Muse Wonder vs Grok 4.7: model, który kosztuje dwa razy więcej za token, a tylko 1,2× tyle za zadanie

Na cennikach Muse Wonder wygląda, jakby należał do innej półki cenowej niż Grok 4.7. Meta pobiera 4,00 USD za milion tokenów wejściowych i 20,00 USD za milion wyjściowych za Muse Wonder, którego premierę ogłosiła 12 października 2026 r. xAI pobiera 2,00 USD i 6,00 USD za Grok 4.7, wydanego 21 września 2026 r. To dwa razy więcej na wejściu i ponad trzy razy więcej na wyjściu. Następnie Artificial Analysis przepuszcza oba przez ten sam zestaw testowy i podaje cenę ukończenia jednego zadania inteligencyjnego: około 4,52 USD dla Muse Wonder (max) i około 3,74 USD dla Grok 4.7 (xhigh). Przepaść 3,3× w cenniku kurczy się do 1,2× przy kasie, ponieważ Grok 4.7 jest najbardziej rozwlekłym modelem w zestawieniu, a Muse Wonder dopiero drugim.

Dokąd trafia luka w cenniku

Dwa laboratoria wyceniają tokeny bardzo różnie, a modele zużywają je bardzo różnie — w przeciwnych kierunkach. Jedna liczba — tokeny wyjściowe zużyte podczas ewaluacji indeksu — wyjaśnia niemal wszystko:

• Tokeny wyjściowe w przebiegu indeksu — Grok 4.7 około 240 milionów; Muse Wonder około 130 milionów, wobec mediany tablicy wynoszącej blisko 82 miliony

• Cena katalogowa — Grok 4.7: 2,00 USD wejście / 0,50 USD z pamięci podręcznej / 6,00 USD wyjście za milion; Muse Wonder: 4,00 USD wejście / 0,20 USD z pamięci podręcznej / 20,00 USD wyjście za milion

• Zmierzony koszt na zadanie indeksowania — Grok 4.7 około 3,74 USD; Muse Wonder około 4,52 USD

• Indeks inteligencji — Muse Wonder (max) 52, dziewiąty z 219; Grok 4.7 (xhigh) 46

Gadatliwość Grok 4.7 sprawia, że jego pozornie tani cennik nie przekłada się na tanie zadanie. Przy 240 milionach tokenów wyjściowych na ewaluację wywołanie Grok 4.7, które mówi to samo co wywołanie Muse Wonder, zużywa około dwa razy więcej tokenów, aby to powiedzieć, a oszczędność na każdym tokenie zostaje wydana na kupowanie ich większej liczby. Stawka Muse Wonder za tokeny wyjściowe w wysokości 20,00 USD jest prawie trzykrotnie wyższa niż stawka Grok, ale emituje ona około połowy tokenów — te dwa efekty niemal całkowicie się znoszą, a to, co pozostaje, to 1.2× narzut za sześć punktów indeksu.

To przeformułowanie ma większe znaczenie, niż się wydaje, bo odwraca typową radę. Jeśli wyceniasz modele według cennika, dojdziesz do wniosku, że Grok 4.7 to opcja budżetowa, a Muse Wonder to luksus; jeśli wyceniasz je na podstawie wykonanej pracy, różnica między nimi wynosi nie więcej niż 22%.

Linia pamięci podręcznej to ta, która się nie anuluje

Jeden wiersz łamie wzorzec — i robi to na korzyść Meta. Stawka Grok 4.7 za buforowane wejście wynosi 0,50 USD za milion, bez zmian względem Grok 4.6 i jest pięciokrotnością 0,10 USD w GPT-6.1 Sol. W Muse Wonder wynosi ona 0,20 USD. W potoku intensywnie wykorzystującym buforowanie promptów — długi prompt systemowy i stały korpus wysyłany ponownie przy każdym wywołaniu — daje to 2,5-krotną przewagę w największej kategorii tokenów w żądaniu, a nie pochłania jej rozwlekłość, ponieważ buforowane tokeny wejściowe nie są tokenami wyjściowymi.

