Muse Wonder vs. Grok 4.7: el modelo que cuesta el doble por token y solo 1,2× tanto por tarea

En las listas de precios, Muse Wonder parece pertenecer a una categoría de precio distinta a la de Grok 4.7. Meta cobra $4,00 por millón de tokens de entrada y $20,00 por millón de tokens de salida por Muse Wonder, que lanzó el 12 de octubre de 2026. xAI cobra $2,00 y $6,00 por Grok 4.7, lanzado el 21 de septiembre de 2026. Eso es el doble en entrada y más del triple en salida. Luego, Artificial Analysis evalúa ambos con el mismo entorno de pruebas e informa el precio de completar una tarea de inteligencia: alrededor de $4,52 para Muse Wonder (max) y alrededor de $3,74 para Grok 4.7 (xhigh). Una diferencia de tarifas de 3,3× se reduce a 1,2× a la hora de pagar, porque Grok 4.7 es el modelo más verboso del ranking y Muse Wonder es solo el segundo más.

Adónde va la brecha de la tarjeta de tarifas

Los dos laboratorios fijan precios muy diferentes para los tokens y los modelos los gastan de maneras muy distintas, en direcciones opuestas. Un único número, los tokens de salida consumidos durante la evaluación del índice, explica casi todo:

• Tokens de salida en la ejecución del índice — Grok 4.7 alrededor de 240 millones; Muse Wonder alrededor de 130 millones, frente a una mediana del ranking cercana a 82 millones

• Tarifa de lista — Grok 4.7 $2.00 entrada / $0.50 en caché / $6.00 salida por millón; Muse Wonder $4.00 entrada / $0.20 en caché / $20.00 salida

• Costo medido por tarea de indexación — Grok 4.7, aproximadamente $3,74; Muse Wonder, aproximadamente $4,52

• Índice de Inteligencia — Muse Wonder (max) 52, noveno de 219; Grok 4.7 (xhigh) 46

La verbosidad de Grok 4.7 es la razón por la que su tarifa de aspecto barato no produce una tarea barata. Con 240 millones de tokens de salida por evaluación, una llamada de Grok 4.7 que dice lo mismo que una llamada de Muse Wonder necesita aproximadamente el doble de tokens para decirlo, y el ahorro en cada token se gasta en comprar más de ellos. La tarifa de salida de $20.00 de Muse Wonder es casi tres veces la de Grok, pero emite aproximadamente la mitad de los tokens — los dos efectos casi se cancelan, y lo que sobrevive es un sobrecosto de 1.2× por seis puntos de índice.

Ese replanteamiento importa más de lo que parece, porque invierte el consejo habitual. Si calculas el precio de los modelos según la tarifa, concluirás que Grok 4.7 es la opción económica y Muse Wonder es un lujo; si los calculas según el trabajo completado, están dentro de un 22% uno del otro.

La línea de caché es la que no se cancela.

Una fila rompe el patrón, y lo rompe a favor de Meta. La tarifa de entrada en caché de Grok 4.7 es de $0,50 por millón, sin cambios respecto a Grok 4.6 y cinco veces los $0,10 de GPT-6.1 Sol. La de Muse Wonder es de $0,20. En un pipeline con uso intensivo de caché de prompts —un prompt de sistema largo y un corpus fijo reenviado en cada llamada—, eso supone una ventaja de 2,5× en la mayor categoría de tokens de la solicitud, y no se ve mermada por la verbosidad porque los tokens de entrada en caché no son tokens de salida.

