Muse Wonder vs Grok 4.5: el modelo que está dos generaciones por detrás cuesta una quinta parte por tarea

Muse Wonder y Grok 4.5 no son realmente rivales; son un debate. Meta lanzó Muse Wonder el 12 de octubre de 2026, xAI lanzó Grok 4.5 el 8 de julio de 2026, y desde entonces xAI ha publicado Grok 4.6 y Grok 4.7 con la misma tarifa. Así que el modelo más antiguo no está vigente ni siquiera según su propio proveedor, lo que hace que sus cifras sean útiles de una manera en que las de un competidor recién llegado no lo son: Grok 4.5 es el precio mínimo para un modelo de razonamiento competente, y Muse Wonder es lo que cuesta la cima de la tabla. Artificial Analysis resume la diferencia en una línea: unos 4,52 dólares por tarea completada del Intelligence Index para Muse Wonder frente a unos 0,88 dólares para Grok 4.5, con trece puntos de índice entre ambos. Solo se puede saber si trece puntos valen cinco veces la factura si conoces el coste real de tus tareas, que es la parte que el tarifario nunca te dice.Los cambios de precios y de índice que llegan después de una comparación como esta se registran con sus fechas y fuentes en el AI Incident Archive, junto a los demás incidentes de modelos y proveedores que seguimos.

Treinta y nueve frente a cincuenta y dos en el mismo tablero

Ambas cifras proceden del mismo harness, la versión 4.3.2 del Artificial Analysis Intelligence Index, que agrupa diez evaluaciones —Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDPval-AA, AutomationBench-AA y otras cinco. Grok 4.5 obtiene 39, lo que lo sitúa en el puesto 63 de 213 y, en palabras del propio evaluador, por encima de la media entre modelos comparables cuya mediana es 27. Muse Wonder obtiene 52 y ocupa el 9.º puesto. Los resúmenes de una línea del evaluador merecen citarse uno junto a otro porque describen el equilibrio en lenguaje llano: Grok 4.5 es «por encima de la media y más lento que la media»; Muse Wonder es «inteligencia líder, algo caro para su franja de precio, notablemente rápido y algo verboso».

La columna interesante no es la puntuación, sino lo que cada modelo emitió para ganársela. Grok 4.5 produjo 77 millones de tokens de salida en la ejecución del índice — cerca de la mediana de la tabla. Muse Wonder produjo 130 millones, y desde entonces la mediana de la tabla ha subido a 85 millones. El modelo de Meta es verboso; el de xAI no. Ese único hecho hace la mayor parte del trabajo en el lado del costo, y va en contra del modelo con la tarifa más alta, que es la dirección contraintuitiva.

Cómo el tarifario se convierte en una factura cinco veces mayor

Sobre el papel, la diferencia es de 2× en entrada y 3,3× en salida. Medida, es de 5,1× por tarea completada, lo que significa que la verbosidad está amplificando la diferencia de precio en lugar de cancelarla — lo contrario de lo que ocurre cuando un modelo barato es el charlatán.

• Precio de lista — Muse Wonder $4.00 de entrada / $20.00 de salida / $0.20 en caché por millón; Grok 4.5 $2.00 de entrada / $6.00 de salida / $0.30 en caché

• Coste por tarea de índice — Muse Wonder unos 4,52 $; Grok 4.5 unos 0,88 $

• Tokens de salida en la ejecución del índice — Muse Wonder alrededor de 130 millones; Grok 4.5 alrededor de 77 millones

• Tiempo hasta el primer token: Muse Wonder 30,35 segundos; Grok 4.5 8,90 segundos

• Velocidad de salida — Muse Wonder 145,1 tokens por segundo; Grok 4.5 59,1

• Ventana de contexto — Muse Wonder 1.048.576 tokens; Grok 4.5 500.000 tokens, con el precio de toda la solicitud recalculado por encima de 200.000

Esa última fila es el único punto en el que lo barato de Grok 4.5 deja de ser barato. xAI divide la tabla de tarifas en tramos según la longitud del prompt: por debajo de 200.000 tokens pagas $2,00 y $6,00; por encima, la solicitud completa pasa a $4,00 y $12,00, y la tarifa en caché se duplica de $0,30 a $0,60. Muse Wonder cobra una única tarifa durante toda su ventana de un millón de tokens. Con 300.000 tokens de prompt, el precio de entrada de Grok 4.5 se ha duplicado, mientras que el de Muse Wonder no se ha movido: el 2× anunciado se convierte en 1× en la entrada, y la brecha de coste por tarea se estrecha hasta lo que el volumen de salida haga con ella.

La velocidad invierte el consejo habitual.

