Eine generierte Titelkarte mit dem Text {{1}}Qwen 4 vs. Muse Wonder{{/1}}, mit dem Untertitel {{2}}Das günstigere Modell ist dasjenige, das niemand gemessen hat{{/2}}, und zwei Karten: {{3}}Kosten pro Indexaufgabe{{/3}} mit {{4}}$3.27{{/4}} oberhalb von {{5}}$6.95{{/5}} und {{6}}Gemessene Geschwindigkeit{{/6}} mit {{7}}nicht veröffentlicht{{/7}} oberhalb von {{8}}118 Token pro Sekunde{{/8}}.
Guides & Insights

Qwen 4 vs. Muse Wonder: Das günstigere Modell ist das, das noch niemand gemessen hat

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Muse Wonder kostet Sie rund 6,95 $, um eine Intelligence-Index-Aufgabe abzuschließen. Qwen4-Max kostet Sie 3,27 $. Das ist das gesamte wirtschaftliche Argument für Alibabas neues Flaggschiff gegenüber dem von Meta, und es hat einen großen Haken: Die 3,27 $ gehören zu einem Modell, das keine veröffentlichte Ausgabegeschwindigkeit, keine gemessene Zeit pro Aufgabe und keinerlei Zeitmessung auf dem Board hat, das die Zahl erzeugt hat. Muse Wonder hat alle drei — 118 Tokens pro Sekunde, 13,5 Minuten pro Index-Aufgabe, 19,64 Sekunden bis zum ersten Antwort-Token. Die ehrliche Aussage ist also, dass das Flaggschiff von Qwen 4 etwa die Hälfte kostet und eine unbekannte Geschwindigkeit hat, und nur einen dieser beiden Unterschiede können Sie heute einplanen. Muse Wonder wurde am 12. Oktober 2026 veröffentlicht; Qwen4-Max am 16. November 2026. Beide Daten sind Kontext, keine Neuigkeit.

Die beiden Profile, nebeneinander und ungeglättet

Muse Wonder ist Metas Frontier-Reasoning-Modell, gebaut für agentische Arbeit mit einem ungewöhnlich breiten Eingabespektrum: Text, Bilder, Sprache und Video hinein, Text hinaus, innerhalb eines Kontexts von einer Million Tokens. Es ist ein proprietäres API-Modell für 4,00 US-Dollar pro Million Eingabe-Tokens und 20,00 US-Dollar pro Million Ausgabe-Tokens, mit einem Mischpreis von 2,94 US-Dollar und einem Cache-Rabatt von 95 Prozent. Meta veröffentlicht außerdem eine Variante mit höherem Aufwand, die 41 statt 44 Punkte erzielt und in realer Zeit schneller läuft – 9,5 Minuten pro Indexaufgabe gegenüber 13,5 Minuten –, was eine nützliche Erinnerung daran ist, dass „max effort“ nicht automatisch die richtige Einstellung ist.

Qwen4-Max ist Alibabas Flaggschiff der vierten Generation: ein sparse Mixture-of-Experts mit 2,4 Billionen Parametern und 71 Milliarden aktiven pro Token, native Vision, Videoeingabe, ein Kontext von einer Million Token und ein Budget von 262.144 Token, das sich Denken und Antwort teilen. Der Preis liegt bei 1,50 $ für die Eingabe und 4,50 $ für die Ausgabe pro Million, Cache-Lesevorgänge kosten 0,075 $.

• Punktzahl — Qwen4-Max 43 (Platz 38 von 81) gegen Muse Wonder 44 (Platz 35 von 81)

• Eingabepreis — Qwen4-Max 1,50 $ vs. Muse Wonder 4,00 $ pro 1 Mio.

• Ausgabepreis — Qwen4-Max 4,50 $ vs. Muse Wonder 20,00 $ pro 1 Mio.

• Kosten pro Indexierungsaufgabe — Qwen4-Max 3,27 $ vs. Muse Wonder 6,95 $

• Ausgabegeschwindigkeit — Qwen4-Max nicht veröffentlicht vs. Muse Wonder 118 Token pro Sekunde

• Zeit pro Indexierungsaufgabe — Qwen4-Max nicht veröffentlicht vs. Muse Wonder 13,5 Minuten

• Eingabeoberfläche — Qwen4-Max Text, Bild, Video vs. Muse Wonder Text, Bild, Sprache, Video

• Gewichte — keiner von beiden veröffentlicht welche

Der Preis pro Token und der Preis pro Antwort weichen um den Faktor zwei voneinander ab.

