Muse Wonder Anleitung: So nutzt du Metas neues Modell
Muse Wonder Anleitung: Zugang über die Meta Model API oder Muse Code, erster Aufruf, Kosten pro Aufgabe und was in Deutschland noch offen ist.
Die kurze Antwort zuerst: Muse Wonder nutzt du heute auf genau zwei Wegen, über die Meta Model API oder über Muse Code, Metas Programmier-Agenten im Terminal. In der Muse-App steckt das Modell noch nicht. Meta hat Muse Wonder und Muse Wonder Full am 12. Oktober 2026 vorgestellt und schreibt in der Ankündigung, Wonder sei ab sofort für Entwickler über die API und Muse Code verfügbar, Wonder Full für Abonnenten von Muse Code.
Diese Anleitung zeigt beide Wege Schritt für Schritt, rechnet eine typische Aufgabe in Dollar durch und sagt, was für Nutzer in Deutschland noch ungeklärt ist. Stand: 15. Oktober 2026.
Erst sortieren: Wonder, Wonder Full, Muse, Muse Code
Meta hat inzwischen vier Dinge mit fast gleichem Namen. Muse ist die Agenten-App, die seit September in den USA läuft. Muse Code ist ein Programmier-Agent für das Terminal. Muse Wonder ist ein Modell, also das, was hinter einer App oder einem Agenten rechnet. Muse Wonder Full ist die stärkere Variante desselben Modells. Wer die ganze Familie sortiert haben will, liest Was ist Muse.
Für diese Anleitung zählt nur eins: Ein Modell kann man nicht „installieren“. Man spricht es über eine Schnittstelle an oder nutzt ein Werkzeug, das es eingebaut hat. Genau das sind die beiden Wege.
Weg 1: Muse Wonder über die Meta Model API
Die API ist der direkte Weg und der einzige, bei dem du pro Nutzung zahlst statt im Abo. Laut Metas Schnellstart brauchst du ein Konto für die Model API und eines von drei Werkzeugen: curl, Python ab Version 3.9 oder Node.js ab Version 18.
- Melde dich im Dashboard der Model API an und öffne den Bereich „API keys“.
- Klicke auf „Create API key“ und kopiere den Schlüssel sofort an einen sicheren Ort.
- Lege ihn als Umgebungsvariable `MODEL_API_KEY` ab, nicht im Code. Unter macOS und Linux geht das mit einer export-Zeile in der Shell, unter Windows über die Systemeinstellungen.
- Schicke eine Anfrage an `https://api.meta.ai/v1/responses` und gib als Modell `muse-wonder-1.0` an. Metas Dokumentation zeigt dazu auch einen Regler für den Denkaufwand, etwa „high“ für schwierige Planungsaufgaben.
- Wer schon mit einem OpenAI-kompatiblen Client arbeitet, muss nicht umlernen. Die Modellseite von Muse Wonder sagt ausdrücklich, dass man einen solchen Client auf die Meta Model API umstellen kann.
Ein Hinweis aus der Dokumentation, den man leicht überliest: Dort ist Muse Wonder als Vorschau gekennzeichnet. Das heißt in der Praxis, dass sich Verhalten, Grenzen und Preise noch ändern können. Für einen Test ist das kein Problem, für einen Prozess, von dem Kunden abhängen, schon.
Ein praktischer Tipp für den ersten Test: Fang mit einer Aufgabe an, deren richtige Antwort du schon kennst. Lass Wonder etwa einen Bericht zusammenfassen, den du selbst geschrieben hast. Dann siehst du sofort, was es auslässt, was es dazuerfindet und wie lang die Antworten werden. Erst danach lohnt es sich, ihm unbekanntes Material zu geben.
Was kostet eine Aufgabe?
Laut Metas Preisseite kostet Muse Wonder 4 US-Dollar pro Million Eingabe-Tokens, 0,20 US-Dollar für Eingaben aus dem Cache und 20 US-Dollar pro Million Ausgabe-Tokens. Das Kontextfenster fasst eine Million Tokens.
Ein Rechenbeispiel: Du gibst einen Projektbericht mit rund 20.000 Tokens hinein, also ein längeres Dokument, und bekommst eine Zusammenfassung mit Maßnahmenliste von 2.000 Tokens zurück. Die Eingabe kostet 0,08 Dollar, die Ausgabe 0,04 Dollar, zusammen also 12 Cent. Teuer wird es erst, wenn ein Agent lange arbeitet, viele Zwischenschritte schreibt und dabei immer wieder den ganzen Kontext mitschickt. Die Ausgabe kostet pro Token fünfmal so viel wie die Eingabe. Wer Kosten begrenzen will, begrenzt also zuerst die Länge der Antworten.
Wie sich diese Preise gegen ChatGPT schlagen, steht in Muse Wonder vs. ChatGPT.
