 Mio. Token
- Eingabe
- Text, Bild, Audio, Video
- Ausgabe
- Text
Muse Wonder ist Metas Modell für komplexe agentische Aufgaben und längere Softwarearbeit. Es verarbeitet Text, Bilder, Videos, Audio und PDF-Dateien und gibt Text aus.
Über die Model API erhält es 1.048.576 Token Kontext; Meta kennzeichnet es als Vorschau. Ein numerisches Ausgabelimit und einen Wissensstichtag veröffentlicht Meta nicht.
Technische Daten und Zugang
| Angabe | Wert und Quelle |
|---|---|
| Gewichte | ProprietärQuelle |
| Hinweise | Proprietäres Modell für komplexe agentische Aufgaben; Meta veröffentlicht keine Parameterzahl.Quelle |
| Zugang | Model API (Standardmodus) und Muse CodeQuelle |
| Model-API-Modell-ID | muse-wonder-1.0Quelle |
| Eingaben | Text, Bilder, Videos, Audio und PDF-DateienQuelle |
| Ausgaben | TextQuelle |
| Kontextfenster | 1.048.576 TokenQuelle |
Seite 1 von 17
Veröffentlichte Benchmarks
Agentenaufgaben
AutomationBench-AA (strict pass@1)
Overall
Geschäftsabläufe in einer simulierten Anwendungsumgebung. Jede Endzustandsprüfung muss bestehen, Reasoning max. Nicht mit anderen AutomationBench-AA-Metriken vermischen. Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis (Muse Wonder): Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
höhere Werte sind besserStand 15. Oktober 2026Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-automationbench-aa
- Messgröße
- strict pass@1; every end-state assertion passed
- Skala
- 0-100
- Teilnehmer
- 5
- Methodik und Einordnung
- Geschäftsabläufe in einer simulierten Anwendungsumgebung. Jede Endzustandsprüfung muss bestehen, Reasoning max. Nicht mit anderen AutomationBench-AA-Metriken vermischen.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-486cc1fd0e30. Prüfsumme der Quelldaten: 486cc1fd0e30df79c113cefceff8209ee698f3d3c0c502cd5e6a1062f9789755. Parserversion: curated-v1. Importiert am: 2026-10-15
OSWorld V2.1 (binary completion)
Overall
108 Desktop-Arbeitsabläufe auf Ubuntu. Vollständige Aufgabenerfüllung ohne Teilpunkte, Reasoning max. Kein veröffentlichter binärer Opus-5.5-Wert. Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis (Muse Wonder): Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
höhere Werte sind besserStand 15. Oktober 2026Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-osworld-binary
- Messgröße
- strict binary task completion
- Skala
- 0-100
- Teilnehmer
- 4
- Methodik und Einordnung
- 108 Desktop-Arbeitsabläufe auf Ubuntu. Vollständige Aufgabenerfüllung ohne Teilpunkte, Reasoning max. Kein veröffentlichter binärer Opus-5.5-Wert.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-ce462a4d193b. Prüfsumme der Quelldaten: ce462a4d193bf92a3d779abd513ea6d6a8903cc9eac7f0738f1a7bbb0934408e. Parserversion: curated-v1. Importiert am: 2026-10-15
OSWorld V2.1 (partial reward)
Overall
108 Desktop-Arbeitsabläufe auf Ubuntu. Teilpunkte, Reasoning max. Der Opus-5.5-Wert ist laut Meta eine Anthropic-Angabe. Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis (Muse Wonder): Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
höhere Werte sind besserStand 15. Oktober 2026Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-osworld-partial
- Messgröße
- mean per-task partial reward
- Skala
- 0-100
- Teilnehmer
- 5
- Methodik und Einordnung
- 108 Desktop-Arbeitsabläufe auf Ubuntu. Teilpunkte, Reasoning max. Der Opus-5.5-Wert ist laut Meta eine Anthropic-Angabe.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-42896ddbba2e. Prüfsumme der Quelldaten: 42896ddbba2ee26c0f376f3aee7501de06452d1925efc121d8ec29df56f46216. Parserversion: curated-v1. Importiert am: 2026-10-15
Programmieren
DeepSWE
Overall
113 Aufgaben in 91 Repositorys und fünf Sprachen. Reasoning max. Meta nennt Datacurve als Evaluator; diese Muse-Werte waren auf dessen öffentlicher Rangliste beim Abruf nicht auffindbar. Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis (Muse Wonder): Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
