Muse Wonder vs Grok 4.6: una ventana de 1.048.576 tokens frente a una que duplica su precio en 200.000

Grok 4.6 es el modelo más barato de esta comparación según todas las tarifas publicadas — $2.00 por millón de tokens de entrada y $6.00 por millón de tokens de salida frente a los $4.00 y $20.00 de Muse Wonder — y hay una longitud de prompt en la que esa ventaja desaparece por completo. La tarifa escalonada de SpaceXAI vuelve a fijar el precio de toda la solicitud al doble de la base una vez que un prompt supera los 200,000 tokens: la entrada pasa a $4.00, la salida a $12.00 y la entrada en caché a $1.00. Con 250,000 tokens de entrada y 8,000 tokens de salida, Grok 4.6 factura alrededor de $1.10 y Muse Wonder factura alrededor de $1.16. El modelo que parecía 2.5× más barato con prompts cortos está dentro del 6% de su rival con los largos — y es el rival, el lanzamiento del 12 de octubre de 2026 de Meta Superintelligence Labs, el que mantiene una tarifa plana en toda la ventana de 1,048,576 tokens.

Ese punto de cruce es lo más útil de esta página, y solo existe gracias a una segunda diferencia. Grok 4.6 ofrece una ventana de contexto de 500.000 tokens y luego cobra la tarifa escalonada por todo lo que supere los 200.000 tokens; Muse Wonder ofrece el doble de esa ventana y nunca aplica escalones. Si tus prompts se mantienen por debajo de los 200.000 tokens, nada de esto aplica y Grok 4.6 es simplemente la mejor compra. Si no es así, ambos modelos cuestan casi lo mismo y la comparación pasa a ser sobre la capacidad en lugar del precio.

Dos buques insignia, con ocho semanas de diferencia

Grok 4.6 es el buque insignia de SpaceXAI, lanzado el 12 de agosto de 2026, a $2.00 por millón de tokens de entrada y $6.00 por millón de salida, con la entrada en caché a $0.50. Tiene una ventana de contexto de 500,000 tokens, acepta entrada de texto, imagen y archivos, devuelve texto, admite esfuerzo de razonamiento configurable y llamada nativa de herramientas, y tiene precios en dos niveles: todo hasta 200,000 tokens de prompt a la tarifa base, y todo lo que supere eso al doble. Su registro de publicación no incluye en absoluto una cifra máxima de salida para una sola respuesta, lo cual es una laguna y no un cero: no hay ningún número con el que planificar una carga de trabajo de generación extensa.

Muse Wonder es el lanzamiento de frontera de Meta Superintelligence Labs, lanzado el 12 de octubre de 2026 como parte de una serie de dos checkpoints. El invocable es muse-wonder-1.0, disponible en la API de Meta Model y dentro de Muse Code; el Muse Wonder Full, de mayor puntuación, se vende solo mediante una suscripción a Muse Code y no tiene precio por token. El checkpoint invocable acepta entrada de texto, imagen, voz y video, devuelve texto, tiene una ventana de contexto de 1.048.576 tokens, limita una sola respuesta a 943.718 tokens, cobra $4,00 de entrada, $0,20 en caché y $20,00 de salida por millón en toda la ventana, y ejecuta razonamiento de forma obligatoria con una escala de esfuerzo de mínima a máxima que por defecto es media.

El panel independiente que ha medido ambos los sitúa a ocho puntos de distancia —Muse Wonder con 52, Grok 4.6 con 44— y además señala que Grok 4.6 ha sido superado por Grok 4.7. Ese último detalle importa por una razón que no es obvia: Grok 4.7 tiene el mismo precio de lista de $2.00/$6.00 que el modelo al que reemplaza, así que el sucesor no es una opción más barata. Es una de forma diferente.

Las listas de tarifas, y la única fila que no es un número

Todo en esta lista es un dato de la tarifa del proveedor por millón de tokens, excepto las dos últimas filas, que son mediciones independientes.