Los modelos Grok suelen ser la opción rápida, y esta comparación es la excepción. Grok 4.5 espera 8,9 segundos para su primer token y escribe a 59,1 tokens por segundo; Muse Wonder espera 30,35 segundos y escribe a 145,1. Ninguno es un asistente interactivo rápido. Pero la forma es distinta de una manera que importa para los bucles de agentes: Muse Wonder delibera una vez y luego avanza rápido; Grok 4.5 empieza antes y luego se arrastra. En una generación larga, ambos convergen; en muchos turnos cortos, gana la menor latencia del primer token de Grok 4.5, y en una única salida grande, gana Muse Wonder.

Este es también el argumento en contra de tratar a Grok 4.5 como la opción económica para producción. Un modelo que es barato por token pero lento por token puede perder frente a un modelo que es caro por token pero rápido, una vez que se le pone precio al tiempo de reloj; y en un agente que hace llamadas repetidas, el tiempo de reloj suele ser lo primero que nota el usuario.

El problema del sucesor

Todo lo anterior compara Muse Wonder con un modelo que {{1}}x{{/1}}AI ya ha reemplazado dos veces. Grok 4.6 llegó con la misma tarifa y una puntuación mejor; desde entonces, Grok 4.7 se ha situado en 46 en el mismo índice, y Artificial Analysis marca explícitamente Grok 4.5 como obsoleto y remite a 4.6. Así que la versión honesta de esta comparación no es «Muse Wonder frente a Grok 4.5», sino «Muse Wonder frente al Grok que realmente desplegarías», y esa comparación está mucho más reñida en capacidad: 52 frente a 46, aproximadamente seis puntos en lugar de trece, por unos $4,52 por tarea frente a los $3,74 de Grok 4.7.

Publicamos de todos modos la comparación de Grok 4.5 porque ese es el modelo al que muchos lectores siguen siendo dirigidos, y porque el modelo más antiguo hace visible la estructura económica de una manera que el más nuevo difumina. Pero nadie debería elegir Grok 4.5 hoy basándose en esta página. Si la respuesta es «un Grok», la respuesta es 4.6 o 4.7.

Donde ambos son accesibles

Tanto Grok 4.5 como Grok 4.7 están en el catálogo de OrcaRouter — grok/grok-4.5 a $2.00 de entrada, $0.30 en caché y $6.00 de salida por millón de tokens hasta 200.000 tokens, con un cambio de precio a $4.00, $0.60 y $12.00 por encima de esa cifra, y con la ventana de 500.000 tokens intacta; grok/grok-4.7 a las mismas tarifas con una lectura en caché de $0.50. Esos son los precios de lista de x​AI pasados sin margen, así que cuando x​AI cambia un tramo, el cambio está activo en nuestro lado el mismo día. Muse Wonder no está en el catálogo: no hay meta/muse-wonder en OrcaRouter, y los checkpoints de Meta que sí tenemos son meta/muse-spark-1.2 y meta/muse-spark-1.1 a $1.25 y $4.25 por millón de tokens.

El punto de enrutamiento que se gana su lugar aquí es el de conmutación por error. Muse Wonder tiene diez días de vida, con un primer token de 30 segundos y una única evaluación independiente; poner una ruta de producción detrás de él por confianza es un riesgo que no conviene asumir. Dirige una parte del tráfico hacia él junto al Grok que ya ejecutas, mantén el resto donde está y deja que la conmutación por error automática absorba los tiempos de espera mientras descubres si la fortaleza de horizonte largo que Meta afirma aparece en tu carga de trabajo. Hoy, una sola clave llega al lado Grok de la comparación; el lado de Muse Wonder queda a una segunda llamada a la API de distancia, y el coste de cambiar es una cadena de modelo.

La selección, en un párrafo cada una.

Elige Muse Wonder cuando la tarea sea larga, merezca la pena hacer bien la respuesta y el prompt sea lo bastante grande como para que el reajuste de precios de Grok para 200.000 tokens elimine de todos modos su ventaja de precio: la tarifa plana por millón de tokens, los 145 tokens por segundo y la brecha de trece puntos en el índice apuntan en la misma dirección. Elige un Grok —y en concreto Grok 4.7, no 4.5— cuando necesites muchas llamadas cortas, un primer token en segundos de un solo dígito y una factura que aguante el volumen, porque a 3,74 $ por tarea completada frente a 4,52 $ es la forma más barata de ser aproximadamente igual de capaz. Lo que no deberías hacer es elegir Grok 4.5 porque aparezca en la parte superior de una tabla comparativa; su propio proveedor ha dejado de recomendarlo.