höhere Werte sind besserStand 15. Oktober 2026Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-deepswe
- Messgröße
- pass@1
- Skala
- 0-100
- Teilnehmer
- 5
- Methodik und Einordnung
- 113 Aufgaben in 91 Repositorys und fünf Sprachen. Reasoning max. Meta nennt Datacurve als Evaluator; diese Muse-Werte waren auf dessen öffentlicher Rangliste beim Abruf nicht auffindbar.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-29ee4352e632. Prüfsumme der Quelldaten: 29ee4352e6328b759b9977f09884c2fe89318fcd8099d1a8f6e518422b0e4073. Parserversion: curated-v1. Importiert am: 2026-10-15
ProgramBench
Overall
Programme aus einer Spezifikation rekonstruieren. Einheitlicher mini-swe-agent, saubere Umgebung ohne Internet nach dem Start. Anteil der Läufe mit mindestens 95 % bestandenen Tests, Reasoning max. Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis (Muse Wonder): Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
höhere Werte sind besserStand 15. Oktober 2026Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-programbench
- Messgröße
- rollouts passing at least 95% of tests
- Skala
- 0-100
- Teilnehmer
- 5
- Methodik und Einordnung
- Programme aus einer Spezifikation rekonstruieren. Einheitlicher mini-swe-agent, saubere Umgebung ohne Internet nach dem Start. Anteil der Läufe mit mindestens 95 % bestandenen Tests, Reasoning max.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Harness: mini-swe-agent. Werkzeugrichtlinie: no internet after setup. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-48b87e1dd0cc. Prüfsumme der Quelldaten: 48b87e1dd0cce991eb594d97c5b46b5241df64260ac56d001b5824671fb34242. Parserversion: curated-v1. Importiert am: 2026-10-15
Vals Finance Agent V2
Overall
Finanzrecherche anhand von Unternehmensunterlagen und Marktdaten. Privates Testset, Reasoning max. Von Meta wiedergegebene Vals-Werte. Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis (Muse Wonder): Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
höhere Werte sind besserStand 15. Oktober 2026Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-finance-agent-v2
- Messgröße
- private test accuracy
- Skala
- 0-100
- Teilnehmer
- 5
- Methodik und Einordnung
- Finanzrecherche anhand von Unternehmensunterlagen und Marktdaten. Privates Testset, Reasoning max. Von Meta wiedergegebene Vals-Werte.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-8dc60fff8edf. Prüfsumme der Quelldaten: 8dc60fff8edfa998d54e5c541cbb3279a1385fd6375774edb6d66cf8334bf9bc. Parserversion: curated-v1. Importiert am: 2026-10-15
Produktivität
GDP.pdf
Overall
Berufliche Arbeit mit bereitgestellten PDF-Unterlagen. Reasoning max. Meta nennt Surge als ursprüngliche Quelle. Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis (Muse Wonder): Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
höhere Werte sind besserStand 15. Oktober 2026Skala: 0 Punkte - 34,2 Punkte
Methodik und Einordnung
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-gdp-pdf
- Messgröße
- published GDP.pdf score
- Skala
- Keine obere Grenze dokumentiert. Die Darstellung umfasst die erfassten Werte und den Nullpunkt.
- Teilnehmer
- 5
- Methodik und Einordnung
- Berufliche Arbeit mit bereitgestellten PDF-Unterlagen. Reasoning max. Meta nennt Surge als ursprüngliche Quelle.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-38e2b67d4ac7. Prüfsumme der Quelldaten: 38e2b67d4ac7014ed57688efe7f13cb4944d00c7f49112086f148b0153121188. Parserversion: curated-v1. Importiert am: 2026-10-15
JobBench
Overall
65 berufliche Aufgaben aus 35 Berufen. Mittlerer aufgabenspezifischer Reward, Reasoning max. Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis (Muse Wonder): Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
höhere Werte sind besserStand 15. Oktober 2026Skala: 0 Punkte - 75,4 Punkte
Methodik und Einordnung
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-jobbench
- Messgröße
- mean task reward
- Skala
- Keine obere Grenze dokumentiert. Die Darstellung umfasst die erfassten Werte und den Nullpunkt.
