Muse Wonder vs Grok 4.5: Model yang Tertinggal Dua Generasi dengan Biaya Seperlima per Tugas

Muse Wonder dan Grok 4.5 sebenarnya bukanlah rival; keduanya adalah sebuah argumen. Meta merilis Muse Wonder pada 12 Oktober 2026, xAI merilis Grok 4.5 pada 8 Juli 2026, dan sejak itu xAI telah merilis Grok 4.6 dan Grok 4.7 dengan daftar harga yang sama. Jadi model yang lebih lama itu bukan yang terkini bahkan menurut perhitungan vendornya sendiri, yang membuat angka-angkanya berguna dengan cara yang tidak dimiliki angka pesaing baru: Grok 4.5 adalah batas bawah harga untuk model penalaran yang kompeten, dan Muse Wonder adalah harga yang harus dibayar untuk puncak papan peringkat. Artificial Analysis merangkum perbedaannya dalam satu baris — sekitar $4,52 per tugas Intelligence Index yang diselesaikan untuk Muse Wonder versus sekitar $0,88 untuk Grok 4.5, dengan selisih tiga belas poin indeks di antara keduanya. Apakah tiga belas poin itu sepadan dengan biaya lima kali lipat hanya bisa dijawab jika Anda tahu berapa biaya tugas Anda sebenarnya, yang merupakan bagian yang tidak pernah diberitahukan oleh daftar harga kepada Anda. Perubahan harga dan indeks yang muncul setelah perbandingan seperti ini dicatat beserta tanggal dan sumbernya di the AI Incident Archive, di samping insiden model dan vendor lain yang kami pantau.

Tiga puluh sembilan versus lima puluh dua di papan yang sama

Kedua angka tersebut berasal dari harness yang sama, versi 4.3.2 dari Artificial Analysis Intelligence Index, yang menggabungkan sepuluh evaluasi — Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDPval-AA, AutomationBench-AA, dan lima lainnya. Grok 4.5 mendapat skor 39, yang menempatkannya di peringkat ke-63 dari 213 dan, dalam kata-kata evaluatornya sendiri, di atas rata-rata di antara model-model sebanding yang mediannya 27. Muse Wonder mendapat skor 52 dan berada di peringkat ke-9. Ringkasan satu baris dari evaluator layak dikutip berdampingan karena keduanya menggambarkan trade-off itu dengan bahasa sederhana: Grok 4.5 "di atas rata-rata dan lebih lambat daripada rata-rata"; Muse Wonder "kecerdasan terdepan, agak mahal untuk kelas harganya, secara mencolok cepat, dan agak bertele-tele".

Kolom yang menarik bukanlah skornya, melainkan apa yang dikeluarkan setiap model untuk memperolehnya. Grok 4.5 menghasilkan 77 juta token keluaran pada uji indeks — mendekati median papan peringkat. Muse Wonder menghasilkan 130 juta, dan median papan peringkat sejak itu telah naik menjadi 85 juta. Model Meta bertele-tele; model xAI tidak. Satu fakta itu saja melakukan sebagian besar pekerjaan di sisi biaya, dan hal itu merugikan model dengan daftar tarif yang lebih tinggi, yang merupakan arah kontraintuitif.

Bagaimana kartu tarif menjadi tagihan lima kali lipat

Di atas kertas, selisihnya adalah 2× untuk input dan 3,3× untuk output. Jika diukur, angkanya 5,1× per tugas yang diselesaikan, yang berarti verbositas memperbesar selisih harga alih-alih meniadakannya — kebalikan dari apa yang terjadi ketika model murah justru yang bertele-tele.

Harga daftar — Muse Wonder $4.00 masuk / $20.00 keluar / $0.20 di-cache per juta; Grok 4.5 $2.00 masuk / $6.00 keluar / $0.30 di-cache

• Biaya per tugas indeks — Muse Wonder sekitar $4.52; Grok 4.5 sekitar $0.88

• Token keluaran pada uji indeks — Muse Wonder sekitar 130 juta; Grok 4.5 sekitar 77 juta

• Waktu hingga token pertama — Muse Wonder 30,35 detik; Grok 4.5 8,90 detik

• Kecepatan keluaran — Muse Wonder 145,1 token per detik; Grok 4.5 59,1

• Jendela konteks — Muse Wonder 1.048.576 token; Grok 4.5 500.000 token, dengan seluruh permintaan dihargai ulang di atas 200.000

Baris terakhir itulah satu-satunya tempat di mana kemurahan Grok 4.5 berhenti menjadi murah. xAI membagi daftar harga berdasarkan panjang prompt: di bawah 200.000 token Anda membayar $2,00 dan $6,00; di atasnya, seluruh permintaan berpindah ke $4,00 dan $12,00, dan tarif cache berlipat dua dari $0,30 menjadi $0,60. Muse Wonder memberlakukan satu tarif di sepanjang jendela satu juta token penuhnya. Pada prompt 300.000 token, harga input Grok 4.5 telah berlipat dua sementara harga Muse Wonder tidak bergerak — angka utama 2× menjadi 1× untuk input, dan selisih biaya per tugas menyempit sesuai dengan dampak volume output terhadapnya.

