Muse Wonder vs GPT-6 Astra: El modelo con el precio 2,5 veces mayor es el más barato

GPT-6 Astra cobra 10,00 $ por millón de tokens de entrada y 50,00 $ por millón de tokens de salida. Meta Muse Wonder cobra 4,00 $ y 20,00 $. En los dos documentos que más importan para una decisión de compra —la tarifa y la tabla de referencia—, gana el modelo que cuesta dos veces y media más, y lo hace por un margen que no es nada ajustado: en el propio harness de Artificial Analysis, GPT-6 Astra (max) completa una tarea del Intelligence Index por unos 3,26 $, mientras que Meta Muse Wonder (max) completa la misma tarea por unos 4,52 $, y además obtiene un punto más. Meta Superintelligence Labs lanzó Muse Wonder el 12 de octubre de 2026 con una ventana de un millón de tokens y razonamiento obligatorio. El proveedor lanzó GPT-6 Astra a principios de septiembre de 2026 con 1.050.000 tokens de contexto y 128.000 tokens de salida máxima. Si estás eligiendo entre ambos por el precio por token, estás leyendo el número equivocado.

Dos tarjetas de tarifas, y lo que predicen

Esto es lo que publica cada proveedor, lado a lado, antes de que nada medido entre en escena.

• Entrada — GPT-6 Astra $10,00 por millón de tokens; Muse Wonder $4,00. Astra es 2,5x.

• Salida — GPT-6 Astra $50.00 por millón de tokens; Muse Wonder $20.00. También 2.5x.

• Entrada en caché — GPT-6 Astra $1.00 por millón; Muse Wonder $0.20. Astra es 5x en la línea que domina el tráfico agéntico de prefijo repetido.

• El segundo nivel — las solicitudes que superan los 272.000 tokens de prompt se facturan a $20.00 por entrada y $75.00 por salida. Muse Wonder no tiene un nivel publicado; los $4.00 y $20.00 se aplican en toda la ventana.

• Ventana de contexto: GPT-6 Astra 1.050.000 tokens; Muse Wonder 1.048.576. Digamos que son idénticos.

• Salida máxima — GPT-6 Astra 128.000 tokens; Muse Wonder documenta 943.718 frente a su ventana de 1.048.576 tokens.

• Superficie de entrada — GPT-6 Astra acepta texto, imágenes y archivos; Muse Wonder anuncia texto, imagen, voz y video.

• Pesos — ninguno es abierto. Ambos son propietarios, ambos están cerrados al autoalojamiento.

Cada línea de eso apunta en una sola dirección. Astra es un modelo de precio premium y Muse Wonder es uno de precio medio, y el tramo de 272.000 tokens hace que la brecha sea aún más pronunciada para cualquiera que trabaje con contexto largo: un prompt de 400.000 tokens se factura a $20.00 por millón en Astra, cinco veces la tarifa de entrada de Muse Wonder. No hay forma de interpretar las dos tablas de tarifas en la que Muse Wonder no sea el modelo más económico.

Lo que cuesta un trabajo completado, que es la otra cifra

Artificial Analysis publica tanto el volumen de tokens que cada modelo consume en su Intelligence Index como el costo resultante por tarea. Ese par es donde esta comparación se invierte.

• Coste por tarea del Índice de Inteligencia — GPT-6 Astra (max) unos 3,26 $; Muse Wonder (max) unos 4,52 $

• Tokens de salida consumidos en esa ejecución — GPT-6 Astra alrededor de 60M; Muse Wonder alrededor de 130M, frente a una mediana del tablero cercana a 85M

• La formulación del propio evaluador — GPT-6 Astra se describe como "bastante conciso"; Muse Wonder, como "algo verboso"

• Índice de inteligencia — GPT-6 Astra (max) 53; Muse Wonder (max) 52

• Velocidad en la misma ejecución — GPT-6 Astra, alrededor de 66 tokens por segundo; Muse Wonder no documentado por el evaluador en este emparejamiento

Este es todo el argumento en cinco líneas. Astra emite aproximadamente 60 millones de tokens de salida para completar una tarea que a Muse Wonder le cuesta 130 millones, una proporción de más de dos a uno, y esa proporción es más que suficiente para absorber una diferencia de 2,5x en el precio de los tokens de salida. Dicho de otro modo: el precio por token es una propiedad del marketing del proveedor, y los tokens por tarea son una propiedad de cómo se entrena al modelo para comportarse. Lo segundo es lo que hace el trabajo aquí.

Esa es también la razón por la que este emparejamiento se lee de forma diferente a la habitual historia de "modelo caro es caro". Astra no es un modelo económico según ningún criterio — es el listado más caro de nuestro propio catálogo entre los actuales modelos insignia de GPT-6, y su tarifa de entrada se sitúa en cinco veces la mediana del tablero. Es un modelo cuyo perfil de costos ha sido diseñado en función de la deliberación en lugar del volumen: menos tokens de salida, mayor precio por token, menor factura por trabajo completado. La palabra que usa el evaluador es "concisa", y es lo más relevante financieramente del modelo.

Donde se detiene la ventaja de Astra

La brecha es real, pero no es uniforme, y tres salvedades van junto a ella.

En primer lugar, el índice es un compuesto de diez evaluaciones, y el apetito de tokens varía según la tarea. Una carga de trabajo dominada por la generación de texto largo —redacción, documentación, código con abundantes comentarios— es aquella en la que vale la pena contar con el techo de salida de 943.718 tokens de Muse Wonder y en la que la concisión de Astra no es tanto una ventaja como un límite; 128.000 tokens de salida máxima son un tope duro, y es un tope más bajo de lo que la mayoría supone cuando lee «ventana de contexto de 1,05 M» y la extiende mentalmente a la respuesta.

