Muse Wonder mot Grok 4.6: Ett tokenfönster på 1 048 576 mot ett som dubblar sitt pris vid 200 000

Grok 4.6 är den billigare modellen i den här jämförelsen enligt alla publicerade priser – 2,00 USD per miljon indata-tokens och 6,00 USD per miljon utdata-tokens, mot Muse Wonders 4,00 och 20,00 USD – och det finns en promptlängd där den fördelen försvinner helt. SpaceXAI:s nivåindelade prislista prissätter om hela begäran till det dubbla baspriset när en prompt passerar 200 000 tokens: indata går till 4,00 USD, utdata till 12,00 USD, cachad indata till 1,00 USD. Vid 250 000 indata-tokens med 8 000 utdata-tokens debiterar Grok 4.6 cirka 1,10 USD och Muse Wonder cirka 1,16 USD. Modellen som såg 2,5× billigare ut vid korta prompter ligger inom 6 % från sin rival vid långa – och det är rivalen, Meta Superintelligence Labs lansering den 12 oktober 2026, som håller en enhetlig taxa över hela fönstret på 1 048 576 tokens.

Den skärningspunkten är det mest användbara på den här sidan, och den finns bara på grund av en andra skillnad. Grok 4.6 säljer ett kontextfönster på 500 000 tokens och tar sedan den stegade avgiften för allt över 200 000 tokens; Muse Wonder säljer ett dubbelt så stort fönster och stegar aldrig. Om dina prompter ligger under 200 000 tokens gäller inget av detta, och Grok 4.6 är helt enkelt det bättre köpet. Om de inte gör det kostar de två modellerna nästan lika mycket, och jämförelsen blir en fråga om förmåga i stället för pris.

Två flaggskepp, åtta veckor emellan

Grok 4.6 är SpaceXAI:s flaggskepp och släpptes den 12 augusti 2026, för 2,00 USD per miljon indatatokens och 6,00 USD per miljon utdatatokens, med cachad indata för 0,50 USD. Den har ett kontextfönster på 500 000 tokens, tar emot text-, bild- och filindata, returnerar text, stöder konfigurerbar resonemangsansträngning och inbyggt verktygsanrop, och prissätts i två nivåer: allt upp till 200 000 prompttokens till baspriset, allt därutöver till dubbelt pris. I dess publicerade uppgifter finns överhuvudtaget ingen siffra för maximal utdata för ett enskilt svar, vilket är en lucka snarare än en nolla – det finns inget tal att planera en långgenereringsarbetsbelastning utifrån.

Muse Wonder är Meta Superintelligence Labs frontier-släpp, lanserat den 12 oktober 2026 som en del av en serie med två checkpoints. Den anropbara är muse-wonder-1.0, tillgänglig via Meta Model API och i Muse Code; den högre poängsatta Muse Wonder Full säljs endast via en Muse Code-prenumeration och har inget pris per token. Den anropbara checkpointen tar emot text-, bild-, tal- och videoindata, returnerar text, har ett kontextfönster på 1 048 576 tokens, begränsar ett enskilt svar till 943 718 tokens, debiterar $4,00 in, $0,20 cachat och $20,00 ut per miljon över hela fönstret, och kör resonemang obligatoriskt med en ansträngningsstege från minimal till max som standard är medium.

Den oberoende nämnden som har mätt båda placerar dem åtta poäng ifrån varandra — Muse Wonder på 52, Grok 4.6 på 44 — och flaggar också Grok 4.6 som ersatt av Grok 4.7. Den sista detaljen har betydelse av en anledning som inte är uppenbar: Grok 4.7 har samma listpris på $2.00/$6.00 som modellen den ersätter, så efterträdaren är inte ett billigare alternativ. Det är ett annorlunda utformat alternativ.

Prislistorna, och den enda raden som inte är ett nummer

Allt i den här listan är ett faktum från leverantörens prislista per miljon tokens, förutom de två sista raderna, som är oberoende mätningar.

• Första nivåns indata — Grok 4.6 $2,00 per miljon; Muse Wonder $4,00

• Utdata för första nivån — Grok 4.6 $6.00 per miljon; Muse Wonder $20.00

• Cachad indata — Grok 4.6 $0,50 per miljon; Muse Wonder $0,20

• Över 200 000 prompt-tokens – Grok 4.6 går till $4.00 in, $12.00 ut och $1.00 cachat för hela begäran; Muse Wonder är oförändrat

• Kontextfönster — Grok 4.6 500 000 tokens; Muse Wonder 1 048 576

• Maximal utdata i ett svar — Grok 4.6 har inte publicerats; Muse Wonder 943 718 tokens

• Inmatningsyta — Grok 4.6 text, bild och fil; Muse Wonder text, bild, tal och video

• Resonemangsstyrning — Grok 4.6 låg till xhigh med hög som standard; Muse Wonder minimal till max med medium som standard, och ingen avstängningsknapp

• Intelligensindex, oberoende mätt — Grok 4.6 44, trettiosjunde av 216; Muse Wonder 52, nionde av 216

• Kostnaden för att slutföra en indexuppgift, mätt på samma sätt — Grok 4.6 cirka 1,48 USD; Muse Wonder cirka 4,52 USD

Den sista raden är där prishistorien blir ärlig. Tre gånger kostnaden per slutförd uppgift är en större skillnad än den sammanvägda prislistan antyder, och den orsakas inte av att Grok 4.6 är extravagant — tvärtom. I den utvärderingen förbrukade Grok 4.6 cirka 94 miljoner utdata-tokens mot Muse Wonders 130 miljoner, med en median för resultattavlan nära 85 miljoner. Den billigare modellen är också den mindre pratsamma, vilket är ovanligt i den här prisklassen och innebär att prislappsskillnaden är verklig snarare än en artefakt av att en modell skriver mer.