Kecepatan membalikkan nasihat yang biasa

Model Grok biasanya menjadi opsi cepat dan perbandingan ini adalah pengecualiannya. Grok 4.5 menunggu 8,9 detik untuk token pertamanya dan menulis dengan kecepatan 59,1 token per detik; Muse Wonder menunggu 30,35 detik dan menulis dengan kecepatan 145,1. Keduanya bukan asisten interaktif yang cepat. Namun bentuknya berbeda dalam hal yang penting untuk loop agen: Muse Wonder menimbang sekali lalu bergerak cepat, Grok 4.5 mulai lebih awal lalu merangkak. Dalam generasi panjang, keduanya konvergen; dalam banyak giliran pendek, latensi token pertama Grok 4.5 yang lebih rendah menang, dan dalam satu keluaran besar, Muse Wonder yang menang.

Ini juga argumen yang menentang memperlakukan Grok 4.5 sebagai pilihan hemat untuk produksi. Model yang murah per token tetapi lambat per token bisa kalah dari model yang mahal per token tetapi cepat, begitu Anda memperhitungkan waktu aktual — dan dalam agen yang melakukan panggilan berulang, waktu aktual biasanya menjadi hal yang pertama kali disadari pengguna.

Masalah penerus

Semua yang di atas membandingkan Muse Wonder dengan model yang telah dua kali digantikan oleh x​AI. Grok 4.6 hadir dengan skema harga yang sama dan skor yang lebih baik; Grok 4.7 sejak itu telah mencapai 46 pada indeks yang sama, dan Artificial Analysis secara eksplisit menandai Grok 4.5 sebagai deprecated serta mengarahkan ke 4.6. Jadi versi jujur dari perbandingan ini bukanlah "Muse Wonder versus Grok 4.5" — melainkan "Muse Wonder versus Grok yang benar-benar akan Anda terapkan", dan perbandingan itu jauh lebih dekat dalam hal kemampuan: 52 versus 46, kira-kira enam poin bukan tiga belas, untuk sekitar $4,52 per tugas versus $3,74 milik Grok 4.7.

Kami tetap menerbitkan perbandingan Grok 4.5 karena itulah model yang masih banyak dituju oleh pembaca, dan karena model yang lebih lama membuat struktur ekonomi terlihat dengan cara yang kabur pada model yang lebih baru. Namun tidak seorang pun seharusnya memilih Grok 4.5 hari ini berdasarkan halaman ini. Jika jawabannya adalah "sebuah Grok", jawabannya adalah 4.6 atau 4.7.

Di mana keduanya dapat dijangkau

Baik Grok 4.5 maupun Grok 4.7 ada di katalog OrcaRouter — grok/grok-4.5 dengan harga $2.00 untuk input, $0.30 untuk cached, dan $6.00 untuk output per juta token hingga 200.000 token, lalu berubah menjadi $4.00, $0.60, dan $12.00 di atasnya, dengan jendela 500.000 token tetap utuh; grok/grok-4.7 dengan tarif yang sama plus biaya baca cached $0.50. Itu adalah harga daftar xAI yang diteruskan tanpa markup, jadi saat xAI mengubah suatu tier, perubahannya langsung berlaku di sisi kami pada hari yang sama. Muse Wonder tidak ada di katalog: tidak ada meta/muse-wonder di OrcaRouter, dan checkpoint Meta yang kami sediakan adalah meta/muse-spark-1.2 dan meta/muse-spark-1.1 dengan harga $1.25 dan $4.25 per juta token.

Titik perutean yang layak dipertimbangkan di sini adalah titik failover. Muse Wonder baru berumur sepuluh hari dengan token pertama 30 detik dan satu evaluasi independen; menempatkan jalur produksi di belakangnya berdasarkan keyakinan adalah risiko yang keliru untuk diambil. Arahkan sebagian traffic ke sana di samping Grok yang sudah Anda jalankan, biarkan sisanya tetap di tempatnya, dan biarkan failover otomatis menyerap timeout sementara Anda mempelajari apakah kekuatan jangka panjang yang diklaim Meta muncul dalam beban kerja Anda. Satu kunci sudah menjangkau sisi Grok dalam perbandingan ini hari ini; sisi Muse Wonder hanya berjarak satu panggilan API lagi, dan biaya peralihannya adalah string model.

Pilihan itu, masing-masing dalam satu paragraf.

Pilih Muse Wonder ketika tugasnya panjang, jawabannya layak untuk dibuat benar, dan prompt cukup besar sehingga penetapan harga ulang 200.000 token Grok akan menghapus keunggulan harganya bagaimanapun juga: tarif tetap per juta token, 145 token per detik, dan selisih indeks tiga belas poin semuanya mengarah ke kesimpulan yang sama. Pilih Grok — dan khususnya Grok 4.7, bukan 4.5 — ketika Anda membutuhkan banyak panggilan singkat, token pertama dalam hitungan detik satu digit, dan tagihan yang bertahan pada volume tinggi, karena pada $3.74 per tugas yang diselesaikan dibandingkan $4.52, itu adalah cara yang lebih murah untuk menjadi kira-kira sama mampu. Yang tidak boleh Anda lakukan adalah memilih Grok 4.5 karena tampak di bagian atas tabel perbandingan; vendornya sendiri telah berhenti merekomendasikannya.