• Entrada de primer nivel — Grok 4.6 $2.00 por millón; Muse Wonder $4.00

• Salida de primer nivel — Grok 4.6 $6.00 por millón; Muse Wonder $20.00

• Entrada en caché — Grok 4.6 $0,50 por millón; Muse Wonder $0,20

• Por encima de 200,000 tokens de prompt — Grok 4.6 pasa a $4.00 de entrada, $12.00 de salida y $1.00 en caché en toda la solicitud; Muse Wonder no cambia

• Ventana de contexto — Grok 4.6 500.000 tokens; Muse Wonder 1.048.576

• Salida máxima en una respuesta — Grok 4.6 no publicado; Muse Wonder 943.718 tokens

• Superficie de entrada — Grok 4.6 texto, imagen y archivo; Muse Wonder texto, imagen, voz y vídeo

• Control de razonamiento — Grok 4.6, de bajo a xhigh con un valor predeterminado alto; Muse Wonder, de minimal a max con un valor predeterminado medio, y sin interruptor de desactivación

• Índice de Inteligencia, medido de forma independiente — Grok 4.6 44, trigésimo séptimo de 216; Muse Wonder 52, noveno de 216

• Coste de completar una tarea de índice, medido de la misma manera — Grok 4.6 unos $1,48; Muse Wonder unos $4,52

La última fila es donde el relato de precios se vuelve honesto. Un coste tres veces mayor por tarea completada es una brecha más grande de lo que implica la tarifa combinada, y no se debe a que Grok 4.6 sea extravagante —todo lo contrario. En esa evaluación, Grok 4.6 consumió unos 94 millones de tokens de salida frente a los 130 millones de Muse Wonder, con una mediana del tablero cercana a los 85 millones. El modelo más barato también es el menos locuaz, algo inusual en esta franja de precios, y significa que la brecha de precio de etiqueta es real y no un artefacto de que uno de los modelos escriba más.

Dónde cae realmente el crossover

Consideremos una carga de trabajo plausible: el 70 % de la factura del prompt se debe a la entrada, un prefijo de sistema estable que se almacena en caché, y una respuesta de unos pocos miles de tokens. Los cálculos a continuación se basan en los precios de lista publicados de cada proveedor y son nuestros cálculos, no un benchmark de un proveedor.

• 30,000 de entrada y 8,000 de salida, sin caché — Grok 4.6 alrededor de $0.11; Muse Wonder alrededor de $0.28. Grok es aproximadamente 2.6× más barato.

• 250.000 de entrada y 8.000 de salida, sin caché — Grok 4.6 alrededor de $1,10 con la tarifa escalonada; Muse Wonder alrededor de $1,16 con su tarifa plana. La diferencia es de alrededor del 5 %.

• 400.000 de entrada y 8.000 de salida, sin caché — Grok 4.6 unos $1,70; Muse Wonder unos $1,76. Siguen igualados, y a Grok 4.6 solo le quedan ahora 100.000 tokens para llegar al final de su ventana, mientras que Muse Wonder está usando el 38% de la suya.

• Lecturas en caché con 250.000 tokens de contexto — Grok 4.6 $1.00 por millón frente a los $0.20 de Muse Wonder, una ventaja de 5× para M​eta una vez que la caché esté caliente y el prompt sea lo suficientemente largo como para haber disparado el paso

Lo importante es el patrón. Grok 4.6 es drásticamente más barato para el trabajo que la mayoría de los equipos realiza la mayor parte del tiempo, y está a la par o ligeramente por detrás para el trabajo que hizo que la gente buscara una ventana de un millón de tokens en primer lugar. Un modelo de costes construido a partir de la tarifa anunciada sobrestima en gran medida la ventaja de Grok en tráfico de contexto largo.

Qué compran ocho puntos de índice y qué no

La independencia medida corta en ambos sentidos aquí, y vale la pena precisar de dónde provino cada cifra.

Las cifras publicadas más sólidas de Grok 4.6 son de terceros y una de ellas es extraordinariamente buena. En GPQA Diamond, un conjunto de preguntas científicas de nivel de posgrado, obtiene 94.9 —la puntuación de primer nivel más alta de su clase de precio, y un terreno donde Muse Wonder no tiene ninguna fila independiente publicada en absoluto. También registra 61.0 en Humanity's Last Exam y 76.8 en la evaluación independiente de programación, ambos del mismo evaluador. En trabajo con preguntas a escala, esos son los números que predicen si el modelo te hará quedar mal, y a $2.00/$6.00 son una gran ganga.