Weg 2: Muse Wonder in Muse Code
Muse Code braucht keinen API-Schlüssel. Laut Schnellstart fragt das Programm beim ersten Start nach einer Anmeldung, danach arbeitest du direkt im Terminal. Das Standardmodell Wonder steht dort laut Modellseite sowohl im nutzungsbasierten Tarif als auch in jedem Abo zur Verfügung.
Muse Wonder Full gibt es nur hier und nicht über die API. Die Modellseite nennt zwei Abos, die es enthalten: „Power Usage“ für 50 US-Dollar im Monat und „Maximum Usage“ für 200 US-Dollar im Monat. Einen API-Preis für Wonder Full gibt es nicht. Was Muse Code sonst kann und welche Datenbedingungen für Abo und Contributor-Tarif gelten, erklärt Muse Code und die Meta API.
Für wen lohnt sich das? Wer programmiert und ohnehin im Terminal lebt, kommt mit Muse Code schneller zum Ergebnis. Wer Muse Wonder in ein eigenes Werkzeug einbauen will, etwa in ein internes Formular oder eine Tabelle, braucht die API. Wer gar nicht programmiert, wartet besser auf die App. Wie man ohne Programmierkenntnisse mit KI-Code umgeht, zeigt Programmieren mit KI.
Und die Muse-App?
Meta schreibt, Wonder werde „bald“ weitere Funktionen in der Muse-App antreiben, zuerst für zahlende Nutzer. Ein Datum fehlt. Für Deutschland kommt hinzu: Die App selbst ist hier weiterhin nicht verfügbar, wie Meta Muse in Deutschland belegt.
Ob die Model API und Muse Code aus Deutschland nutzbar sind, sagen Metas Unterlagen nicht. Weder die Ankündigung noch der Schnellstart nennen eine Länderliste. Der verlässlichste Test ist das eigene Konto. Einen Umweg über ein US-Konto oder VPN empfehlen wir nicht: Er kann gegen die Nutzungsbedingungen verstoßen, und bei Problemen stehst du ohne Anspruch da.
Wofür Muse Wonder gedacht ist
Laut Metas Forschungsbeitrag und der Modellseite ist Wonder für lange, mehrstufige Aufgaben gebaut. Das Modell plant, verteilt Teilaufgaben an Unteragenten, ruft Werkzeuge parallel auf und soll sich von Fehlern erholen. Es kann Browser, Desktop- und Mobil-Apps bedienen. Mit „Active Memory“ trägt es Wissen über dich über Gespräche hinweg mit. Und mit einem einzigen zusätzlichen Werkzeug in der Anfrage kann es seine Antworten auf eine Websuche stützen. TechCrunch nennt Wonder Metas ersten Versuch eines Frontier-Modells.
Das sind Metas Angaben, keine unabhängigen Tests. Für die Praxis heißt das: Wonder lohnt sich vor allem dort, wo eine Aufgabe aus vielen Schritten besteht. Für eine kurze Mail ist es teuer und überdimensioniert. Mehr dazu, was ein Agent ist und wann er hilft, steht in KI-Agenten.
Ein erster Auftrag, der funktioniert
Ein Agentenmodell scheitert selten am Können und oft an einem unklaren Auftrag. Statt „Mach mir einen Plan für das Projekt“ funktioniert so etwas besser:
Hier ist unser Projektbericht. Erstelle eine Liste der offenen Punkte mit Verantwortlichem und Frist. Wo der Bericht keinen Verantwortlichen nennt, schreib „offen“, statt einen zu erfinden. Höchstens eine Seite.
Drei Dinge machen den Unterschied: ein klares Ergebnisformat, eine Anweisung für fehlende Angaben und eine Längengrenze, die gleichzeitig die Kosten deckelt. Weitere Muster dieser Art sammelt ChatGPT-Prompts. Sie gelten für Wonder genauso.
Was du vorher klären solltest
- Welche Daten hineindürfen. Wonder merkt sich Dinge über Gespräche hinweg. Bevor Kunden- oder Personaldaten hineingehen, lies Muse Wonder Datenschutz.
- Wer die Ergebnisse prüft. Ein Modell, das selbstständig zehn Schritte geht, kann sich auch zehn Schritte lang irren.
- Ein Budget. Leg fest, wie viel ein Test kosten darf, bevor du einen Agenten lange laufen lässt, und behalte den Verbrauch im Dashboard im Blick.
- Den Vorschau-Status. Bau nichts Kritisches auf ein Modell, dessen Bedingungen sich noch ändern dürfen.
Neue Modelle kommen inzwischen im Wochentakt. Was bleibt, ist dieselbe Fähigkeit: einen Auftrag klar formulieren, das Ergebnis prüfen und wissen, wohin die eigenen Daten gehen. Genau das übt Coursium, eine App, mit der du KI für die Arbeit auf dem Handy lernst.