La otra diferencia que no se cancela es la forma de la curva de precios, y aquí Meta gana de manera contundente:

• Ventana de contexto — Muse Wonder 1.048.576 tokens; Grok 4.7 500.000 tokens

• Reajuste de precios para prompts largos — Muse Wonder: ninguno; Grok 4.7 vuelve a fijar el precio de toda la solicitud a $4.00 de entrada y $12.00 de salida una vez que un prompt alcanza los 200,000 tokens

• Salida máxima en una sola respuesta — Muse Wonder 943.718 tokens; Grok 4.7 450.000 según el propio listado del proveedor

• Escala de esfuerzo — Muse Wonder, de mínimo a máximo, con medio por defecto; Grok 4.7, bajo, medio, alto, xhigh, con alto por defecto, y xhigh es nuevo en esta generación

El escalón de 200.000 tokens de Grok 4.7 es el precipicio más pronunciado que vende cualquiera de los dos laboratorios. Un prompt de 199.000 tokens y otro de 201.000 tokens se facturan al doble de la tarifa de entrada y al doble de la tarifa de salida sobre toda la solicitud, no solo sobre el exceso. Muse Wonder cobra un prompt de 400.000 tokens exactamente a la misma tarifa por token que uno de 400 tokens. Para cargas de trabajo de tipo recuperación que de forma habitual arrastran un contexto fijo grande, esa única fila puede pesar más que todo lo que aparece por encima de ella.

De dónde vienen los seis puntos de índice

Una brecha compuesta de seis puntos es una brecha real, y no se distribuye de manera uniforme. Artificial Analysis puntúa ambos modelos en la misma revisión de su índice; estas son sus mediciones, no las afirmaciones de ningún proveedor.

• AA-Briefcase — Grok 4.7 con 1.657 de Elo en xhigh, cuarto en la tabla; Muse Wonder no está publicado en el mismo harness

• GDPval-AA — Grok 4.7, 1.715 Elo, un máximo histórico entre los modelos que no son de Anthropic; Muse Wonder no se ha publicado

• Generación de código con su propio harness: Muse Wonder no es directamente comparable; Grok 4.7 obtiene un 57,4 % en SciCode y un 43,1 % en Humanity's Last Exam

• Coste por tarea de indexación — Grok 4.7 $3.74; Muse Wonder $4.52

El perfil de Grok 4.7 es amplio más que puntiagudo: es competente en razonamiento, recuperación de contexto largo y trabajo con documentos profesionales sin liderar en ninguno de ellos, y es genuinamente rápido a 82,6 tokens por segundo, cifra que Muse Wonder no tiene publicada en el mismo harness. La forma de Muse Wonder es la opuesta: un compuesto más alto, una cifra de velocidad no publicada y una tabla del proveedor que concentra sus victorias en trabajo de software en terminal y de horizonte largo.

Esa tabla del proveedor es de Meta y nadie la ha reproducido. Su cifra de 85.6 en Terminal-Bench 4.0-AA para Muse Wonder se sitúa frente a los 79.0 de Claude Fable 5.1 y los 81.4 de GPT-6 Astra en la misma columna; el resultado de Terminal-Bench 4.0 de Grok 4.7 medido de forma independiente es 0.258 bajo el mismo nombre de benchmark, lo cual corresponde a un sistema de evaluación distinto y a un número distinto. No pongas esos dos datos en la misma frase como comparación: la cifra de Meta es una afirmación de proveedor sobre su propio modelo, y la de Artificial Analysis es una medición del de xAI, y los sistemas de evaluación no son los mismos.

Uno de estos tiene un gemelo con suscripción

Meta lanzó Muse Wonder como dos checkpoints. muse-wonder-1.0 es el que está en la Meta Model API a $4/$20. muse-wonder-full-1.0 obtiene 56 en el índice independiente —diez puntos por encima de Grok 4.7— y no se puede comprar por token en absoluto; viene con una suscripción a Muse Code de $50 al mes para Power Usage o $200 al mes para Maximum Usage. Grok 4.7 no tiene una división equivalente. Lo que ves es lo que compras, en una sola tarifa, en un solo endpoint.