La fortaleza de Muse Wonder tiene una forma distinta, y es la razón por la que la brecha de ocho puntos en el índice tampoco es lo relevante. La propia tabla de lanzamiento de M​eta —reportada por el proveedor, ejecutada en el harness de M​eta y no reproducida— se compone casi por completo de tareas agénticas y de terminal de horizonte largo, y los análisis independientes ya han entresacado datos de ella. Las filas de DeepSWE 1.1 y SWE-Marathon de M​eta sitúan a la serie por delante de los modelos con los que se compara, y el límite de salida de 943.718 tokens es una ventaja estructural que ninguna tarifa recoge: una carga de trabajo que emite un único artefacto muy grande, ya sea una aplicación generada o un documento estructurado extenso, no tiene una cifra de Grok 4.6 con la que compararse porque Grok 4.6 no publica ninguna.

Así que la división no es mejor contra peor. Es barato y rápido frente a largo y plano, y el eje que lo decide es la longitud del prompt.

Ahora son tres modelos, no dos, una vez que el sucesor entra en escena

El panel independiente señala que Grok 4.6 ha sido superado y apunta a Grok 4.7, que obtiene 46 frente al 44 de Grok 4.6, se ejecuta con la misma tarifa de lista de $2.00/$6.00, con la misma lectura de caché de $0.50 y la misma ventana de 500.000 tokens, publica un límite de salida de 450.000 tokens que su predecesor no tiene, y ofrece un ajuste de esfuerzo adicional en la parte superior. Es la mejora obvia sobre el papel.

La factura dice otra cosa. El costo por tarea de indexación completada de Grok 4.7 es de aproximadamente $3.74 frente a los $1.48 de Grok 4.6, porque consumió alrededor de 240 millones de tokens de salida en la ejecución en la que su predecesor usó 94 millones. Más nuevo, con mejor puntuación y al mismo precio de lista, aun así resultó 2.5× más caro por trabajo terminado. Ese es el caso poco frecuente en el que la marca de obsolescencia en la página de un modelo no es por sí sola una razón para cambiar, y vale la pena saberlo antes de migrar tráfico que no necesitabas migrar.

Para quien construya esto como una pipeline de dos modelos en lugar de un proyecto con dos proveedores, el lado del enrutamiento es sencillo para una mitad y no para la otra. OrcaRouter incluye Grok 4.6 como grok/grok-4.6 al precio de lista del propio SpaceXAI con 0 % de recargo — el precio de lista del proveedor se traslada tal cual, de modo que los precios de cada nivel y cualquier cambio en ellos llegan aquí el mismo día — detrás de la misma clave que más de otros 200 modelos, con conmutación por error automática entre proveedores cuando un endpoint falla. Muse Wonder no está en nuestro catálogo, y no hay cobertura de servicio de terceros que podamos verificar, así que la única manera de llamarlo hoy es la API propia de Meta y Muse Code. Una llamada de fusión de modelos que ejecuta el modelo barato y el potente en paralelo y elige entre las respuestas es una de las cosas que un único endpoint facilita — pero solo puede incluir modelos que alguien esté sirviendo.

La selección, por longitud del prompt en lugar de por veredicto

Por debajo de 200.000 tokens de prompt, a escala, en trabajo con forma de pregunta: Grok 4.6, sin muchos aspavientos. Es 2,6 veces más barato en las formas de solicitud que la mayoría de los equipos envía realmente, obtiene 94,9 en el único benchmark independiente en el que supera a todo lo de su clase, y es aproximadamente 2 veces más rápido hasta el primer token que su rival. La única advertencia es que Grok 4.7 existe al mismo precio de tarifa con un nivel de esfuerzo adicional: comprueba tus propios recuentos de tokens antes de asumir que cuesta más, porque la cifra publicada dice que así será.

Más de 200.000 tokens de prompt, o varios cientos de miles de tokens de contexto mantenidos abiertos a lo largo de una larga ejecución agéntica, o un trabajo cuya salida es enorme: Muse Wonder. El cruce es real y es tajante, y el techo de respuesta de 943.718 tokens no es un número que Grok 4.6 pueda igualar con uno propio.

Entre ellos se encuentra la honesta observación de que este es el único emparejamiento en la ventana de lanzamiento de Meta en el que el modelo más barato es también el más ligero, por lo que la diferencia de precio compra capacidad en lugar de comprar tokens. Dos días después de que se lanzara Muse Wonder, esa capacidad queda descrita por una fila independiente y una tabla de proveedor. La de Grok 4.6 se ha estado acumulando desde agosto.