
Qwen 4 vs Muse Wonder: il modello più economico è quello che nessuno ha cronometrato
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 90 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 97 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNUOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 87 tok/s
- OrcaNUOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 133 tok/s
- OrcaNUOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M di token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M di token · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenza
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenza
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1M di token · 219 tok/s
Completare un compito dell'Intelligence Index con Muse Wonder ti costerà circa 6,95 $. Con Qwen4-Max ti costerà 3,27 $. Questo è l'intero argomento economico a favore del nuovo flagship di Alibaba rispetto a quello di Meta, e comporta una grossa riserva: il dato da 3,27 $ appartiene a un modello che non ha alcuna velocità di output pubblicata, alcun tempo per compito misurato e alcuna misurazione temporale di alcun tipo nella classifica che ha prodotto il dato. Muse Wonder li ha tutti e tre: 118 token al secondo, 13,5 minuti per compito dell'Indice, 19,64 secondi al primo token della risposta. Quindi la dichiarazione onesta è che il flagship di Qwen 4 costa circa la metà e ha una velocità di entità sconosciuta, e solo una di queste due differenze è pianificabile oggi. Muse Wonder è stato rilasciato il 12 ottobre 2026; Qwen4-Max il 16 novembre 2026. Entrambe le date sono contesto, non notizie.
I due profili, affiancati e non levigati
Muse Wonder è il modello di ragionamento all'avanguardia di Meta, progettato per il lavoro agentico con una superficie di input insolitamente ampia: testo, immagini, parlato e video in ingresso, testo in uscita, all'interno di un contesto da un milione di token. È un modello API proprietario a $4,00 per milione di token in input e $20,00 per milione in output, con una tariffa combinata di $2,94 e uno sconto del 95 per cento sulla cache. Meta pubblica anche una variante a sforzo maggiore che ottiene 41 anziché 44 e risulta più veloce in termini di tempo reale — 9,5 minuti per attività di indicizzazione contro 13,5 — il che è un utile promemoria del fatto che "sforzo massimo" non è automaticamente l'impostazione giusta.
Qwen4-Max è l'ammiraglia di quarta generazione di Alibaba: un mixture-of-experts sparso da 2,4 trilioni di parametri con 71 miliardi attivi per token, visione nativa, input video, un contesto da un milione di token e un budget di 262.144 token condiviso tra ragionamento e risposta. Ha un prezzo di 1,50 $ in input e 4,50 $ in output per milione, con letture dalla cache a 0,075 $.
• Punteggio — Qwen4-Max 43 (posizione 38 di 81) contro Muse Wonder 44 (posizione 35 di 81)
• Prezzo di input — Qwen4-Max 1,50 $ vs Muse Wonder 4,00 $ per 1M
• Prezzo dell'output — Qwen4-Max $4,50 vs Muse Wonder $20,00 per 1M
• Costo per attività di indicizzazione — Qwen4-Max $3.27 vs Muse Wonder $6.95
• Velocità di output — Qwen4-Max non pubblicata vs Muse Wonder 118 token al secondo
• Tempo per attività di indicizzazione — Qwen4-Max non pubblicato vs Muse Wonder 13,5 minuti
• Superficie di input — Qwen4-Max testo, immagine, video vs Muse Wonder testo, immagine, voce, video
• Pesi — nessuno dei due ne pubblica
Il prezzo per token e il prezzo per risposta differiscono di un fattore due
Il rapporto principale è 4,4× sull'output e 2,7× sull'input. Il rapporto per attività è 2,1×. Il divario tra questi numeri è la quantità di lavoro che ciascun modello svolge per produrre una risposta, e va nel senso opposto rispetto a quanto suggerisce il prezzo di listino: Muse Wonder spende più token per attività, non meno, ed è per questo che un prezzo di output di 20 $ si traduce in una fattura di 6,95 $ anziché di 40 $.
Affrontalo su un lavoro concreto. La revisione di un documento da 50.000 token che produce un memo da 5.000 token, senza cache: Qwen4-Max fattura 0,075 $ per l'input e 0,0225 $ per l'output, meno di dieci centesimi. Muse Wonder fattura 0,20 $ e 0,10 $, trenta centesimi. Tre a uno, ed entrambe sono somme irrisorie — ed è proprio questo il punto. A bassi volumi nessuno dei due prezzi conta e la differenza di punteggio di un punto indice è irrilevante rispetto alla questione della velocità.