- Teilnehmer
- 5
- Methodik und Einordnung
- 65 berufliche Aufgaben aus 35 Berufen. Mittlerer aufgabenspezifischer Reward, Reasoning max.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-b39cb0e087b8. Prüfsumme der Quelldaten: b39cb0e087b8d78df5e1d8ad024a0c0943bc6b187587e2f9fe07adff5f590fa6. Parserversion: curated-v1. Importiert am: 2026-10-15
Harvey LAB-AA
Overall
Juristische Arbeitsergebnisse, alle Kriterien einschließlich Halluzinationsprüfung müssen erfüllt sein. Reasoning max. Meta nennt Artificial Analysis als ursprünglichen Evaluator. Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis (Muse Wonder): Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
höhere Werte sind besserStand 15. Oktober 2026Skala: 0 % - 100 %
Methodik und Einordnung
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-harvey-lab-aa
- Messgröße
- all criteria passed with hallucination checks
- Skala
- 0-100
- Teilnehmer
- 5
- Methodik und Einordnung
- Juristische Arbeitsergebnisse, alle Kriterien einschließlich Halluzinationsprüfung müssen erfüllt sein. Reasoning max. Meta nennt Artificial Analysis als ursprünglichen Evaluator.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-7af6eb66695f. Prüfsumme der Quelldaten: 7af6eb66695f7b16244288df651bbb8b27386a2d20e1c3efc95b5e3d30b515a9. Parserversion: curated-v1. Importiert am: 2026-10-15
HealthBench Pro
Overall
525 Gesundheitsfragen ohne Werkzeuge, ärztliche Bewertungsraster mit GPT-5.4 als Bewerter. Reasoning max. Die Claude-Werte stammen laut Meta aus Anthropics Modellkarten. Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis (Muse Wonder): Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
höhere Werte sind besserStand 15. Oktober 2026Skala: 0 Punkte - 65,6 Punkte
Methodik und Einordnung
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-healthbench-pro
- Messgröße
- length-normalized weighted rubric score
- Skala
- Keine obere Grenze dokumentiert. Die Darstellung umfasst die erfassten Werte und den Nullpunkt.
- Teilnehmer
- 5
- Methodik und Einordnung
- 525 Gesundheitsfragen ohne Werkzeuge, ärztliche Bewertungsraster mit GPT-5.4 als Bewerter. Reasoning max. Die Claude-Werte stammen laut Meta aus Anthropics Modellkarten.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-83c3853a8435. Prüfsumme der Quelldaten: 83c3853a843525f2cbab4a36f05fb0db45778331c5451ac8e6a91225f620322e. Parserversion: curated-v1. Importiert am: 2026-10-15
MemoryBench
Overall
Interner Meta-Test mit 64K-100K Token langen Gesprächen, Ablenkungen sowie widersprüchlichen oder aktualisierten Gesprächsteilen. Reasoning max. Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis (Muse Wonder): Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
höhere Werte sind besserStand 15. Oktober 2026Skala: 0 Punkte - 85,6 Punkte
Methodik und Einordnung
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-memorybench
- Messgröße
- LLM-judge weighted rubric score
- Skala
- Keine obere Grenze dokumentiert. Die Darstellung umfasst die erfassten Werte und den Nullpunkt.
- Teilnehmer
- 5
- Methodik und Einordnung
- Interner Meta-Test mit 64K-100K Token langen Gesprächen, Ablenkungen sowie widersprüchlichen oder aktualisierten Gesprächsteilen. Reasoning max.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-11b7ecf71c89. Prüfsumme der Quelldaten: 11b7ecf71c89f805dfde139cde8e8d6533c8bc0af7b4250d630f88e4c2604704. Parserversion: curated-v1. Importiert am: 2026-10-15
Personal Superintelligence Index
Overall
Metas internes Aggregat aus sieben Tests für persönliche und berufliche Aufgaben. Reasoning max. Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Hinweis (Muse Wonder): Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Hinweis: Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
höhere Werte sind besserStand 15. Oktober 2026Skala: 0 Punkte - 59,1 Punkte
Methodik und Einordnung
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-psi
- Messgröße
- Meta internal composite score
- Skala
- Keine obere Grenze dokumentiert. Die Darstellung umfasst die erfassten Werte und den Nullpunkt.