Inną różnicą, która się nie znosi, jest kształt krzywej cen — i tutaj Meta wygrywa bezapelacyjnie:

• Okno kontekstu — Muse Wonder 1 048 576 tokenów; Grok 4.7 500 000 tokenów

• Ponowna wycena długich promptów — Muse Wonder: brak; Grok 4.7 ponownie wycenia całe żądanie na $4.00 za wejście i $12.00 za wyjście, gdy prompt osiągnie 200 000 tokenów

• Maksymalna wielkość wyjściowa w jednej odpowiedzi — Muse Wonder 943 718 tokenów; Grok 4.7 450 000 według własnych danych dostawcy

• Drabina poziomów wysiłku — Muse Wonder od minimalnego do maksymalnego, domyślnie średni; Grok 4.7 niski, średni, wysoki, xhigh, domyślnie wysoki, a xhigh to nowość w tej generacji

Próg 200 000 tokenów w Grok 4.7 to najbardziej stromy klif, jaki oferuje którakolwiek z tych dwóch pracowni. Prompt o długości 199 000 tokenów i prompt o długości 201 000 tokenów są rozliczane po podwójnej stawce za wejście i podwójnej stawce za wyjście za całe żądanie — nie tylko za nadwyżkę. Muse Wonder rozlicza prompt o długości 400 000 tokenów dokładnie po tej samej stawce za token co prompt o długości 400 tokenów. W przypadku obciążeń typu retrieval, które rutynowo zawierają duży stały kontekst, ten pojedynczy wiersz może przeważyć nad wszystkim powyżej.

Skąd pochodzi sześć punktów indeksu

Sześciopunktowa luka złożona to prawdziwa luka i nie rozkłada się równomiernie. Artificial Analysis ocenia oba modele na tej samej wersji swojego indeksu; to są jego pomiary, a nie twierdzenia jakiegokolwiek dostawcy.

• AA-Briefcase — Grok 4.7 1 657 Elo przy xhigh, czwarty na liście; Muse Wonder nieopublikowany na tym samym harnessie

• GDPval-AA — Grok 4.7 1 715 Elo, rekordowy wynik wśród modeli innych niż Anthropic; Muse Wonder nie został opublikowany

• Generowanie kodu we własnym środowisku testowym — Muse Wonder nie podlega bezpośredniemu porównaniu; Grok 4.7 osiąga 57,4% w SciCode i 43,1% w Humanity's Last Exam

• Koszt na zadanie indeksowania — Grok 4.7 3,74 USD; Muse Wonder 4,52 USD

Profil Grok 4.7 jest szeroki, a nie szpiczasty: jest kompetentny w rozumowaniu, przywoływaniu długiego kontekstu i pracy z profesjonalnymi dokumentami, nie przodując w żadnej z tych dziedzin, a przy tym jest naprawdę szybki — 82,6 tokena na sekundę — czego dla Muse Wonder nie opublikowano w tym samym środowisku testowym. Profil Muse Wonder jest odwrotny — wyższy wynik zbiorczy, nieopublikowana wartość szybkości i tabela dostawcy, w której zwycięstwa koncentrują się na pracy z terminalem i długoterminowej pracy nad oprogramowaniem.

Ta tabela dostawcy należy do samej Meta i nie została przez nikogo odtworzona. Jej wynik 85,6 w Terminal-Bench 4.0-AA dla Muse Wonder sąsiaduje w tej samej kolumnie z 79,0 dla Claude Fable 5.1 i 81,4 dla GPT-6 Astra; niezależnie zmierzony wynik Grok 4.7 w Terminal-Bench 4.0 to 0,258 przy tej samej nazwie benchmarku, co oznacza inne środowisko testowe i inną wartość. Nie umieszczaj tych dwóch w jednym zdaniu jako porównania — wynik Meta jest twierdzeniem dostawcy o jego własnym modelu, a wynik Artificial Analysis jest pomiarem modelu xAI, a środowiska testowe nie są takie same.

Jedna z nich ma swój subskrypcyjny odpowiednik

Meta wypuściła Muse Wonder jako dwa checkpointy. muse-wonder-1.0 to ten dostępny w Meta Model API w cenie $4/$20. muse-wonder-full-1.0 uzyskuje 56 punktów w niezależnym indeksie — o dziesięć punktów więcej niż Grok 4.7 — i w ogóle nie można go kupić za token; jest dostępny w ramach subskrypcji Muse Code za 50 USD miesięcznie w planie Power Usage lub 200 USD miesięcznie w planie Maximum Usage. Grok 4.7 nie ma odpowiednika takiego podziału. To, co widzisz, jest tym, co kupujesz, na jednej karcie stawek, w jednym punkcie końcowym.

