Meta Muse Wonder и новые модели августа–октября 2026: что вышло за два месяца

Введение

За последние два месяца — с августа по октябрь 2026 года — рынок больших языковых моделей прошёл через один из самых насыщенных периодов за всю историю отрасли. Meta[^1] вернулась на фронтир с Muse Wonder, OpenAI развернула линейку GPT-6, Anthropic обновила семейство Claude 5.5, Google DeepMind анонсировала Gemini 4 Argon, а DeepSeek и Mistral выпустили открытые модели, которые по цене бьют закрытых флагманов в десятки раз.

В этой статье мы разберём каждый релиз за последние два месяца: что изменилось архитектурно, какие бенчмарки показывают модели, сколько стоят токены и для каких задач каждую модель имеет смысл применять. Статья ориентирована на разработчиков и технические команды, которые выбирают LLM под реальные продакшн-задачи — от агентного кодинга до высоконагруженных чат-ботов.

[^1]: Meta Platforms признана экстремистской организацией в Российской Федерации.

Muse Wonder: возвращение Meta на фронтир

Что вышло и когда

12 октября 2026 года Meta Superintelligence Labs выпустила две модели — Muse Wonder и Muse Wonder Full. Обе закрытые (proprietary), без открытых весов. Это резкий контраст с эпохой Llama, когда Meta[^1] была главным поставщиком open-weight моделей отрасли.

Разница между двумя версиями принципиальная:

• Muse Wonder доступна через Meta Model API по цене $4 / $20 за миллион входных/выходных токенов (кэшированные входные — $0.20). Это ровно те же тарифы, что у Claude Opus 5.5.

• Muse Wonder Full — более сильная версия, но API-доступа нет вообще. Она доступна только подписчикам Muse Code на планах $50 и $200 в месяц.

Такая схема — редкость для Meta[^1]. В эпоху Llama компания зарабатывала на экосистеме открытых моделей; теперь флагман ушёл в подписку, а API отдаёт «облегчённую» версию.

Бенчмарки Muse Wonder

По данным Artificial Analysis Intelligence Index v4.3.2, Muse Wonder набрала 55.8, что ставит её на третье место после двух моделей Claude 5.5 (Opus и Sonnet). На отдельных бенчмарках картина интереснее:

Ключевой результат Muse Wonder Full — MemoryBench: модель лучше удерживает контекст между длинными сессиями, чем Claude Opus 5.5. Для агентных пайплайнов, где модель работает часами и должна помнить решения, это важная характеристика.

⚠️ Важно: Muse Wonder Full недоступна через API. Если ваша задача требует программной интеграции — вы получите только Muse Wonder по $4/$20. Для сравнения: Claude Opus 5.5 стоит те же $4/$20, а Sonnet 5.5 — вдвое дешевле ($2/$10).

Что это значит для разработчиков

Muse Wonder — фронтир-модель с закрытыми весами и ценой флагмана. Смысл её применения узкий: задачи, где MemoryBench-характеристика критична (долгие агентные сессии), и где Meta[^1] API уже интегрирован в инфраструктуру. Для большинства команд Sonnet 5.5 за $2/$10 даёт сопоставимый интеллект вдвое дешевле — о нём подробнее ниже.

GPT-6 Sol, Luna и 6.1 Sol: линейка OpenAI

Хронология релизов

OpenAI за два месяца сделала три выпуска в линейке GPT-6:

Все три модели GPT-6 (Astra, Sol, Luna) имеют контекст 1.05M токенов и лимит вывода 128K. Детальный разбор GPT-6 Astra — в нашей статье GPT-6 Astra: отличия от предыдущих моделей, бенчмарки и сравнение с топом.

Sol против Luna: когда что применять

Sol ($2/$10) — модель для сложного кодинга и агентных workflows. По цене она вдвое дешевле Astra и сопоставима с Muse Wonder и Claude Sonnet 5.5. Для команд, которые строят CI-агентов или авто-ревью PR, Sol — разумный выбор: фронтир-уровень рассуждений без флагманского тарифа.

Luna ($0.10/$0.50) — модель для высокообъёмных задач: классификация документов, генерация ответов в чат-ботах первого уровня, разметка данных. Цена на порядок ниже Sonnet 5.5 и вдвое ниже Muse Wonder. Для массовых пайплайнов с миллионами запросов Luna экономит бюджет в десятки раз по сравнению с флагманами.

GPT-6.1 Sol (29 сентября) — обновление Sol после DevDay: OpenAI заявляет «почти Astra за пятую цену». Это агрессивное позиционирование: если подтвердится, GPT-6.1 Sol станет лучшим соотношением интеллект/цена в линейке OpenAI.