Para un equipo que sopesa una suscripción mensual de $200 frente a la facturación por token, esa es la parte verdaderamente difícil de esta comparación. La ventaja de diez puntos del Full checkpoint sobre Grok 4.7 es mayor que la de seis puntos del modelo de API, y una suscripción de tarifa plana es una compra muy distinta de una tarifa por consumo: elimina por completo la penalización por verbosidad, que es la penalización que hizo que esta contienda estuviera tan reñida desde el principio.

El lado del enrutamiento, que aquí es asimétrico

Ambos son modelos propios de Meta y xAI, vendidos a través de sus propias API, y uno de ellos también es una ruta que servimos. Grok 4.7 está en el catálogo de OrcaRouter como grok/grok-4.7, con fecha 2026-09-21, a los precios propios de xAI de $2.00 de entrada, $0.50 de lectura de caché y $6.00 de salida por millón de tokens, con la ventana de 500,000 tokens, el límite de salida de 450,000 tokens y la regla de reajuste de precios de 200,000 tokens intactos. El precio de traspaso directo significa que un cambio en el tarifario de xAI aparece en el nuestro el mismo día, y la misma clave llega al resto del catálogo.

Muse Wonder no es una de nuestras rutas. No hay ningún registro de meta/muse-wonder en nuestro catálogo y esta página no va a insinuar que exista — es en la Model API de Meta y Muse Code donde se ejecuta. Lo que sí ofrecemos de Meta Superintelligence Labs es meta/muse-spark-1.2, el checkpoint más grande del que desciende esta familia, a $1.25 de entrada y $4.25 de salida por millón en una ventana de 1,048,576 tokens con lecturas de caché a $0.15.

Esa asimetría es, en realidad, el argumento práctico para la comparación. La relación de costes de 1,2× y la diferencia de seis puntos en la puntuación son ambos promedios de un conjunto de benchmarks; con tu tráfico, la relación será distinta y no puedes saber cuánto sin ejecutarlo. Grok 4.7 está a solo un cambio de cadena. Cuando Muse Wonder llegue a un proveedor que enrutamos, será el mismo cambio de cadena — y hasta entonces, la postura honesta es que puedes probar una mitad de este emparejamiento a bajo coste y la otra mitad no puedes probarla en absoluto.

Elegir entre ellos

• Grok 4.7 para todo aquello en lo que ya te gusta la forma: una ventana de 500.000 tokens cubre la mayor parte del trabajo de recuperación, el límite de salida de 450.000 tokens es generoso, la escala de esfuerzo llega hasta xhigh, y la puntuación compuesta está lo bastante cerca como para que 1,2× rara vez decida algo.

• Grok 4.7, específicamente para el trabajo documental profesional con un uso intensivo de razonamiento. Su Elo en GDPval-AA es la lectura no-Anthropic más sólida del tablero, y esa es la subpuntuación que predice la revisión de contratos, el análisis financiero y la redacción de textos extensos.

• Muse Wonder cuando los prompts son grandes y fijos. Una ventana de 1M sin paso de recálculo de precios y una lectura de caché de $0.20 es un trato sustancialmente distinto al de una ventana de 500K que duplica toda la solicitud a los 200,000 tokens, y esa diferencia se acumula en cada llamada dentro de un bucle.

• Muse Wonder cuando la salida tiene que ser enorme. 943.718 tokens frente a 450.000 es la diferencia entre emitir un artefacto completo y paginarlo.

• Muse Wonder cuando la entrada es voz o vídeo. Grok 4.7 acepta texto e imágenes; el modelo de Meta acepta texto, imagen, voz y vídeo, lo que colapsa una etapa del pipeline en lugar de mejorar una.

El resumen tentador —modelo más barato frente a modelo mejor— es incorrecto en ambas mitades. Grok 4.7 no es más barato por tarea completada ni de lejos como sugiere su tabla de precios, y la ventaja de Muse Wonder se concentra en lugares que una puntuación compuesta no puede mostrar. Lo que los separa en la práctica es el tamaño del prompt y el tamaño de la salida, y ambos aparecen impresos en tus propios registros.