Das zentrale Verhältnis beträgt 4,4× beim Output und 2,7× beim Input. Das Verhältnis pro Aufgabe beträgt 2,1×. Die Differenz zwischen diesen Zahlen ist die Arbeit, die jedes Modell leistet, um eine Antwort zu erzeugen, und sie läuft in die entgegengesetzte Richtung dessen, was das Preisschild nahelegt: Muse Wonder verbraucht mehr Tokens pro Aufgabe, nicht weniger, weshalb aus einem Output-Preis von $20 eine Rechnung von $6,95 statt von $40 wird.

Rechnen wir es an einem konkreten Auftrag durch. Eine Dokumentenprüfung mit 50.000 Tokens, die ein Memo mit 5.000 Tokens erzeugt, ohne Cache: Qwen4-Max berechnet 0,075 US-Dollar für den Input und 0,0225 US-Dollar für den Output, also unter zehn Cent. Muse Wonder berechnet 0,20 US-Dollar und 0,10 US-Dollar, also dreißig Cent. Drei zu eins, und beide sind lächerliche Beträge – und genau das ist der Punkt. Bei geringem Volumen spielt keiner der beiden Preise eine Rolle, und der Unterschied von einem Indexpunkt ist im Vergleich zur Frage der Geschwindigkeit irrelevant.

Skalieren Sie es. Zehntausend dieser Bewertungen pro Monat: Qwen4-Max 975 US-Dollar gegenüber Muse Wonder 3.000 US-Dollar. Jetzt zählt der Preis, und jetzt zählt die fehlende Stoppuhr umso mehr, denn ein Job, der ein Drittel kostet, aber doppelt so lange dauert, passt möglicherweise überhaupt nicht in ein nächtliches Zeitfenster.

Das ist die Gestalt der Entscheidung. Dies ist kein Vergleich, bei dem ein Modell besser ist; es ist einer, bei dem die günstigere Option eine ungemessene Dimension hat, die zufällig genau diejenige ist, die für Produktionssysteme am wichtigsten ist.

Was „keine veröffentlichte Geschwindigkeit“ Sie tatsächlich kostet

Ein ungemessenes Modell ist kein langsames Modell, und es wäre falsch, es so zu verstehen. Es ist ein Modell, dessen Latenz man selbst ermitteln muss, bevor man es hinter irgendetwas mit einem Timeout setzen kann. Das hat drei praktische Konsequenzen, in aufsteigender Reihenfolge der Nervigkeit.

Zunächst einmal lässt sich Autoscaling nicht anhand der Dokumentation dimensionieren. Man muss einen Pilotversuch durchführen, die p50- und p95-Time-to-First-Token bei den eigenen Prompt-Längen messen und dann dimensionieren. Die 30 Token pro Sekunde und 39,7 Minuten pro Aufgabe von Kimi K3.1 Pro wurden gemessen und veröffentlicht; die Werte von Qwen4-Max werden irgendwann ebenfalls vorliegen, aber derzeit sind sie noch nicht da.

Zweitens verschlechtern sich Reasoning-Modelle unter Last unvorhersehbar auf eine Weise, die eine Token-pro-Sekunde-Zahl nur teilweise erfasst. Die 19,64 Sekunden von Muse Wonder bis zum ersten Antwort-Token bei maximalem Aufwand sind ein gemessener, reproduzierbarer Wert. Ein Modell ohne einen solchen Wert hat keine Vergleichsbasis, an der es bemerken könnte, dass ein Dienstag doppelt so langsam ist wie ein Montag.