Scalalo. Diecimila di quelle recensioni al mese: Qwen4-Max a 975 $ contro Muse Wonder a 3.000 $. Ora il prezzo conta, e ora il cronometro mancante conta ancora di più, perché un lavoro che costa un terzo ma richiede il doppio del tempo potrebbe non rientrare affatto in una finestra notturna.
Questa è la forma della decisione. Non si tratta di un confronto in cui un modello è migliore; si tratta di un confronto in cui l'opzione più economica ha una dimensione non misurata che, guarda caso, è proprio quella a cui i sistemi in produzione tengono di più.
Quanto ti costa davvero «nessuna velocità pubblicata»
Un modello non misurato non è un modello lento, e sarebbe sbagliato interpretarlo così. È un modello di cui devi stabilire tu stesso la latenza prima di poterlo mettere dietro qualsiasi cosa con un timeout. Questo ha tre conseguenze pratiche, in ordine crescente di fastidio.
Innanzitutto, non puoi dimensionare l'autoscaling basandoti sulla documentazione. Devi eseguire un pilot, misurare il p50 e il p95 del tempo al primo token alle tue lunghezze dei prompt, e poi dimensionare. I 30 token al secondo e i 39,7 minuti per attività di Kimi K3.1 Pro sono stati misurati e pubblicati; anche il dato di Qwen4-Max lo sarà, eventualmente, ma al momento non c'è.
In secondo luogo, i modelli di ragionamento si degradano in modo imprevedibile sotto carico, in modi che un numero di token al secondo cattura solo in parte. Il tempo di 19,64 secondi di Muse Wonder per il primo token di risposta allo sforzo massimo è un dato misurato e riproducibile. Un modello privo di un dato simile non ha alcuna baseline rispetto alla quale notare che un martedì è due volte più lento di un lunedì.
Terzo — e questo è il punto che fa male — un layer di routing può eseguire il failover sulla latenza solo se sa com'è fatto il normale. Se inserisci un modello di cui non si conoscono i tempi in un pool con uno di cui si conoscono, il comportamento del pool è definito dal membro più lento e sconosciuto. Il failover rende la cosa sopravvivibile: una richiesta che si blocca può essere ritentata su un secondo modello senza che il client lo sappia. Non la rende misurabile e non sostituisce la conoscenza dei propri numeri.
La superficie di input è il vero elemento distintivo di Muse Wonder
Il parlato non è una casella da spuntare. Muse Wonder accetta l’audio come input di prima classe, insieme a testo, immagine e video, e restituisce testo. Qwen4-Max accetta testo, immagine e video. Se la tua pipeline acquisisce registrazioni di chiamate, audio di riunioni o media broadcast, questa differenza decide il modello prima ancora che si parli di prezzo — trascrivere prima in testo è un modello separato, una fattura separata e una modalità di errore separata che perde la prosodia e la sovrapposizione dei parlanti.
Il video è l'altro asse su cui entrambi competono e i dettagli contano. Entrambi lo accettano; nessuno dei due pubblica un limite di frame rate, durata o risoluzione nel materiale che abbiamo letto, il che significa che un carico di lavoro video è una prova pilota da entrambe le parti anziché un confronto di specifiche.
Dove Qwen4-Max vince sull'input è il costo su volumi elevati. Un milione di token di contesto derivato da video a $1.50 costa $1.50 su Qwen4-Max e $4.00 su Muse Wonder. L'analisi di media lunghi è esattamente il carico di lavoro in cui il divario di input di 2.7× si amplifica, ed esattamente quello in cui il vantaggio di prezzo di Qwen4-Max è più difendibile.

Un punto del punteggio dell'indice, e quanto vale
44 contro 43 sullo stesso Artificial Analysis Intelligence Index, letto lo stesso giorno. Non è una differenza significativa in termini di capacità; rientra nel rumore di come un singolo indice aggregato reagisce a una manciata di domande difficili. Chiunque costruisca un'argomentazione a favore di Muse Wonder su questo punto la sta costruendo sul nulla.
