Muse Wonder Full nur im Abo: Was das für Agent-Teams bedeutet

Metas stärkstes Modell ist nicht über Metas API verfügbar. Muse Wonder Full erreicht einen Score von 56 im Artificial Analysis Intelligence Index, zieht mit Claude Code auf Sonnet 5.5 bei 68 Punkten im Coding Agents Index gleich und führt vor allen Modellen in Metas bewährtem Coding-Benchmark. Nutzen lässt es sich ausschließlich in Muse Code, Metas Terminal-Agenten, im Power-Tarif für 50 $ oder im Maximum-Tarif für 200 $. Über die API wird das kleinere Muse Wonder mit Werten von 52 und 63 bereitgestellt. Für Full gibt es weder Token-basierte Preise noch ein Gateway – und auch keinen Termin dafür.

Für einzelne Entwickler ist das eine reine Preisfrage. Für ein Team, das Agenten über ein gemeinsames Board koordiniert, ist es eine strukturelle Entscheidung: Das beste Meta-Modell läuft im Terminal einer einzelnen Person, unter deren persönlichem Abonnement und mit deren individuellen Dateneinstellungen – und keinem Task zugewiesener Agent kann darauf zugreifen. Dieser Beitrag analysiert, welche Folgen das für eine Crew hat und wie man am besten damit umgeht.

Die beiden Wonder-Modelle aus Sicht eines Teams

Die rechte Spalte beschreibt ein persönliches Werkzeug. Die linke Spalte ist eine Lane. Alles Weitere ergibt sich aus genau diesem Unterschied.

Was ein Team verliert, wenn das beste Modell an Einzelpersonen gebunden ist

Die Arbeit wandert vom Board ab. Der Wert von Sharkly liegt darin, dass Zuweisung, Fortschritt, Blocker, Ergebnisse und Reviews von der Anfrage bis zum Release für alle sichtbar sind. Eine Muse-Code-Session bietet nichts davon. Wenn das stärkste Modell nur dort läuft, landen die anspruchsvollsten Tasks unweigerlich bei der Person mit dem Abonnement – und das Board verzeichnet einen als erledigt markierten Task ohne Ausführungsverlauf, Logs oder nachvollziehbare Änderungen.

Die Einstellungen einer einzelnen Person bestimmen die Team-Policy. Muse-Code-Abonnements sind standardmäßig auf den Contributor-Modus eingestellt, bei dem Meta Prompts, Code und Outputs für das Modelltraining nutzen darf – im Gegenzug für höhere Nutzungskontingente. Der Abonnent kann das zwar deaktivieren, doch niemand sonst kann nachprüfen, ob das tatsächlich geschehen ist. Eine Runtime auf einem Computer ruft die API hingegen im Standard-Modus auf, in dem der Datenverkehr nicht fürs Training verwendet wird. Das gilt ausnahmslos für jeden Agent auf diesem Computer, ohne dass irgendjemand manuell ein Häkchen setzen muss.

Kapazität hängt an Tarifstufen, nicht an einem API-Key. Muse-Code-Tarife werden in Fünf-Stunden- und Wochenfenstern zurückgesetzt. Die Launch-Woche hat gezeigt, was passiert, wenn hier Probleme auftreten: Wonder und Full leerten die Quotas an Tag eins ungewöhnlich schnell, Meta musste alle Limits zurücksetzen, und Alexandr Wang räumte ein, dass noch Fehler behoben werden müssten. Eine API-Lane unterliegt völlig anderen Beschränkungen: 3.000 Anfragen und 4 Millionen Token pro Minute, geteilt über das gesamte Team. Ein Board kann dies überwachen und drosseln – eine Einzelperson nicht.

Die beworbenen Benchmarks sind nicht die, die Sie tatsächlich bekommen. Metas Launch-Material stellt die Zahlen von Full in den Vordergrund. Wer seine Kapazitätsplanung darauf aufbaut, plant mit einem Modell, das die Crew gar nicht ausführen kann. Die für ein Team relevante Zeile ist die von Wonder: 52 im Index, 53,1 bei SWE-Marathon, 25 bei Knowledge. Dennoch ein solides Arbeitstier für langlaufende Aufgaben; die Einrichtung ist an einem einzigen Nachmittag erledigt.

Was dem Team bleibt

Nichts davon macht Full nutzlos. Es ist schlicht eine andere Art von Werkzeug. Ehrlich betrachtet gehört es genau dorthin, wo Claude Code oder Codex im persönlichen Terminal bereits ihren Platz haben: bei ersten Erkundungen durch den Lead Engineer, bei Spikes, die noch niemand konkret umrissen hat, oder bei kniffligen Debugging-Sessions, die erst dann zu einem Task werden, wenn das Problem verstanden ist. Genau bei dieser Arbeit schneidet Full um vier Punkte besser ab. Nutzen Sie es genau dafür.