Drittens – und das ist der Punkt, der wirklich wehtut – kann eine Routing-Schicht nur dann anhand der Latenz ein Failover durchführen, wenn sie weiß, wie der Normalzustand aussieht. Wenn man ein nicht zeitlich vermessenes Modell in einen Pool mit einem zeitlich vermessenen Modell steckt, wird das Verhalten des Pools durch das langsamere, unbekannte Mitglied bestimmt. Failover macht das überlebbar: Eine Anfrage, die ins Stocken gerät, kann gegen ein zweites Modell erneut versucht werden, ohne dass der Client davon erfährt. Es macht sie aber nicht messbar und ersetzt nicht das Wissen um die eigenen Kennzahlen.

Die Eingabeoberfläche ist Muse Wonders echtes Alleinstellungsmerkmal

Sprache ist kein Ankreuzfeld. Muse Wonder akzeptiert Audio als vollwertige Eingabe – neben Text, Bild und Video – und gibt Text aus. Qwen4-Max akzeptiert Text, Bild und Video. Wenn Ihre Pipeline Anrufaufzeichnungen, Besprechungsaudio oder Rundfunkmedien verarbeitet, entscheidet dieser Unterschied über das Modell, noch bevor der Preis zur Sprache kommt – die vorherige Transkription in Text ist ein separates Modell, eine separate Rechnung und ein separater Fehlermodus, bei dem Prosodie und Sprecherüberlappung verloren gehen.

Video ist die andere Achse, auf der beide konkurrieren, und die Details zählen. Beide akzeptieren es; keiner der beiden veröffentlicht in dem Material, das wir gelesen haben, ein Limit für Bildrate, Dauer oder Auflösung, was bedeutet, dass eine Video-Workload auf beiden Seiten ein Pilotversuch statt eines Spezifikationsvergleichs ist.

Wo Qwen4-Max beim Input gewinnt, sind es die Kosten bei hohem Volumen. Eine Million Tokens aus Video abgeleitetem Kontext kosten bei 1,50 $ auf Qwen4-Max 1,50 $ und auf Muse Wonder 4,00 $. Die Analyse langer Medien ist genau die Arbeitslast, bei der sich die 2,7-fache Input-Lücke kumuliert, und genau der Bereich, in dem der Preisvorteil von Qwen4-Max am belastbarsten ist.

A generated two-column scoreboard for Qwen4-Max and Muse Wonder: Artificial Analysis Index 43 against 44, cost per task $3.27 against $6.95, input $1.50 against $4.00, output $4.50 against $20.00, speed not published against 118 tokens per second, and audio input no against yes.

Ein Punkt im Index-Score – und was er wert ist

44 gegen 43 auf demselben Artificial Analysis Intelligence Index, am selben Tag abgelesen. Das ist kein bedeutsamer Unterschied in der Leistungsfähigkeit; es liegt im Rauschen dessen, wie ein einzelner aggregierter Index auf eine Handvoll schwieriger Fragen reagiert. Wer auf diesem Punkt einen Fall für Muse Wonder aufbauen will, baut auf nichts.

Bedeutsam ist, dass Muse Wonder eine Variante mit hohem Aufwand hat, die 41 erreicht, was zeigt, dass der Aufwandsregler die Punktzahl um etwa drei Punkte in beide Richtungen verschiebt. Wenn sich der Aufwandsregler von Qwen4-Max ähnlich verhält – und Alibabas eigene Berichterstattung deutet darauf hin, dass Aufwand den Tokenverbrauch erheblich verändert, mit einem Rückgang der Work360-Nutzung um 24 Prozent bei xhigh und 35 Prozent bei high –, dann ist die 43 eine einzelne Stichprobe aus einer Verteilung, keine feste Eigenschaft. Vom Anbieter berichtet, relativ zu Qwen3.8-Max, nicht reproduziert: Betrachte die Richtung als informativ und die Größenordnung als Behauptung.

Die Launch-Benchmarks beider Anbieter sollten mit derselben Skepsis gelesen werden. Metas JobBench- und Vals-Zahlen sind Eigenangaben. Alibabas Work360-Wert von 52,69, sein Rückgang der Kosten pro Aufgabe von 4,43 $ auf 1,67 $ und seine Verbesserungen bei Bits pro Byte über fünf Basis-Checkpoints sind Eigenangaben. Keiner der beiden Datensätze wurde unabhängig reproduziert, und kein Anbieter veröffentlicht den Eval-Harness, mit dem man es selbst versuchen könnte.