- Teilnehmer
- 5
- Methodik und Einordnung
- Metas internes Aggregat aus sieben Tests für persönliche und berufliche Aufgaben. Reasoning max.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-a806ce9d874b. Prüfsumme der Quelldaten: a806ce9d874b89e5b56dce8b64dadb02bc6d4672622d6b8f3435cc67776f1942. Parserversion: curated-v1. Importiert am: 2026-10-15
Dokumentierte Messdetails
AutomationBench-AA (strict pass@1): Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 39.1
- Bewertung
- 39.1
- Messgröße
- strict pass@1; every end-state assertion passed
- Einheit
- %
- Benchmark-Version
- Meta Wonder scorecard; version unspecified
- Kategorie
- agentic
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-automationbench-aa
- Quellentyp
- vendor-reported
- Auswertung
- Meta
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Geschäftsabläufe in einer simulierten Anwendungsumgebung. Jede Endzustandsprüfung muss bestehen, Reasoning max. Nicht mit anderen AutomationBench-AA-Metriken vermischen.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-486cc1fd0e30. Prüfsumme der Quelldaten: 486cc1fd0e30df79c113cefceff8209ee698f3d3c0c502cd5e6a1062f9789755. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- Geschäftsabläufe in einer simulierten Anwendungsumgebung. Jede Endzustandsprüfung muss bestehen, Reasoning max. Nicht mit anderen AutomationBench-AA-Metriken vermischen.
- Einordnung
- Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
DeepSWE: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 78.8
- Bewertung
- 78.8
- Messgröße
- pass@1
- Einheit
- %
- Benchmark-Version
- v1.1
- Kategorie
- coding
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-deepswe
- Quellentyp
- vendor-reported
- Auswertung
- Meta
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- 113 Aufgaben in 91 Repositorys und fünf Sprachen. Reasoning max. Meta nennt Datacurve als Evaluator; diese Muse-Werte waren auf dessen öffentlicher Rangliste beim Abruf nicht auffindbar.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-29ee4352e632. Prüfsumme der Quelldaten: 29ee4352e6328b759b9977f09884c2fe89318fcd8099d1a8f6e518422b0e4073. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- 113 Aufgaben in 91 Repositorys und fünf Sprachen. Reasoning max. Meta nennt Datacurve als Evaluator; diese Muse-Werte waren auf dessen öffentlicher Rangliste beim Abruf nicht auffindbar.
- Einordnung
- Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Vals Finance Agent V2: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 56.6
- Bewertung
- 56.6
- Messgröße
- private test accuracy
- Einheit
- %
- Benchmark-Version
- V2
- Kategorie
- finance
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-finance-agent-v2
- Quellentyp
- vendor-reported
- Auswertung
- Meta
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Finanzrecherche anhand von Unternehmensunterlagen und Marktdaten. Privates Testset, Reasoning max. Von Meta wiedergegebene Vals-Werte.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-8dc60fff8edf. Prüfsumme der Quelldaten: 8dc60fff8edfa998d54e5c541cbb3279a1385fd6375774edb6d66cf8334bf9bc. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- Finanzrecherche anhand von Unternehmensunterlagen und Marktdaten. Privates Testset, Reasoning max. Von Meta wiedergegebene Vals-Werte.
- Einordnung
- Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
GDP.pdf: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 30.8
- Bewertung
- 30.8
- Messgröße
- published GDP.pdf score
- Einheit
- points
- Benchmark-Version
- Meta Wonder scorecard; version unspecified
- Kategorie
- productivity
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-gdp-pdf
- Quellentyp
- vendor-reported
- Auswertung
- Meta
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Berufliche Arbeit mit bereitgestellten PDF-Unterlagen. Reasoning max. Meta nennt Surge als ursprüngliche Quelle.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-38e2b67d4ac7. Prüfsumme der Quelldaten: 38e2b67d4ac7014ed57688efe7f13cb4944d00c7f49112086f148b0153121188. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- Berufliche Arbeit mit bereitgestellten PDF-Unterlagen. Reasoning max. Meta nennt Surge als ursprüngliche Quelle.