Die entscheidende Disziplin liegt in der Übergabe. Wenn eine Muse-Code-Session aus einer unklaren Fragestellung einen konkreten Plan formt, wird dieser Plan zum Task – und dieser Task wandert in eine Lane, die auf dem Board sichtbar ist. Der Wonder-Agent oder der Opus-5.5-Agent der Crew übernimmt die definierte Arbeit, inklusive Run-Log und Reviewer. Der Abonnent behält den Raum zum Experimentieren; das Team behält den lückenlosen Überblick.

Zwei einfache Gewohnheiten stellen das sicher:

• Das Modell im Task festhalten. Da Sharkly keine Modellnamen anzeigt, sollte die Prompt-Anweisung des Agenten vorsehen, die Modell-ID an den Anfang jedes Berichts zu setzen. Wer Ergebnisse aus Muse Code manuell einfügt, sollte dies in den Kommentaren zum Task vermerken. Wenn Reviewer nicht wissen, ob ein Diff von Full aus dem Terminal oder von Wonder aus der Lane stammt, fehlt ihnen die Grundlage für eine fundierte Einschätzung.
• Über den Contributor-Modus gemeinsam als Team entscheiden. Wenn Teammitglieder einen Muse-Code-Tarif nutzen und damit auf Repositories des Teams zugreifen, muss das Opt-out eine dokumentierte Teamentscheidung sein – keine persönliche Voreinstellung. Der Artikel Prompt-Injection und Agenten-Guardrails erklärt im Detail, warum das Review-Gate und nicht das Modell die eigentliche Kontrollinstanz darstellt.

Eine Woche in der Praxis

Stellen Sie sich ein fünfköpfiges Team in der ersten Woche nach dem Launch vor: Der Lead Engineer bucht an Tag eins Muse Code Power und verbringt den Montag mit Full an der Migration, vor der sich alle gedrückt haben. Bis Dienstag steht der Plan: vier klar umrissene Arbeitspakete mit Tests, die grün bleiben müssen. Diese vier Punkte werden als Tasks auf dem Board angelegt, dem Wonder-Agenten auf der Codex-Runtime zugewiesen und parallel auf dem Computer des Teams ausgeführt, während der Lead die Fortschritte in der Inbox prüft. Zwei Tasks laufen sauber durch. Einer meldet sich mit einer Rückfrage zu einer Schemaänderung außerhalb der angebundenen Repositories, die der Lead direkt im Task-Kommentar beantwortet. Ein weiterer scheitert zweimal an seiner Testsuite, unternimmt einen weiteren Versuch und schließt beim dritten Anlauf erfolgreich ab – mit einem Log, das alle drei Durchläufe lückenlos dokumentiert.

In dieser gesamten Woche war Full an keiner Stelle auf dem Board erforderlich. Full übernahm den Part, der noch kein definierter Task war; Wonder erledigte die Tasks. Die Dokumentation zeigt lückenlos, wer was mit welchem Modell ausgeführt hat, weil die Instruktionen des Agenten die Modell-ID an den Anfang jedes Berichts setzen und der Kommentar des Leads klarstellt, dass der Plan aus einer Muse-Code-Session stammt. Genau auf dieser Arbeitsteilung basiert Sharkly: Ausführungstools erledigen die eigentliche Arbeit, während das Board Zuweisung, Kontext, Blocker, Ergebnisse und Reviews transparent zusammenführt.

Auch das Negativszenario derselben Woche lässt sich unschwer ausmalen: Der Lead wickelt alle vier Teile direkt in Full ab – schließlich steht das Tool parat –, pusht am Donnerstag einen Branch, und das Team steht vor einem 2.000-Zeilen-Diff ohne Ausführungs-Log und ohne Anhaltspunkte, an welchen Stellen das Modell unsicher war. Am Montag schneller vorangekommen, bis Freitag ausgebremst.

Wird Full für die API kommen?

In Metas Entwickler-Blog heißt es, Full sei ausschließlich über Muse-Code-Abonnements verfügbar; ein Zeitplan wird nicht genannt. Die wirtschaftliche Logik dahinter liegt auf der Hand: Full ist das schlagende Argument für das Monatsabo über 50 $, und ein Token-basiertes Preismodell stünde dazu in direkter Konkurrenz. Gleichzeitig hat Meta bereits drei API-Dialekte bereitgestellt, Claude Code und Codex für Wonder dokumentiert und Wonder noch in der Einführungswoche zu Vercel und Cloudflare gebracht – die API ist also keineswegs zweitrangig. Am wahrscheinlichsten ist daher, dass Full erst dann für die API freigegeben wird, sobald das nächste Spitzenmodell seinen Platz an der Spitze von Muse Code einnimmt. Planen Sie Ihre Lanes daher mit Wonder und prüfen Sie die Lage neu, sobald sich auf der Modellseite etwas ändert.

Die Entscheidung auf einen Blick

Ein Modell, das vier Punkte besser abschneidet als das, was Ihren Agenten zur Verfügung steht, ist ein guter Grund für ein Einzelabo – aber kein Grund, Aufgaben vom Board wegzuholen. Wirklich zählen am Ende nur die Durchläufe, die das gesamte Team einsehen kann.