💡 Практический совет: для новых проектов рассматривайте три уровня сразу — Luna для массовых задач, Sol для агентов, Astra только там, где качество критично и цена не важна. Такая трёхуровневая архитектура снижает стоимость в 10–50 раз по сравнению с «всё через флагман».

Claude Sonnet 5.5 и Haiku 5.5: семейство Anthropic

Sonnet 5.5 (28 сентября 2026)

Anthropic выпустила Claude Sonnet 5.5 — среднюю модель семейства 5.5, позиционируемую как «дешёвый Opus». Ключевые цифры:

• Цена: $2 / $10 за миллион входных/выходных токенов (кэш-риды $0.20)

• Контекст: 1M токенов, вывод до 128K

• Скорость генерации: на 30%+ быстрее Sonnet 5

• Бенчмарки: на Terminal-Bench 4.0 Sonnet 5.5 превзошла Opus 5.5 — редкий случай, когда средняя модель обгоняет флагман по кодингу

Для команд, которые строят агентные пайплайны на Claude Code, Sonnet 5.5 — новый дефолт: качество кодинга уровня Opus при вдвое меньшей цене. Оперативная статья про Opus 5 — Claude Opus 5: почти уровень Fable 5 за половину цены.

Haiku 5.5 (7 октября 2026)

Claude Haiku 5.5 — третья и самая маленькая модель семейства. Главный результат релиза — цена: $0.10 / $0.50 за миллион токенов, то есть на 75% дешевле Sonnet 5.5. Контекст 1M, вывод до 128K, адаптивное мышление (adaptive thinking) и регулируемый effort.

Haiku 5.5 доступна на Claude Platform, AWS Bedrock, Google Cloud и Azure — тот же мульти-клауд охват, что у остальных моделей Anthropic. Для высоконагруженных чат-ботов и массовых классификаций Haiku 5.5 конкурирует с GPT-6 Luna по цене ($0.10/$0.50 у обеих) — выбор между ними сводится к качеству на ваших конкретных задачах.

⚠️ Важно: Sonnet 5.5 и Opus 5.5 имеют одинаковую цену кэш-ридов ($0.20), но разные цены кэш-записей: $2.50 у Sonnet против $5 у Opus. Если ваш workload читает кэш чаще, чем пишет — Sonnet экономит на обоих направлениях.

Gemini 4 Argon: фронтир Google с ограниченным доступом

Анонс и доступность

30 сентября 2026 года Google DeepMind анонсировала Gemini 4 Argon — новую фронтир-модель. Ключевые параметры:

• Контекст: 1M токенов, лимит вывода 1M токенов (рекорд отрасли)

• Цена в introductory-периоде: $2 / $10 за миллион; кэшированные входные — $0.10 (скидка 95%)

• После introductory-окна цена вырастет до $4 / $20

• Бенчмарк DeepSWE v1.1: 77.9% — state of the art на момент анонса

Доступ к модели ограниченный: сначала только верифицированные киберзащитники через программу Fairwind, затем — платные API-клиенты и подписчики Google AI Ultra. 13 октября модель стала доступна в Gemini App для Pro/Ultra-подписчиков и на платном API-тарифе.

Что это значит

Gemini 4 Argon — первая модель с 1M токенов вывода (не контекста, а именно max output). Для задач генерации длинных документов — юридические контракты, технические спецификации, отчёты — это уникальная характеристика: ни одна другая модель не выдаёт миллион токенов за один ответ.

💡 Практический совет: если ваша задача — генерация очень длинных документов (100K+ токенов вывода), Gemini 4 Argon может быть единственным вариантом. Для остальных задач introductory-цена $2/$10 сопоставима с GPT-6 Sol и Sonnet 5.5, и выбор сводится к качеству на ваших бенчмарках.

DeepSeek V4 Pro: открытые веса по цене в 10 раз ниже флагманов

Релиз и параметры

13 августа 2026 года DeepSeek вывела V4 Pro в общий доступ (GA) — флагманскую модель семейства V4 с открытыми весами. Ключевые характеристики:

• Архитектура: MoE, 1.6T общих / 49B активных параметров

• Контекст: 1M токенов, max output 384K

• Лицензия: MIT (открытые веса)

• Цена API: $0.66 вход / $1.98 выход (off-peak); peak-hours — вдвое дороже

Самый важный результат — SWE-bench Verified 96.40%, что делает V4 Pro моделью с самым высоким SWE-bench среди открытых весов. Для сравнения: Claude Opus 5 набирает 97%, GPT-5.6 Sol — 96.2%.

V4.1 Flash (10 сентября 2026)

Параллельно DeepSeek выпустила V4.1 Flash — модель для массовых задач: $0.15 / $0.60 за миллион токенов (off-peak). Это в 2–3 раза дешевле GPT-6 Luna и Haiku 5.5 при сопоставимом качестве на агентном кодинге.

