Muse Wonder vs GLM 5.5: Apenas um destes modelos tem uma tabela de preços

Não existe GLM 5.5. Não há ficha de modelo, identificador de API, linha de preço, repositório no Hugging Face nem página no próprio site da Z.ai com esse nome, e nunca houve — é uma abreviação da comunidade que o fornecedor não adotou. Meta Muse Wonder, em contrapartida, foi lançado em 12 de outubro de 2026 com um endpoint, um preço por token publicado e dois checkpoints, e você pode chamá-lo hoje. Portanto, uma comparação literal de Meta Muse Wonder com GLM 5.5 é uma comparação com um boato. A comparação que pode de fato informar uma decisão é Meta Muse Wonder contra GLM-5.3, o carro-chefe que a Z.ai realmente lançou em agosto, e esse pareamento acaba tendo uma resposta mais clara do que a maioria das comparações diretas: uma diferença de sete pontos de inteligência contra aproximadamente metade do custo por tarefa concluída.

O que existe, e o que é apenas um nome

A disciplina de que esta obra precisa é uma linha rígida entre os dois.

• Meta Muse Wonder — disponibilidade geral desde 12 de outubro de 2026 na Model API da Meta como muse-wonder-1.0. $4,00 por milhão de tokens de entrada, $0,20 para entrada em cache, $20,00 por milhão de saída. Uma janela de contexto de 1.048.576 tokens. Raciocínio sempre ativado, com níveis de esforço de máximo a mínimo, com padrão médio.

• Meta Muse Wonder Full — um segundo checkpoint no mesmo lançamento, muse-wonder-full-1.0, com pontuação mais alta e vendido apenas dentro de uma assinatura Muse Code, em vez de por token.

• GLM-5.3 — disponível em geral desde agosto de 2026. Anunciado em 14 de agosto, API ativa por volta de 18 de agosto, pesos abertos publicados em 28 de agosto. $1,40 por milhão de tokens de entrada, $0,234 em cache, $4,40 por milhão de saída. Uma janela de 1.000.000 de tokens com 128.000 tokens de saída máxima. Entrada de texto, saída de texto. Raciocínio controlado por reasoning_effort em low, high ou max, e o thinking não pode ser desativado.

• GLM 5.5 — nada. Nenhum anúncio do fornecedor, nenhum identificador, nenhum peso, nenhuma licença, nenhuma pontuação.

Esse último ponto não é pedantismo. O interesse de busca por "GLM 5.5" é real, o nome circula em capturas de tela de benchmarks e em tópicos de fóruns, e as páginas que respondem à consulta imprimindo uma ficha técnica estão inventando a especificação. A própria organização de modelos da Z.ai vai, no máximo, até a série GLM-5.3, incluindo o GLM-5.3-Flash e o nível FlashX; GLM-5.4, GLM-5.5 e GLM-6 já foram especulados, e a empresa não confirmou nenhum deles.

De onde veio o nome, e quando ele pode se tornar realidade

O rótulo 5.5 remete a uma data, não a um documento. Uma previsão de analista divulgada em 25 de junho de 2026 situava o próximo modelo principal da Z.ai em agosto; aquilo era uma janela de acompanhamento, e não um compromisso da empresa, e agosto terminou com o lançamento do GLM-5.3. Analisando o ritmo real da Z.ai — aproximadamente um modelo principal a cada 54 a 70 dias —, os mesmos analistas agora projetam o próximo lançamento para uma janela que vai de 8 de outubro a 9 de novembro de 2026, e a maioria espera que ele receba o número GLM-5.4, e não GLM-5.5. Hoje é 13 de outubro e essa janela está aberta, o que é a coisa mais concreta que se pode dizer sobre o nome.

Se ele chegar, as coisas a verificar são as que decidem se ele é o oponente deste artigo:

• Um identificador de API na própria plataforma da Z.ai, não apenas uma entrada num ranking

• Um preço publicado por milhão de tokens tanto na linha de entrada quanto na de saída

• Uma janela de contexto e um número máximo de saída

• Um repositório Hugging Face ou uma declaração explícita de que não haverá um

• Um card datado do Artificial Analysis, já que as listagens de agregadores ficam dias atrás dos lançamentos dos fornecedores

Até que três desses cinco existam, "GLM 5.5" é um termo de busca e GLM-5.3 é um modelo.

O verdadeiro confronto, nos números que o decidem

Coloque os dois modelos em lançamento lado a lado e o quadro é uma troca direta, não uma surpresa. Observe que os números de benchmark e de custo abaixo são do próprio Artificial Analysis, obtidos em seu harness com esforço máximo, e não material de nenhum dos fornecedores.

• Índice de Inteligência — Muse Wonder (máx.) 52; GLM-5.3 (máx.) 45

• Custo por tarefa do Intelligence Index — Muse Wonder cerca de $4.52; GLM-5.3 cerca de $2.01

• Preço de entrada — Muse Wonder US$ 4,00 por milhão; GLM-5.3 US$ 1,40, então GLM-5.3 custa aproximadamente um terço do preço

• Preço de saída — Muse Wonder US$ 20,00 por milhão; GLM-5.3 US$ 4,40, então GLM-5.3 custa menos de um quarto do preço

• Tokens de saída consumidos na execução do índice — Muse Wonder cerca de 130M; GLM-5.3 cerca de 210M, contra uma mediana do painel próxima de 140M para sua classe de comparação

• Velocidade na mesma execução — Muse Wonder não é documentado pelo avaliador neste emparelhamento; GLM-5.3 é medido em cerca de 66 tokens por segundo, descrito como mais rápido que a média

• Pesos — os do GLM-5.3 são publicados sob a licença própria da Z.ai; os do Muse Wonder não são publicados de forma alguma

