Muse Wonder vs Grok 4.6：1,048,576トークンのウィンドウ、200,000で価格が2倍になる相手との対決

Grok 4.6は、公表されているすべての料率において、この比較でより安価なモデルだ——入力トークン100万あたり2.00ドル、出力100万あたり6.00ドルに対し、Muse Wonderは4.00ドルと20.00ドル——だが、その優位性が完全に消えるプロンプト長が存在する。SpaceXAIの段階制料金表は、プロンプトが200,000トークンを超えると、リクエスト全体を基本料金の2倍で再価格設定する。入力は4.00ドル、出力は12.00ドル、キャッシュ済み入力は1.00ドルになる。入力250,000トークン、出力8,000トークンの場合、Grok 4.6の請求額は約1.10ドル、Muse Wonderは約1.16ドルだ。短いプロンプトでは2.5倍安く見えたモデルが、長いプロンプトではライバルの6%以内に収まっている——そして、1,048,576トークンのウィンドウ全体にわたって定額料金を維持しているのは、そのライバル、Meta Superintelligence Labsの2026年10月12日リリースである。

その逆転点はこのページで最も有用な情報であり、それが存在するのは第二の違いがあるからこそです。Grok 4.6 は50万トークンのコンテキストウィンドウを提供し、20万トークンを超える分には段階制料金を課します。一方、Muse Wonder はその2倍のウィンドウを提供し、段階制は一切ありません。プロンプトが20万トークン未満なら、これは当てはまらず、Grok 4.6 のほうが単純に買い得です。そうでなければ、両モデルのコストはほぼ同じになり、比較は価格ではなく能力を軸にするものになります。

2つのフラッグシップ、8週間の隔たり

Grok 4.6はSpaceXAIの旗艦モデルで、2026年8月12日にリリースされ、入力トークン100万あたり2.00ドル、出力100万あたり6.00ドル、キャッシュ済み入力は0.50ドルです。500,000トークンのコンテキストウィンドウを備え、テキスト、画像、ファイルの入力を受け付け、テキストを返し、構成可能な推論エフォートとネイティブのツール呼び出しをサポートし、価格は2段階です。プロンプトトークン200,000までが基本料金、それを超える部分は倍額です。その公開記録には、単一応答の最大出力値が一切記載されていません。これはゼロではなく欠落であり、長文生成ワークロードを見積もるための数値が存在しないのです。

Muse WonderはMeta Superintelligence Labsのフロンティアリリースで、2026年10月12日に2つのチェックポイントからなるシリーズの一環として出荷されました。呼び出し可能なのはmuse-wonder-1.0で、Meta Model APIおよびMuse Code内で提供されます。より高スコアのMuse Wonder FullはMuse Codeのサブスクリプション経由でのみ販売され、トークン単位の価格はありません。呼び出し可能なチェックポイントはテキスト、画像、音声、動画の入力を受け付け、テキストを返し、1,048,576トークンのコンテキストウィンドウを備え、1回の応答を943,718トークンに制限し、ウィンドウ全体にわたって100万トークンあたり入力$4.00、キャッシュ$0.20、出力$20.00を課金し、minimalからmaxまでのエフォートラダーを持つ推論を必須で実行し、デフォルトはmediumです。

両方を測定した独立系ボードは、両者に8ポイントの差をつけている——Muse Wonderが52、Grok 4.6が44——そしてGrok 4.6がGrok 4.7に取って代わられたことも指摘している。この最後の点が重要なのは、明らかではない理由からだ。Grok 4.7は、それが置き換えるモデルと同じ$2.00/$6.00の定価を維持している。つまり後継機はより安い選択肢ではない。形の異なる選択肢なのだ。

料金表、そして数字ではない唯一の行

このリスト内のすべては、100万トークンあたりのベンダー料金表に基づく事実である。ただし、最後の2行は独立した測定値である。

• 第1ティア入力 — Grok 4.6：100万あたり$2.00、Muse Wonder：$4.00

• 最上位層の出力 — Grok 4.6 は100万あたり6.00ドル、Muse Wonder は20.00ドル

• キャッシュ済み入力 — Grok 4.6 は100万トークンあたり$0.50、Muse Wonder は$0.20

• プロンプトトークンが 200,000 を超える場合 — Grok 4.6 は入力 $4.00、出力 $12.00、リクエスト全体でキャッシュ $1.00 となり、Muse Wonder は変更なし

・コンテキストウィンドウ — Grok 4.6 500,000トークン、Muse Wonder 1,048,576

• 1回の応答での最大出力 — Grok 4.6は未公開、Muse Wonderは943,718トークン

• 入力対応形式 — Grok 4.6：テキスト、画像、ファイル；Muse Wonder：テキスト、画像、音声、動画

• 推論制御 — Grok 4.6 は low から xhigh まで、デフォルトは high。Muse Wonder は minimal から max まで、デフォルトは medium で、オフスイッチはなし

• Intelligence Index（独自に計測） — Grok 4.6：44、216中37位；Muse Wonder：52、216中9位

• 1つのインデックスタスクを完了するコスト（同じ方法で測定）— Grok 4.6 は約1.48ドル、Muse Wonder は約4.52ドル

最後の行で、価格にまつわる話がごまかしなく見えてくる。完了したタスクあたりのコストが3倍というのは、ブレンド料金表が示唆するよりも大きな差であり、それはGrok 4.6が贅沢だからではない——むしろ逆だ。その評価では、Grok 4.6は約9,400万の出力トークンを消費したのに対し、Muse Wonderは1億3,000万トークン、ボード中央値は8,500万トークン近くだった。より安価なモデルのほうが口数も少ない。これはこの価格帯では珍しく、表示価格の差が、一方のモデルがより多く書いたことによる副産物ではなく、実際のものであることを意味している。

クロスオーバーが実際にどこに着地するのか

プロンプト請求額の70%が入力によるもので、キャッシュされる安定したシステムプレフィックスがあり、応答が数千トークンである、もっともらしいワークロードを想定します。以下の計算は、各ベンダーが公開している定価に基づく当社の計算であり、ベンダーのベンチマークではありません。

• 入力30,000、出力8,000、非キャッシュ — Grok 4.6 は約$0.11、Muse Wonder は約$0.28。Grok の方が約2.6倍安い。

• 入力250,000、出力8,000、キャッシュなし — Grok 4.6は段階制料金で約1.10ドル、Muse Wonderは均一料金で約1.16ドル。差は約5%。

• 入力400,000、出力8,000、非キャッシュ — Grok 4.6は約1.70ドル。Muse Wonderは約1.76ドル。依然として互角で、Grok 4.6はウィンドウの終端まであとわずか100,000トークンなのに対し、Muse Wonderは自身の38%を使用している。

• Cached reads at 250,000 tokens of context — Grok 4.6 $1.00 per million against Muse Wonder's $0.20, a 5× edge to M​eta once the cache is warm and the prompt is long enough to have tripped the step

パターンこそが要点だ。Grok 4.6は、ほとんどのチームがほとんどの時間に行う作業において劇的に安価であり、そもそも人々が100万トークンのウィンドウを探すきっかけとなった作業では、同等かやや後れを取る。見出しの料金から構築されたコストモデルは、長いコンテキストのトラフィックにおけるGrokの優位性をひどく過大評価する。

8つの指標ポイントがもたらすもの、そしてもたらさないもの

測定された独立性はここでは両刃の剣であり、どの数字がどこから来たのかについては正確を期す価値がある。

Grok 4.6 の公表されている中で最も強い数値はサードパーティによるもので、そのうちの一つは異常なほど優れている。大学院レベルの科学問題セットである GPQA Diamond では 94.9 を記録しており、同価格帯の第一級スコアとしては最高で、Muse Wonder が独立した行を一切公表していない領域でもある。また、Humanity's Last Exam では 61.0、独立系コーディング評価では 76.8 を記録しており、どちらも同じ評価者によるものだ。大量に処理する質問形式の作業では、こうした数値がそのモデルに恥をかかされるかどうかを予測する。そして $2.00/$6.00 なら、非常にお買い得だ。