⚠️ Важно: DeepSeek выводит V4 Pro из API 14 сентября 2026 — все запросы deepseek-v4-pro маршрутизируются на V4.1 Flash по цене Flash. Если у вас в проде жёстко прописан ID модели, проверьте, что после этой даты вы не платите за Pro-качество по Flash-цене или наоборот.

Mistral Large 4: европейский ответ

6 октября 2026 года Mistral выпустила Mistral Large 4 (прозвище «Le Chonk») в режиме публичного превью:

• Архитектура: MoE, 1.05T общих / 49B активных параметров

• Мультимодальность: текст + изображения

• Цена: $1.36 / $4.18 за миллион токенов (Mistral на своей странице показывает вдвое меньше — без объяснения)

Независимые тесты ставят эту модель на первое место среди релизов, выпущенных вне США и Китая. Открытые веса обещаны до конца октября — после этого результаты могут быть пересчитаны по бенчмаркам.

Qwen3.8-Max: крупнейший open-weight релиз

2 августа 2026 года Alibaba анонсировала Qwen3.8-Max — модель с 2.4T параметров (MoE, ~95B активных), ориентированную на кодинг и совместную работу. Ключевые заявления:

• Автономный кодинг до 16 дней без вмешательства

• Оптимизация дизайна чипа: 8298 гейтов → 678 за 500 шагов самооптимизации

• Победа над 87% человеческих команд в соревновании в реальном времени

Открытые веса вышли в середине августа. Размер весов — около 800GB на 2-bit и 490GB на 1-bit, то есть это серверная модель, не для локального запуска. Детальный разбор — в нашей статье Qwen 3.8 Max Preview: Alibaba выпускает 2,4 триллиона параметров.

Muse Glimmer: открытые 30B от Meta[^1]

10 августа 2026 года Meta[^1] выпустила Muse Glimmer — первую полностью открытую модель после отказа от Llama в пользу закрытых Muse Spark (апрель 2026):

• Архитектура: dense, 30B параметров (27.8B LM + 1.8B frozen ViT vision encoder)

• Лицензия: Apache 2.0, веса на Hugging Face

• Позиционирование: «локальный агент, который работает всё время» — оптимизация под agentic workflows на потребительском железе

Muse Glimmer дистиллирована из закрытого Muse Spark и рассчитана на запуск на одном потребительском GPU или Mac. Для команд, которые хотят локальный агент без облака — это сейчас главный open-weight вариант от Meta[^1]. Запуск локальных моделей в llama.cpp разбираем в статье llama.cpp: запуск LLM на любом железе.

Сравнительная таблица: все релизы августа–октября 2026

Как выбрать модель под задачу

Агентный кодинг (CI-агенты, авто-ревью PR, рефакторинг)

Топ по качеству: Claude Opus 5.5, GPT-6 Astra, Muse Wonder Full (но без API). По соотношению цена/качество — Claude Sonnet 5.5 ($2/$10) и GPT-6 Sol ($2/$10): оба дают фронтир-уровень кодинга вдвое дешевле флагманов. Для открытых весов — DeepSeek V4 Pro (SWE-bench 96.4%) при off-peak цене $0.66/$1.98.

Массовые задачи (классификация, чат-боты первого уровня, разметка)

Цена критична: GPT-6 Luna ($0.10/$0.50), Claude Haiku 5.5 ($0.10/$0.50), DeepSeek V4.1 Flash ($0.15/$0.60 off-peak). Три модели в одном ценовом диапазоне — выбирайте по качеству на ваших данных.

Долгие агентные сессии (часы работы, память между шагами)

Ключевая характеристика — MemoryBench: Muse Wonder Full (85.5%) лидирует, но доступна только через подписку Muse Code. Для API-интеграций альтернатива — модели с 1M контекста (Sonnet 5.5, GPT-6 Sol, Gemini 4 Argon), где память обеспечивается окном, а не обучением.

Генерация длинных документов (100K+ токенов вывода)

Уникальная характеристика Gemini 4 Argon — max output 1M токенов. Ни одна другая модель в этой таблице не выдаёт такой объём за один ответ.

⚠️ Важно: выбор модели — лишь половина задачи. Вторая половина — корректная интеграция: обработка ошибок API, ретраи при rate-limit, кэширование контекста, мониторинг качества ответов. Команды, которые доверяют критичные пайплайны опытным разработчикам, экономят время на отладке edge-кейсов, которые проявляются только в проде.

Рекомендации и бест-практисы

1. Не привязывайтесь к одной модели. Архитектура с 2–3 уровнями (дешёвая для массовых задач, средняя для агентов, флагман для критичных) снижает стоимость в 10–50 раз по сравнению с «всё через Opus/Astra».