• Superfície de entrada — Muse Wonder lista texto, imagem, fala e vídeo; GLM-5.3 é somente texto

Contexto — 1.048.576 tokens no Muse Wonder contra 1.000.000 no GLM-5.3, o que, na prática, é uma diferença de arredondamento

Duas coisas chamam a atenção. A primeira é que o GLM-5.3 é o modelo mais barato tanto na tabela de preços quanto na fatura de tarefas concluídas — cerca de 2,25 vezes mais barato por tarefa —, o que é incomum nessa categoria e vale a pena verificar em vez de presumir: os laboratórios de pesos abertos vêm fechando a lacuna de eficiência de tokens e, com 210 milhões de tokens de saída contra os 130 milhões do Muse Wonder, o GLM-5.3 é o mais falante dos dois, mas ainda assim fica em menos da metade do custo, puramente porque sua tabela de preços está muito abaixo da da Meta.

O segundo é o que a diferença de sete pontos custa a você na outra direção. Em um composto que abrange um campo cuja mediana fica perto de 27, 45 e 52 são classes diferentes de modelo, e a diferença aparece primeiro no trabalho de longo horizonte mais difícil: tarefas agênticas com múltiplas etapas, uso contínuo de ferramentas e os benchmarks de tarefas profissionais onde a própria tabela da Meta mostra seus dois checkpoints separados por 44 pontos. Se a sua tarefa é daquelas em que o modelo ou conclui o trabalho ou não conclui, sete pontos não são uma diferença de arredondamento e o modelo mais barato é uma falsa economia. Se a sua tarefa é daquelas em que ambos os modelos têm sucesso e você está pagando por volume — classificação, extração, sumarização, triagem inicial —, a diferença de preço é de 2,25x e a diferença no índice é invisível.

Pesos abertos mudam completamente a questão

Os pesos do GLM-5.3 chegaram em 28 de agosto sob a licença própria da Z.ai, e esse é o único eixo desta tabela em que o Muse Wonder não pode competir em hipótese alguma. O Muse Wonder é proprietário e tem exatamente uma via comercial — a própria API da Meta e o Muse Code —, e o checkpoint Full, de pontuação mais alta, não é vendido por token de forma alguma.

Pesos publicados significam um checkpoint que você pode auditar, quantizar, ajustar finamente, auto-hospedar ou congelar em uma versão que você controla. Eles não significam um modelo executável localmente: um checkpoint MoE em escala de fronteira é um artefato de data center, não algo que cabe em uma estação de trabalho, e os termos da licença decidem o que você pode então fazer com ele. Mas, para uma equipe cuja postura de conformidade proíbe enviar dados a um endpoint de terceiros, a escolha entre esses dois modelos não é difícil — um deles tem uma saída.

Ser apenas texto é o preço disso. Se a sua carga de trabalho envolve capturas de tela, vídeo ou áudio, o GLM-5.3 está fora da disputa antes mesmo de o preço entrar na conversa, e a entrada de fala e vídeo anunciada do Muse Wonder é a capacidade que faz o trabalho.

Executar o padrão de começar pelo mais barato sem apostar o pipeline nele

A resposta prática para a maioria das equipes que observam uma diferença de custo de 2,25x ao lado de uma diferença de sete pontos na pontuação não é escolher uma delas, mas sim sequenciá-las, e isso é um problema de roteamento, e não um problema de modelo.

O GLM-5.3 está no OrcaRouter à própria tarifa de tabela da Z.ai — $1,40 por milhão de tokens de entrada e $4,40 por milhão de saída, com leituras de cache a $0,234, a janela completa de um milhão de tokens e o esforço de raciocínio selecionável por requisição. Não leva nenhum acréscimo nosso, por isso uma mudança de preço da Z.ai aparece aqui no mesmo dia em que é anunciada, e não na próxima renovação de contrato. O Muse Wonder não está no nosso catálogo e não vamos fingir o contrário; se o quiser, a Model API da Meta é o caminho.

O padrão que essa lacuna convida é uma cascata do mais barato primeiro: enviar o tráfego de volume para o GLM-5.3, escalar para um modelo de fronteira apenas quando a passagem barata não for confiável, e deixar a DSL de roteamento compor isso como uma única chamada, em vez de três integrações no seu próprio código. O failover automático importa mais do que o habitual nesse formato, porque todo o design depende de o caminho de escalonamento estar disponível quando a primeira passagem trava — uma indisponibilidade de provedor em qualquer uma das pernas transforma uma otimização de custos em um incidente. Muse Spark 1.2, o checkpoint de raciocínio multimodal da Meta a US$ 1,25 de entrada e US$ 4,25 de saída, é a outra perna barata que vale a pena conectar se suas escaladas forem multimodais em vez de texto.

O que fazer esta semana

Se você está decidindo entre estes dois modelos, e não entre os modelos mencionados nesta manchete: escolha o GLM-5.3 quando o trabalho for de alto volume e somente texto, e ambos os modelos teriam sucesso; escolha o Muse Wonder quando o trabalho for multimodal ou quando uma diferença de sete pontos no índice for a diferença entre um trabalho concluído e um fracassado; prefira os pesos do GLM-5.3 a qualquer um dos dois se auto-hospedagem ou auditabilidade for um requisito inegociável.

Se o que te trouxe aqui foi o nome GLM 5.5, a instrução honesta é esperar pelo identificador. Fique atento à janela de 8 de outubro a 9 de novembro e avalie a chegada com base em se uma linha de preço e um ID de modelo da API aparecem nas próprias superfícies da Z.ai. Uma captura de tela de ranking não é um lançamento, e enquanto não houver uma tabela de preços não há nada para comparar — o que é uma resposta mais curta e mais útil do que uma ficha técnica que alguém digitou de memória.