Wobei jede einzelne die offensichtliche Antwort ist

Wählen Sie Muse Wonder, wenn Audio in der Pipeline ist, wenn Sie eine veröffentlichte Latenzzahl benötigen, gegen die Sie einen SLA schreiben können, oder wenn die Arbeit agentisch und langfristig angelegt ist und Sie lieber 6,95 $ für eine Aufgabe zahlen, deren Dauer Sie messen können, als 3,27 $ für eine, bei der Sie das nicht können. Der Wert von 118 Tokens pro Sekunde ist für ein Modell mit diesem Score wirklich schnell, und Geschwindigkeit ist ein Feature, das Kunden bemerken.

Wählen Sie Qwen4-Max, wenn das Volumen der Engpass ist, wenn die Arbeitslast eher aus dem Lesen langer Kontexte als aus langfristigem Reasoning besteht oder wenn es sich bei der Eingabe um Video im großen Maßstab handelt und die 2,7×-Eingabelücke die gesamte Rechnung ausmacht. Die pauschale $1.50/$4.50-Karte ohne Long-Context-Tarif ist leicht zu prognostizieren, was mehr ausmacht, als es klingt, wenn Sie ein Quartalsbudget erstellen.

Beide sind proprietär und veröffentlichen keine Gewichte, daher kann keines selbst gehostet oder auf eine feste Version festgelegt werden. Wenn das eine Anforderung ist, gibt es in diesem Vergleich keinen Gewinner, und die Antwort ist ein Modell, das Checkpoints veröffentlicht – Kimi K3.1 Pro tut das unter den Flaggschiffen.

Wenn Sie die Auswahl vermeiden möchten, ist der sinnvolle Kompromiss ein Pool statt einer Entscheidung: Routen Sie nach Eingabemodalität (Audio an Muse Wonder, Video im großen Maßstab an Qwen4-Max), behalten Sie den Preisvorteil dort, wo er real ist, und lassen Sie Failover die Latenz abdecken, die Sie noch nicht vorhersagen können. Es lohnt sich, präzise zu sein, was heute routbar ist – weder Muse Wonder noch Qwen4-Max gehört zu den 215 Kennungen, die wir bedienen, dieser Pool ist also ein Design, keine Produktseite. Was wir auf der Meta-Seite tatsächlich führen, ist die Muse Spark-Reihe zu 1,25 $ Eingang und 4,25 $ Ausgang, und auf der Alibaba-Seite qwen/qwen3.8-max zu 2,00 $/6,00 $, zum Listenpreis des Anbieters ohne Aufschlag.

Artificial Analysis page for Muse Wonder, captured 17 November 2026 in English, showing Intelligence #35 of 81, 19.64 seconds to first answer token, 118 output tokens per second, $4.00 input and $20.00 output per 1M tokens, 13.5 minutes and $6.95 per Intelligence Index task.

Die Frage, die man vor dem nächsten Release stellen sollte

Jeder Vergleich eines wochenalten Modells mit einem einen Monat alten Modell hat dieselbe Schwäche: Die Evidenz ist in einer Weise asymmetrisch, die das zuerst ausgelieferte Modell begünstigt, weil unabhängige Tests es länger untersuchen konnten. Die Zahlen von Muse Wonder sind nicht deshalb reicher, weil Meta transparenter ist, sondern weil es fünf Wochen mehr Messung hinter sich hat.

Worauf man achten muss, ist nicht ein weiterer Benchmark. Es ist die Frage, ob Qwen4-Max' Geschwindigkeit und die Zeit pro Aufgabe auf derselben Bestenliste auftauchen, bevor der Preisvorteil aufgebraucht ist. Ein Modell, das pro Aufgabe die Hälfte kostet und doppelt so hohe Latenz hat, ist ein anderes Produkt als eines, das die Hälfte kostet und vergleichbar ist, und derzeit weiß niemand außerhalb Alibabas, welches der beiden es ist.

OrcaRouter model page for Muse Spark 1.2, captured 17 November 2026 in English, showing the identifier meta/muse-spark-1.2, text, image, video, file and audio input, a 1M-token context, a pricing panel and the Meta vendor label.