Dla zespołu, który rozważa miesięczną subskrypcję za 200 USD w zestawieniu z rozliczaniem za token, to jest naprawdę trudna część tego porównania. Dziesięciopunktowa przewaga Full checkpoint nad Grok 4.7 jest większa niż sześciopunktowa przewaga modelu API, a subskrypcja ryczałtowa to zupełnie inny zakup niż rozliczanie według zużycia — całkowicie eliminuje karę za gadatliwość, czyli karę, która sprawiła, że to zestawienie w ogóle było bliskie.

Strona routingu, która jest tutaj asymetryczna

Oba te modele należą do samych firm Meta i xAI, są sprzedawane przez ich własne API, a jeden z nich to także trasa, którą obsługujemy. Grok 4.7 znajduje się w katalogu OrcaRouter jako grok/grok-4.7, z datą 2026-09-21, w cenie własnej xAI: 2,00 USD za wejście, 0,50 USD za odczyt z pamięci podręcznej i 6,00 USD za wyjście za milion tokenów, z nienaruszonym oknem 500 000 tokenów, limitem wyjścia 450 000 tokenów i zasadą ponownego ustalania ceny przy 200 000 tokenów. Cennik typu pass-through oznacza, że zmiana w cenniku xAI pojawia się w naszym tego samego dnia, a ten sam klucz daje dostęp do reszty katalogu.

Muse Wonder nie należy do naszych tras. Nie ma wpisu meta/muse-wonder w naszym katalogu i ta strona nie będzie tego sugerować — Model API firmy Meta i Muse Code to środowiska, w których działa. To, co mamy od Meta Superintelligence Labs, to meta/muse-spark-1.2, większy checkpoint, od którego wywodzi się ta rodzina, w cenie 1,25 USD za milion tokenów wejściowych i 4,25 USD za milion tokenów wyjściowych w oknie 1 048 576 tokenów, z odczytami z cache po 0,15 USD.

Ta asymetria jest właściwie praktycznym argumentem za tym porównaniem. Współczynnik kosztów 1,2× i sześciopunktowa różnica w wyniku to średnie z zestawu benchmarków; w Twoim ruchu ten współczynnik będzie inny i nie możesz wiedzieć, o ile, nie uruchamiając go. Grok 4.7 dzieli od tego zaledwie zmiana jednego ciągu znaków. Gdy Muse Wonder trafi do dostawcy, do którego kierujemy ruch, będzie to ta sama zmiana ciągu znaków — a do tego czasu uczciwe stanowisko jest takie, że jedną połowę tej pary możesz przetestować tanio, a drugiej wcale.

Wybór między nimi

• Grok 4.7 do wszystkiego, gdzie już lubisz ten kształt: okno 500 000 tokenów obejmuje większość prac wyszukiwawczych, pułap wyjściowy 450 000 tokenów jest hojny, drabinka wysiłku sięga xhigh, a wynik złożony jest wystarczająco blisko, że 1,2× rzadko o czymkolwiek decyduje.

• Grok 4.7 w szczególności do profesjonalnej pracy z dokumentami wymagającej intensywnego rozumowania. Jego GDPval-AA Elo to najwyższy wynik spoza Anthropic na tablicy, a to właśnie ten podwynik pozwala przewidzieć przegląd umów, analizę finansową i sporządzanie długich tekstów.

• Muse Wonder, gdy prompty są duże i stałe. Okno 1M bez etapu zmiany ceny i z odczytem z pamięci podręcznej za 0,20 USD to istotnie inna oferta niż okno 500K, które podwaja całe żądanie przy 200 000 tokenów, a ta różnica kumuluje się przy każdym wywołaniu w pętli.

• Muse Wonder, gdy wynik musi być ogromny. 943 718 tokenów w porównaniu z 450 000 to różnica między wyemitowaniem całego artefaktu a jego paginowaniem.

• Muse Wonder, gdy danymi wejściowymi są mowa lub wideo. Grok 4.7 przyjmuje tekst i obrazy; model Meta przyjmuje tekst, obraz, mowę i wideo, co likwiduje jeden z etapów pipeline’u, zamiast go ulepszać.

Kuszące podsumowanie — tańszy model kontra lepszy model — jest błędne w obu połowach. Grok 4.7 nie jest tańszy w przeliczeniu na ukończone zadanie nawet w przybliżeniu tak, jak sugeruje jego cennik, a przewaga Muse Wonder koncentruje się w miejscach, których wynik zbiorczy nie jest w stanie pokazać. W praktyce różni je rozmiar promptu i rozmiar wyjścia, a oba te elementy są wypisane w twoich własnych logach.