Ciò che è significativo è che Muse Wonder ha una variante ad alto sforzo che ottiene 41, il che indica che il selettore dello sforzo sposta il punteggio di circa tre punti in entrambe le direzioni. Se il selettore dello sforzo di Qwen4-Max si comporta in modo simile — e le segnalazioni della stessa Alibaba suggeriscono che lo sforzo cambia sostanzialmente il consumo di token, con l'utilizzo di Work360 in calo del 24 per cento a xhigh e del 35 per cento a high — allora il 43 è un singolo campione da una distribuzione, non una proprietà fissa. Dichiarato dal fornitore, relativo a Qwen3.8-Max, non riprodotto: trattare la direzione come informativa e la grandezza come una dichiarazione.
I benchmark di lancio di entrambi i fornitori vanno letti con lo stesso scetticismo. I dati di JobBench e Vals di Meta sono di prima parte. Il 52.69 di Work360 di Alibaba, il suo calo del costo per attività da $4.43 a $1.67 e i suoi miglioramenti in bit per byte su cinque checkpoint di base sono di prima parte. Nessuno dei due set è stato riprodotto in modo indipendente, e nessuno dei due fornitori pubblica l'harness di valutazione che ti permetterebbe di provarlo.
Dove ognuno è la risposta ovvia
Scegli Muse Wonder quando l'audio è in pipeline, quando ti serve un dato di latenza pubblicato su cui basare un SLA, o quando il lavoro è agentico e a lungo termine e preferisci pagare $6.95 per un'attività di cui puoi misurare i tempi piuttosto che $3.27 per una di cui non puoi. Il valore di 118 token al secondo è davvero veloce per un modello con questo punteggio, e la velocità è una caratteristica che i clienti notano.
Scegli Qwen4-Max quando il volume è il vincolo, quando il carico di lavoro è lettura a contesto lungo anziché ragionamento a orizzonte lungo, oppure quando l'input è video su larga scala e il divario di input di 2,7× costituisce l'intera fattura. La scheda a tariffa fissa da $1,50/$4,50 senza fascia per contesto lungo è facile da prevedere, il che conta più di quanto sembri quando si redige un budget trimestrale.
Entrambi sono proprietari e non hanno pesi pubblicati, quindi nessuno dei due può essere self-hosted o fissato a una versione specifica. Se questo è un requisito, questo confronto non ha un vincitore e la risposta è un modello che pubblica checkpoint — Kimi K3.1 Pro, tra i modelli di punta, lo fa.
Se volete evitare di scegliere, il compromesso utile è un pool anziché una decisione: instradare in base alla modalità di input (audio a Muse Wonder, video su larga scala a Qwen4-Max), mantenere il vantaggio di prezzo dove è reale e lasciare che il failover copra la latenza che non potete ancora prevedere. Vale la pena essere precisi su ciò che è instradabile oggi — né Muse Wonder né Qwen4-Max rientra tra i 215 identificatori che serviamo, quindi quel pool è un progetto, non una pagina di prodotto. Ciò che effettivamente offriamo sul fronte Meta è la linea Muse Spark a $1.25 in entrata e $4.25 in uscita, e sul fronte Alibaba qwen/qwen3.8-max a $2.00/$6.00, prezzato al listino del fornitore senza alcun ricarico.

La domanda da porsi prima del prossimo rilascio
Ogni confronto tra un modello vecchio di settimane e uno vecchio di un mese presenta la stessa debolezza: le prove sono asimmetriche in modi che favoriscono il modello uscito per primo, perché i test indipendenti hanno avuto più tempo per esaminarlo. I dati di Muse Wonder sono più ricchi non perché Meta sia più trasparente, ma perché ha avuto cinque settimane in più di misurazioni.
La cosa da tenere d'occhio non è un altro benchmark. È se la velocità e i tempi per singola attività di Qwen4-Max compaiono sulla stessa board prima che il vantaggio di prezzo si esaurisca. Un modello che costa la metà per attività e ha il doppio della latenza è un prodotto diverso da uno che costa la metà ed è comparabile, e al momento nessuno fuori da Alibaba sa quale dei due sia.

Confrontati in questo articolo1
Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno
