Muse Wonder vs Qwen 3.8 Max: de goedkopere token die per taak meer kost

Qwen 3.8 Max is goedkoper dan Muse Wonder op elk gepubliceerd tarief — $2,00 per miljoen inputtokens en $6,00 per miljoen outputtokens tegen $4,00 en $20,00 — en het kost nog steeds meer om een taak af te maken. Op de eigen meetopstelling van Artificial Analysis bedragen de gemeten kosten voor het voltooien van één Intelligence Index-taak ongeveer $5,41 op Qwen 3.8 Max en ongeveer $4,52 op Muse Wonder, doordat Qwen 3.8 Max ongeveer 190 miljoen outputtokens uitstuurt om die run te doorlopen, terwijl Muse Wonder ongeveer 130 miljoen uitstuurt, tegen een mediaan op het scorebord van bijna 85 miljoen. Meta Superintelligence Labs bracht Muse Wonder uit op 12 oktober 2026 en het scoort 52 op dezelfde index; Qwen 3.8 Max scoort 45. Dat is op geen van beide assen een afrondingsverschil, en het betekent dat de gebruikelijke reflex "goedkoper per token wint" deze combinatie precies achterstevoren neerzet.

De tariefkaart is niet de rekening

Begin met wat de twee leveranciers publiceren, want op papier is het geen wedstrijd.

Invoer — Qwen 3.8 Max $2,00 per miljoen tokens; Muse Wonder $4,00, dus het kost de helft

• Output — Qwen 3.8 Max $6,00 per miljoen tokens; Muse Wonder $20,00, dus het is ongeveer een derde

• Cachekorting — Qwen 3.8 Max 88% korting op gecachte input; Muse Wonder 95%. Omdat het percentage van een lijstprijs voor input wordt afgetrokken die twee keer zo hoog is, komen de twee na afronding binnen een paar cent van elkaar uit — ongeveer $0,24 tegen ongeveer $0,20 per miljoen gecachte tokens — en onze eigen catalogus prijst cache-reads voor Qwen 3.8 Max op $0,25. Dit is de enige regel waar de goedkopere stickerprijs de duurdere cache oplevert.

• Eigen framing van de leverancier — Artificial Analysis bestempelt de input van Muse Wonder als "enigszins duur" tegen een bordmediaan van $2,00 en de output als "duur" tegen een mediaan van $10,00. Qwen 3.8 Max zit op of onder beide medianen.

Elke regel daarvan bevoordeelt Qwen 3.8 Max. Kijk nu naar wat dezelfde harness heeft gemeten voor een voltooide taak, het enige getal dat een budget daadwerkelijk voelt.

• Kosten per Intelligence Index-taak — Muse Wonder ongeveer $ 4,52; Qwen 3.8 Max ongeveer $ 5,41

• Verbruikte outputtokens tijdens die indexrun — Muse Wonder ongeveer 130 miljoen; Qwen 3.8 Max ongeveer 190 miljoen, tegen een leaderboard-mediaan van bijna 85 miljoen

• Wat het testharnas zegt over de spraakzaamheid — Muse Wonder wordt beschreven als "wat breedsprakig"; Qwen 3.8 Max wordt beschreven als "zeer breedsprakig"

De twee tariefkaarten en de twee gemeten facturen wijzen in tegengestelde richtingen, en de reden daarvoor is volledig het tokenvolume. Qwen 3.8 Max verbruikt bij dezelfde evaluatie ongeveer 1,5 keer zoveel outputtokens als Muse Wonder, wat zijn voordeel van 3,3 tegen 1 op de outputregel tenietdoet en daarna nog verdergaat. Als je workload op de index lijkt — lange redeneringen, lange antwoorden, instellingen voor hoge inspanning — is de tariefkaart het verkeerde document om op te plannen. Je eigen tokentellingen zijn de juiste, en het verschil tussen de twee is alleen de moeite waard om na te jagen als je je eigen mix hebt gemeten in plaats van die van iemand anders te hebben geleend.

Zeven indexpunten is een niveau, geen gelijke stand.

Vergelijkingen tussen modellen die binnen één punt van elkaar eindigen, worden bepaald door prijs en vorm. Deze is dat niet.

• Intelligentie-index — Muse Wonder (max) 52; Qwen 3.8 Max 45

• Gedeelde meting — beide cijfers zijn van Artificial Analysis, geproduceerd op zijn eigen harness bij maximale inspanning, niet de favoriete benchmark van een van beide leveranciers.

Zeven punten op een samengestelde score die 219 modellen in deze klasse omvat, is een echt verschil, en het komt van de kant van de balans waar Qwen 3.8 Max de extra tokens uitgeeft. Het genereert meer output en scoort lager. Die combinatie — meer tokens, lagere score — is het dure soort breedsprakigheid, want je betaalt dubbel: één keer in dollars per taak en één keer in wat de score ook vertegenwoordigt.

De eerlijke kanttekening is dat een samengestelde index een gemiddelde is over de takenmix van iemand anders. Zeven punten op het instrument vertellen je dat de twee modellen geen gelijken zijn; dat zegt je niet welke van de twee jouw evaluatie doorstaat. Een enkel indexcijfer heeft daar nooit antwoord op gegeven en deze combinatie is geen uitzondering.

Het specificatieblad, regel voor regel

• Contextvenster — Muse Wonder (Max) 1.048.576 tokens, met het venster van een miljoen tokens opnieuw vermeld in Meta's eigen kaartsamenvatting; Qwen 3.8 Max 984k tokens zoals de onafhankelijke kaart het aangeeft, tegenover 1.000.000 tokens op onze eigen cataloguspagina voor het gelijknamige model. De twee bronnen verschillen 16.000 tokens van elkaar wat dat model betreft; beschouw het plafond bij beide als "ongeveer een miljoen" en controleer het kleinere aantal bij de leverancier voordat je daarop ontwerpt.

• Modale invoer — Muse Wonder tekst, afbeelding, spraak en video; Qwen 3.8 Max tekst en afbeelding, waarbij video ook op onze cataloguspagina wordt vermeld. Spraak is het invoertype dat slechts één van deze twee accepteert.

• Uitvoer — tekst op beide.

• Redeneren — beide redeneren, en geen van beide publiceert een modus zonder redeneren waarop een aanroeper kan vertrouwen. Redeneertokens worden bij beide als output gefactureerd, en dat is precies de grens waar Qwen 3.8 Max' tokenhonger duur wordt.

• Uitvoersnelheid — Qwen 3.8 Max ongeveer 36 tokens per seconde, wat de testomgeving opvallend traag noemt; Muse Wonder is nog niet gepubliceerd op dezelfde testomgeving. Die asymmetrie is belangrijker dan het lijkt: het betekent dat de ene kant van deze vergelijking een openbaar meetbaar latentieprofiel heeft en de andere niet.

• Gewichten — bij beide propriëtair, geen van beide gepubliceerd.

• Release — Muse Wonder op 12 oktober 2026. Qwen 3.8 Max is hier het oudere model: Artificial Analysis meet het 0902-checkpoint, en onze catalogus vermeldt zijn eigen Qwen 3.8 Max-item onder een andere datum, 2026-08-03. Die twee id's zijn niet onderling verwisselbaar, en als je prijzen of scores vergelijkt, is het de moeite waard om zeker te weten welk checkpoint je daadwerkelijk aanroept.

Latentie is de as die slechts één van hen documenteert.

De snelheidsregel hierboven is het minst comfortabele deel van deze pagina, omdat het de enige plek is waar de vergelijking niet langer symmetrisch is. Muse Wonder heeft geen gepubliceerde uitvoersnelheid op het onafhankelijke testharnas — geen langzaam getal, geen enkel getal — dus elke bewering dat een van deze twee sneller antwoordt, is in ten minste één richting niet onderbouwd.

Wat gezegd kan worden, is wat ons eigen verkeer laat zien. Op OrcaRouter heeft Qwen 3.8 Max een gemeten p50 time-to-first-token van ongeveer 4,92 seconden. Dat is de wachttijd voordat het eerste token aankomt, bij een model dat de onafhankelijke testomgeving al als opvallend traag beoordeelt bij aanhoudende output. Voor een interactieve interface is dat een lange stilte; voor een batchtaak is het vrijwel irrelevant. Welke van die twee je bouwt, bepaalt hoeveel gewicht deze sectie verdient, en als je de interactieve variant bouwt, is een model waarvan niemand de latentie heeft gepubliceerd een risico dat je moet incalculeren voordat je het in gebruik neemt, in plaats van daarna.

Beide draaien, of één draaien?

Qwen 3.8 Max is beschikbaar op OrcaRouter als qwen/qwen3.8-max, tegen een lijstprijs van $2,00 voor input en $6,00 voor output per miljoen tokens, met een cache-leestarief van $0,25 en het venster van een miljoen tokens intact. Aan onze kant rekenen we geen opslag — de lijstprijs van de provider wordt één-op-één doorgegeven, dus wanneer de provider een tarief wijzigt, verandert het getal op onze pagina diezelfde dag. Daardoor ben je met deze kant van de vergelijking nog maar één stringwijziging verwijderd van elke harness die je al hebt, wat de goedkoopste mogelijke manier is om erachter te komen wat je eigen takenmix met die $2,00 doet.

Muse Wonder staat niet in onze catalogus, en deze pagina zal niet doen alsof dat wel zo is — Meta's eigen Model API en Muse Code zijn waar het vandaag draait. Wat we wel van hetzelfde lab in huis hebben is Muse Spark 1.2, het checkpoint waarop Meta de rest van deze familie heeft gebouwd, voor $1,25 input en $4,25 output per miljoen tokens over een venster van 1.048.576 tokens met $0,15 voor cache-reads. Als wat je eigenlijk van Muse Wonder wilt de Meta-huisstijl is voor een vijfde van de prijs in plaats van de frontier-score, dan bestaat die route op dezelfde sleutel die je al hebt.

Het praktische argument voor één OpenAI-compatibel endpoint voor meer dan 200 modellen is precies dit meetprobleem. Het verschil van $4,52 versus $5,41 is een gemiddelde over de taken van iemand anders, en de enige manier om te weten of dat ook voor jouw taken geldt, is om het uit te voeren. Dat via één sleutel doen betekent dat je je bestaande evaluatie op een tweede modelnaam richt en opnieuw uitvoert, niet dat je een tweede contract ondertekent en je facturering opnieuw opbouwt. Automatische failover dekt het geval waarin je eerst de nieuwere, onbewezen variant uitbrengt: als de upstream-provider verslechtert, wordt het verzoek verplaatst in plaats van te mislukken.

Welke, en op basis van welk bewijs?

• Kies Muse Wonder als het om de score gaat. Zeven indexpunten tegen lagere gemeten kosten per taak is een duidelijke overwinning, en niets in deze combinatie keert dat om.

• Kies Qwen 3.8 Max wanneer de input lang is en de output kort. Een tariefkaart van $2.00 in tegen $4.00 is een echte besparing van 50% op workloads die helemaal prompt zijn en bijna geen antwoord, en de uitvoerigheidsboete krijgt nooit de kans om van toepassing te zijn, omdat er niets is om uitvoerig in te zijn.

• Kies Qwen 3.8 Max wanneer je een gepubliceerd latentieprofiel nodig hebt. De snelheid is gedocumenteerd, en als inkoop een getal wil vóór goedkeuring, is "niet gepubliceerd" een moeilijker te verdedigen antwoord dan "36 tokens per seconde".

• Beoordeel Qwen 3.8 Max niet op zijn opvallende prijs. Het inputtarief van $2,00 is een echte korting op input en een misleidende samenvatting van het model: op de onafhankelijke testomgeving kost het per voltooide taak meer dan een model dat het dubbele voor input en meer dan het driedubbele voor output rekent.

• Ga er niet van uit dat een van beide de goedkope optie is voordat je je eigen tokens hebt geteld. De cijfers per taak op deze pagina komen uit één harness die één evaluatie draait. De omkering die ze tonen is de reden om te meten, niet de meting zelf.

Wat deze combinatie interessant maakt, is dat ze de gemakkelijke route doorbreekt. Tariefkaarten zijn makkelijk te lezen en makkelijk te vertrouwen, en hier geeft de makkelijke lezing het verkeerde antwoord, met een afwijking van ongeveer 20%. De modellen liggen qua releasedatum ook een generatie uit elkaar, maar lijken qua vorm zo op elkaar dat de keuze niet voor de hand ligt op basis van een specsheet. Beide zijn deze week te beantwoorden aan de hand van je eigen logs — en geen van beide zal worden beantwoord door de volgende benchmarktabel die een van beide labs publiceert.