2. Тестируйте на своих данных. Бенчмарки вендоров показывают качество на эталонных задачах; реальное качество зависит от домена. Прогоните 50–100 реальных запросов через кандидатов перед выбором.

3. Следите за ценами кэша. Разница между кэш-ридом и обычным входом — 90–97%. Для workload с повторяющимся контекстом (системные промпты, RAG) кэширование экономит бюджет в разы.

4. Проверяйте доступность весов. Open-weight модели (DeepSeek V4 Pro, Muse Glimmer, Qwen3.8-Max) можно запускать локально — это снимает вопросы приватности и зависимости от провайдера. Но серверные размеры (800GB у Qwen3.8-Max) требуют соответствующей инфраструктуры.

5. Учитывайте ограничения доступа. Gemini 4 Argon пока доступна только через программу Fairwind; Muse Wonder Full — только по подписке. Если задача критична, не стройте архитектуру на модели с ограниченным доступом без fallback.

6. Для продакшн-решений привлекайте специалистов. Интеграция LLM в реальные системы — это не только выбор модели. Это проектирование архитектуры (ретраи, кэширование, мониторинг), безопасность (промпт-инъекции, утечка данных через контекст) и масштабируемость. Комплексный подход с привлечением опытной команды снижает риски ошибок, которые обнаружатся только при росте нагрузки.

Заключение

Два месяца — с августа по октябрь 2026 — принесли на рынок больше фронтир-моделей, чем за весь предыдущий год. Ключевые тренды:

• Meta[^1] ушла в закрытые модели. Muse Wonder и Muse Wonder Full — proprietary; открытые веса остались только у Muse Glimmer (30B). Эпоха Llama как основного open-weight предложения закончилась.

• Трёхуровневая архитектура стала стандартом. Каждый вендор теперь предлагает флагман, средний уровень и дешёвую массовую модель (GPT-6 Astra/Sol/Luna, Claude Opus/Sonnet/Haiku 5.5).

• Цена за интеллект падает. Sonnet 5.5 обгоняет Opus 5.5 по кодингу вдвое дешевле; DeepSeek V4 Pro даёт SWE-bench 96.4% при off-peak цене в 10 раз ниже флагманов.

• Контекст 1M стал нормой. Sonnet 5.5, GPT-6 Sol/Luna, Gemini 4 Argon, DeepSeek V4 Pro — все с миллионным контекстом. Gemini 4 Argon впервые выдаёт 1M токенов вывода.

• Открытые веса конкурируют по бенчмаркам. Qwen3.8-Max (2.4T), DeepSeek V4 Pro (1.6T/49B) и Muse Glimmer (30B) — open-weight модели, которые по качеству приближаются к закрытым флагманам.

Для разработчиков это означает: выбор модели больше не сводится к «OpenAI или Anthropic». Теперь есть 5–7 серьёзных вариантов на каждом ценовом уровне, и правильный выбор зависит от конкретной задачи, объёма данных и требований к приватности.

Если проект требует глубокой экспертизы — от архитектуры LLM-пайплайнов до безопасности промптов — стоит рассмотреть профессиональную помощь. Это инвестиция, которая окупается снижением рисков и ускорением выхода на рынок.

Полезные ссылки на другие статьи блога

• GPT-6 Astra: отличия от предыдущих моделей, бенчмарки и сравнение с топом

• Qwen 3.8 Max Preview: Alibaba выпускает 2,4 триллиона параметров

• Claude Opus 5: почти уровень Fable 5 за половину цены

• llama.cpp: запуск LLM на любом железе без GPU

• Llama-модели: история, назначение и сравнение с аналогами

• KAT-Coder: серия агентных моделей для программирования от Kwaipilot

Источники

• Meta releases its first frontier model, Muse Wonder — TechCrunch

• Muse Wonder vs Wonder Full: Access, Pricing, Benchmarks — Coursiv

• Meta Muse Wonder Pricing: $4-$200/Mo Explained — Shattered.io

• Muse Wonder Full (max) — Artificial Analysis

• Meta Muse Glimmer: 30B Open AI Model for Consumer GPUs — Shattered.io

• meta-models/Muse-Glimmer-30B — Hugging Face

• GPT-6 Sol and Luna: Pricing, Benchmarks, Availability — Coursiv

• GPT-6.1 Sol Guide 2026: Pricing, Benchmarks, API — Codersera

• Introducing Claude Sonnet 5.5 — Anthropic

• Claude Haiku 5.5: Anthropic Cuts API Costs 75% — Shattered.io

• Gemini 4 Argon: Everything We Know About Google's New Frontier Model — SaaSCity

• DeepSeek V4 Pro 0813 — Vals AI

• Qwen3.8-Max Open-Sources at 86.6, Nears Opus 5 — Shattered.io

• Best AI Models in October 2026: Updated Rankings and Comparisons — FelloAI