En segundo lugar, el segundo nivel de precios es una trampa precisamente para las cargas de trabajo que parecen más atractivas. La investigación profunda sobre un corpus de 300.000 tokens, una revisión de todo el repositorio, un conjunto completo de contratos — estas son las fortalezas declaradas de Astra y también son las solicitudes que superan los 272.000 tokens de prompt y recalculan el precio de toda la solicitud a $20,00 de entrada y $75,00 de salida. La tarifa plana de Muse Wonder de $4,00 y $20,00 en toda la ventana significa que un agente de contexto largo que reenvía un prefijo grande paga una tarifa predecible en ambos lados, y su lectura de caché de $0,20 frente a los $1,00 de Astra es más importante precisamente en ese escenario, donde el mismo contexto se reproduce en cada turno.

Tercero, la brecha de benchmark es de un punto en un compuesto cuya mediana del campo es 27, y proviene de una división entre proveedor e independiente que merece mención. En el conjunto de preguntas GPQA Diamond, nuestro propio catálogo lista GPT-6 Astra con 96.1 —con bastante diferencia, la cifra más alta que registra—, mientras que Artificial Analysis sitúa su resultado en Humanity's Last Exam a la par del de Claude Opus 5 y su puntuación en Terminal-Bench 4.0 en 59.1 frente al 85.6 de Muse Wonder. La tabla de Meta, por su parte, está reportada por el proveedor en el harness de Meta y no ha sido reproducida, por lo que Meta imprime Muse Wonder Full con 59.0 en el índice donde el propio evaluador publica 56. Considera cada uno de esos como la afirmación de alguien sobre su propio modelo, y considera los $3.26 y $4.52 como las únicas cifras de este artículo que se produjeron de la misma manera para ambos.

¿Cuál de los dos elegir?

La regla de decisión que se desprende de los números es más estrecha que «elegir el más barato».

• Elige GPT-6 Astra cuando el trabajo sea de análisis, razonamiento y entregables profesionales en los que el modelo termine con menos tokens que la alternativa: su ventaja de coste medida proviene por completo de la concisión, así que una carga de trabajo que obligue a generar salidas extensas la pierde.

• Elige Muse Wonder cuando la entrada sea voz o vídeo, que Astra no acepta en absoluto, o cuando una sola respuesta necesite superar los 128.000 tokens.

• Elige Muse Wonder cuando el trabajo sea de contexto extenso y con uso intensivo de caché en ambos lados de la ecuación, porque $0,20 frente a $1,00 en caché y una tarifa plana por encima de 271.000 tokens revierten parte de la brecha por tarea.

• No elija ninguno de los dos si la carga de trabajo es de gran volumen y solo texto; un modelo de pesos abiertos más barato hará el mismo trabajo por una fracción de cualquiera de las dos tarifas, y los siete u ocho puntos de índice a los que renuncia son invisibles en las tareas que ambos modelos completan.

Ambos están a una tecla de distancia, y esa es la parte práctica

GPT-6 Astra está en OrcaRouter, así que la comparación anterior es algo que puedes ejecutar en lugar de solo leer. Se lista por defecto a las tarifas de lista del proveedor —10,00 $ de entrada y 50,00 $ de salida, con 1,00 $ por lectura de caché— con el tramo de 272.000 tokens trasladado fielmente, porque un pass-through que ignorara el segundo tramo produciría una factura que no coincidiría con la del proveedor. Habla tanto el formato chat-completions de GPT como la API nativa Responses, de modo que una integración de GPT existente se traslada con un cambio de URL base en lugar de una reescritura.

Muse Wonder no está en nuestro catálogo y no vamos a describirlo como si lo estuviera: acceder a él implica la Model API de Meta, y el checkpoint Full, de mayor puntuación, no se vende por token en absoluto. Muse Spark 1.2 es lo que ofrecemos de Meta —un checkpoint de razonamiento multimodal a $1.25 de entrada y $4.25 de salida por 1.048.576 tokens— y es la alternativa económica honesta si buscas el laboratorio en lugar del buque insignia.

Lo que te aporta el par que comparte un solo endpoint es una medición, no un argumento. Cambia el ID del modelo, mantén el prompt y el ajuste de esfuerzo, y compara tus propios tokens de salida en ambos. La división de 60 millones frente a 130 millones del evaluador es un promedio de diez benchmarks que probablemente no ejecutas; la tuya es la cifra que decide si estás pagando un precio 2,5 veces mayor por un trabajo más barato o al revés. Si la concisión no se reproduce en tu carga de trabajo, has aprendido algo que las tarifas no pueden decirte — y la conmutación automática por error entre proveedores significa que puedes descubrirlo con tráfico real sin una segunda integración ni un segundo contrato.

La versión corta

Meta Muse Wonder es el modelo más barato por token y el más caro por tarea completada. GPT-6 Astra es lo contrario: una tarifa premium asociada a un modelo que termina en menos de la mitad de los tokens de salida, lo que lo deja alrededor de un 28% más barato por tarea de índice y un punto más alto en el índice. Quien elija según el precio de etiqueta se quedará con Muse Wonder y pagará más; quien elija solo según el índice se quedará con Astra y no verá que su nivel de contexto largo y su techo de salida de 128.000 tokens son las dos situaciones en las que el modelo más barato es la mejor opción.

El emparejamiento que merece señalarse como genuinamente sin resolver es el tercero, ese que ningún proveedor pone en una diapositiva: ambos son cerrados, ambos tienen un precio en la banda que el evaluador califica de cara, y ambos están perdiendo terreno en coste por tarea frente a modelos de pesos abiertos que cobran una quinta parte de cualquiera de esas dos tarifas. Esa es la comparación que un presupuesto acabará imponiendo, y no aparece en ninguna de las dos publicaciones de lanzamiento.