- Einordnung
- Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Harvey LAB-AA: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 10
- Bewertung
- 10
- Messgröße
- all criteria passed with hallucination checks
- Einheit
- %
- Benchmark-Version
- 1.1
- Kategorie
- legal
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-harvey-lab-aa
- Quellentyp
- vendor-reported
- Auswertung
- Meta
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Juristische Arbeitsergebnisse, alle Kriterien einschließlich Halluzinationsprüfung müssen erfüllt sein. Reasoning max. Meta nennt Artificial Analysis als ursprünglichen Evaluator.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-7af6eb66695f. Prüfsumme der Quelldaten: 7af6eb66695f7b16244288df651bbb8b27386a2d20e1c3efc95b5e3d30b515a9. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- Juristische Arbeitsergebnisse, alle Kriterien einschließlich Halluzinationsprüfung müssen erfüllt sein. Reasoning max. Meta nennt Artificial Analysis als ursprünglichen Evaluator.
- Einordnung
- Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
HealthBench Pro: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 60.5
- Bewertung
- 60.5
- Messgröße
- length-normalized weighted rubric score
- Einheit
- points
- Benchmark-Version
- Meta Wonder scorecard; version unspecified
- Kategorie
- health
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-healthbench-pro
- Quellentyp
- vendor-reported
- Auswertung
- Meta
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- 525 Gesundheitsfragen ohne Werkzeuge, ärztliche Bewertungsraster mit GPT-5.4 als Bewerter. Reasoning max. Die Claude-Werte stammen laut Meta aus Anthropics Modellkarten.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-83c3853a8435. Prüfsumme der Quelldaten: 83c3853a843525f2cbab4a36f05fb0db45778331c5451ac8e6a91225f620322e. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- 525 Gesundheitsfragen ohne Werkzeuge, ärztliche Bewertungsraster mit GPT-5.4 als Bewerter. Reasoning max. Die Claude-Werte stammen laut Meta aus Anthropics Modellkarten.
- Einordnung
- Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
JobBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 70.5
- Bewertung
- 70.5
- Messgröße
- mean task reward
- Einheit
- points
- Benchmark-Version
- Meta Wonder scorecard; version unspecified
- Kategorie
- productivity
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-jobbench
- Quellentyp
- vendor-reported
- Auswertung
- Meta
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- 65 berufliche Aufgaben aus 35 Berufen. Mittlerer aufgabenspezifischer Reward, Reasoning max.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-b39cb0e087b8. Prüfsumme der Quelldaten: b39cb0e087b8d78df5e1d8ad024a0c0943bc6b187587e2f9fe07adff5f590fa6. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- 65 berufliche Aufgaben aus 35 Berufen. Mittlerer aufgabenspezifischer Reward, Reasoning max.
- Einordnung
- Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
MemoryBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 85.6
- Bewertung
- 85.6
- Messgröße
- LLM-judge weighted rubric score
- Einheit
- points
- Benchmark-Version
- Meta internal Wonder evaluation
- Kategorie
- knowledge
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-memorybench
- Quellentyp
- vendor-reported
- Auswertung
- Meta
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Interner Meta-Test mit 64K-100K Token langen Gesprächen, Ablenkungen sowie widersprüchlichen oder aktualisierten Gesprächsteilen. Reasoning max.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-11b7ecf71c89. Prüfsumme der Quelldaten: 11b7ecf71c89f805dfde139cde8e8d6533c8bc0af7b4250d630f88e4c2604704. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- Interner Meta-Test mit 64K-100K Token langen Gesprächen, Ablenkungen sowie widersprüchlichen oder aktualisierten Gesprächsteilen. Reasoning max.
- Einordnung
- Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
OSWorld V2.1 (binary completion): Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 34.3
- Bewertung
- 34.3
- Messgröße
- strict binary task completion
- Einheit
- %
- Benchmark-Version
- V2.1
- Kategorie
- agentic
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-osworld-binary
- Quellentyp
- vendor-reported
- Auswertung
- Meta
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- 108 Desktop-Arbeitsabläufe auf Ubuntu. Vollständige Aufgabenerfüllung ohne Teilpunkte, Reasoning max. Kein veröffentlichter binärer Opus-5.5-Wert.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-ce462a4d193b. Prüfsumme der Quelldaten: ce462a4d193bf92a3d779abd513ea6d6a8903cc9eac7f0738f1a7bbb0934408e. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- 108 Desktop-Arbeitsabläufe auf Ubuntu. Vollständige Aufgabenerfüllung ohne Teilpunkte, Reasoning max. Kein veröffentlichter binärer Opus-5.5-Wert.