Muse Wonder's strength is a different shape, and it is the reason the eight-point index gap is not the story either. M​eta's own launch table — vendor-reported, run in M​eta's harness, and unreproduced — is built almost entirely from long-horizon agentic and terminal tasks, and independent commentary has already selected from it. M​eta's DeepSWE 1.1 and SWE-Marathon rows put the series ahead of the models it compares against, and the 943,718-token output ceiling is a structural advantage no rate card captures: a workload that emits a very large single artifact, whether that is a generated application or a long structured document, has no Grok 4.6 number to compare against because Grok 4.6 does not publish one.

つまり、この分け方は良い対悪いではない。安くて速い対長くてフラットであり、それを決める軸はプロンプトの長さだ。

後継機が視野に入れば、モデルは今や2つではなく3つだ。

独立した評価委員会は、Grok 4.6を旧型と指摘し、Grok 4.7を推奨している。Grok 4.7はGrok 4.6の44に対して46を記録し、価格は同じ$2.00/$6.00、キャッシュ読み取りも同じ$0.50、ウィンドウも同じ500,000トークンで、前世代にはない450,000トークンの出力上限を公表し、最上位にエフォート設定をもう1つ備えている。スペック上は明らかなアップグレードだ。

請求書は別のことを示している。Grok 4.7の完了したインデックスタスクあたりのコストは約3.74ドルで、Grok 4.6の1.48ドルに対して高くなっている。なぜなら、前身が9,400万個使った実行で、約2億4,000万個の出力トークンを消費したからだ。より新しく、スコアが高く、定価も同じなのに、それでも完了したジョブあたりでは2.5倍高くついた。これは、モデルページの非推奨フラグがそれだけでは移行の理由にならない稀なケースであり、移行する必要のなかったトラフィックを移行する前に知っておく価値がある。

For anyone building this as a two-model pipeline rather than a two-vendor project, the routing side is straightforward for one half and not the other. OrcaRouter carries Grok 4.6 as grok/grok-4.6 at SpaceXAI's own list price with 0% markup — provider list price passed through, so the tier prices and any change to them arrive here on the same day — behind the same key as more than 200 other models, with automatic failover across providers when an endpoint wobbles. Muse Wonder is not in our catalogue, and there is no third-party serving coverage we can verify, so the only way to call it today is M​eta's own API and Muse Code. A model fusion call that runs the cheap model and the strong one side by side and picks between the answers is one of the things a single endpoint makes easier — but it can only include models somebody is serving.

判定ではなく、プロンプトの長さによる選定

プロンプトが20万トークン未満で、大量処理で、質問形式の作業なら、あまり悩まずにGrok 4.6だ。ほとんどのチームが実際に送るリクエストの形では2.6倍安く、同クラスで他をすべて上回る唯一の独立ベンチマークで94.9を記録し、最初のトークンまでの速度はライバルより約2倍速い。唯一の注意点は、Grok 4.7が同じ定価で追加のエフォート階層付きで存在することだ——公開されている数値では高くつくことになっているからといって、高くつくと決めつける前に、自分のトークン数を確認してほしい。

プロンプトが200,000トークンを超える場合、長いエージェント実行の間ずっと開かれたままになる数十万トークンのコンテキストがある場合、あるいは出力が膨大なジョブ：Muse Wonder。そのクロスオーバーは現実のもので、しかも鋭い。そして943,718トークンの応答上限は、Grok 4.6が自前の数字の1つで応えられる数字ではない。

Between them sits the honest observation that this is the one pairing in M​eta's launch window where the cheaper model is also the leaner one, so the price difference is buying capability rather than buying tokens. Two days after Muse Wonder shipped, that capability is described by one independent row and one vendor table. Grok 4.6's has been accumulating since August.