- Einordnung
- Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
OSWorld V2.1 (partial reward): Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 72.6
- Bewertung
- 72.6
- Messgröße
- mean per-task partial reward
- Einheit
- %
- Benchmark-Version
- V2.1
- Kategorie
- agentic
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-osworld-partial
- Quellentyp
- vendor-reported
- Auswertung
- Meta
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- 108 Desktop-Arbeitsabläufe auf Ubuntu. Teilpunkte, Reasoning max. Der Opus-5.5-Wert ist laut Meta eine Anthropic-Angabe.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-42896ddbba2e. Prüfsumme der Quelldaten: 42896ddbba2ee26c0f376f3aee7501de06452d1925efc121d8ec29df56f46216. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- 108 Desktop-Arbeitsabläufe auf Ubuntu. Teilpunkte, Reasoning max. Der Opus-5.5-Wert ist laut Meta eine Anthropic-Angabe.
- Einordnung
- Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
ProgramBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 50
- Bewertung
- 50
- Messgröße
- rollouts passing at least 95% of tests
- Einheit
- %
- Benchmark-Version
- Meta Wonder scorecard; version unspecified
- Kategorie
- coding
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-programbench
- Quellentyp
- vendor-reported
- Auswertung
- Meta
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Programme aus einer Spezifikation rekonstruieren. Einheitlicher mini-swe-agent, saubere Umgebung ohne Internet nach dem Start. Anteil der Läufe mit mindestens 95 % bestandenen Tests, Reasoning max.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Harness: mini-swe-agent. Werkzeugrichtlinie: no internet after setup. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-48b87e1dd0cc. Prüfsumme der Quelldaten: 48b87e1dd0cce991eb594d97c5b46b5241df64260ac56d001b5824671fb34242. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- Programme aus einer Spezifikation rekonstruieren. Einheitlicher mini-swe-agent, saubere Umgebung ohne Internet nach dem Start. Anteil der Läufe mit mindestens 95 % bestandenen Tests, Reasoning max.
- Einordnung
- Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe.
Personal Superintelligence Index: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 54.3
- Bewertung
- 54.3
- Messgröße
- Meta internal composite score
- Einheit
- points
- Benchmark-Version
- Meta Wonder launch scorecard
- Kategorie
- aggregate
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Vergleichskohorte
- meta-wonder-launch-2026-10-12-psi
- Quellentyp
- vendor-reported
- Auswertung
- Meta
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Metas internes Aggregat aus sieben Tests für persönliche und berufliche Aufgaben. Reasoning max.. Kennung des Quellmodells: curated/meta-muse-wonder-1.0. Name des Quellmodells: Muse Wonder. Anbieter laut Quelle: Meta. Evaluator: Meta. Datensatztyp: public. Reasoning-Stufe: max. Quellenkennung: meta. Kennung der Evidenzaufnahme: curated-meta-2026-10-15-a806ce9d874b. Prüfsumme der Quelldaten: a806ce9d874b89e5b56dce8b64dadb02bc6d4672622d6b8f3435cc67776f1942. Parserversion: curated-v1. Importiert am: 2026-10-15
- Vergleichsmethodik
- Metas internes Aggregat aus sieben Tests für persönliche und berufliche Aufgaben. Reasoning max.
- Einordnung
- Von Meta veröffentlichte Vergleichstabelle. Meta verwendet je nach Benchmark eigene Läufe, Herstellerangaben oder Drittanbieter-Ergebnisse und wählt den höchsten verfügbaren validierten Wert. Das ist keine durchgehend unabhängig erhobene Vergleichsgruppe. Die Quelle nennt keinen Nenner und keine normierte Skala. Angezeigt wird der veröffentlichte Rohwert, keine Prozentangabe.
Seite 1 von 17