Var övergången faktiskt hamnar

Ta en rimlig arbetsbelastning: 70 % av promptkostnaden avser indata, ett stabilt systemprefix som cachelagras, och ett svar på några tusen token. Beräkningen nedan bygger på varje leverantörs publicerade listpriser och är vår beräkning, inte en leverantörs benchmark.

• 30 000 indata och 8 000 utdata, utan cache — Grok 4.6 cirka $0,11; Muse Wonder cirka $0,28. Grok är ungefär 2,6× billigare.

• 250 000 indata och 8 000 utdata, utan cache — Grok 4.6 cirka 1,10 dollar vid den stegade taxan; Muse Wonder cirka 1,16 dollar vid dess fasta taxa. Skillnaden är cirka 5 %.

• 400 000 indata och 8 000 utdata, ocachat — Grok 4.6 cirka 1,70 $; Muse Wonder cirka 1,76 $. Fortfarande jämnt, och Grok 4.6 är nu bara 100 000 tokens från slutet av sitt fönster medan Muse Wonder använder 38 % av sitt eget.

• Cachade läsningar vid 250 000 tokens kontext — Grok 4.6 $1,00 per miljon mot Muse Wonders $0,20, en 5× fördel för Meta när cachen väl är varm och prompten är tillräckligt lång för att ha utlöst steget

Mönstret är själva poängen. Grok 4.6 är dramatiskt billigare för det arbete som de flesta team gör större delen av tiden, och den ligger på samma nivå eller något efter för det arbete som fick folk att leta efter ett fönster på en miljon token från början. En kostnadsmodell som bygger på det annonserade priset överskattar grovt Groks fördel för långkontexttrafik.

Vad åtta indexpoäng köper, och vad de inte gör

Uppmätt oberoende slår åt båda hållen här, och det är värt att vara precis om vilka siffror som kom varifrån.

Grok 4.6:s starkaste publicerade siffror kommer från tredje part, och en av dem är ovanligt bra. På GPQA Diamond, en uppsättning naturvetenskapliga frågor på forskarnivå, får den 94,9 – den högsta förstklassiga poängen i sin prisklass, och ett område där Muse Wonder inte har någon publicerad oberoende rad alls. Den får också 61,0 på Humanity's Last Exam och 76,8 på den oberoende kodbedömningen, båda från samma utvärderare. För frågeformade uppgifter i volym är det de siffrorna som förutsäger om modellen kommer att få dig att framstå dåligt, och för $2.00/$6.00 är de ett riktigt kap.

Muse Wonders styrka har en annan form, och det är anledningen till att indexgapet på åtta punkter inte heller är hela berättelsen. M​etas egen lanseringstabell – leverantörsrapporterad, körd i M​etas testramverk och inte reproducerad – är nästan helt uppbyggd av långsiktiga agentiska uppgifter och terminaluppgifter, och oberoende kommentarer har redan gjort urval ur den. M​etas rader för DeepSWE 1.1 och SWE-Marathon placerar serien före de modeller den jämförs mot, och utdatataket på 943 718 tokens är en strukturell fördel som ingen prislista fångar: en arbetsbelastning som producerar en enda mycket stor artefakt, vare sig det är en genererad applikation eller ett långt strukturerat dokument, har inget Grok 4.6-tal att jämföra med eftersom Grok 4.6 inte publicerar något sådant.

Så uppdelningen är inte bättre mot sämre. Det handlar om billigt-och-snabbt kontra långt-och-platt, och axeln som avgör det är promptlängd.

Tre modeller nu, inte två, när efterföljaren är med i bilden

Den oberoende nämnden flaggar Grok 4.6 som ersatt och pekar på Grok 4.7, som får 46 mot Grok 4.6:s 44, körs till samma listpris på $2,00/$6,00 med samma cacheläsning för $0,50 och samma 500 000-tokenfönster, anger ett utdatatak på 450 000 tokens som föregångaren inte har, och erbjuder ytterligare en ansträngningsinställning högst upp. Det är den självklara uppgraderingen på pappret.

Notan säger något annat. Kostnaden per slutförd indexuppgift är cirka 3,74 dollar för Grok 4.7, mot 1,48 dollar för Grok 4.6, eftersom den gjorde av med ungefär 240 miljoner utdatatoken i den körning där föregångaren använde 94 miljoner. Den är nyare, får högre poäng och har samma listpris, men blev ändå 2,5 gånger dyrare per slutfört jobb. Det är det sällsynta fallet där utfasningsflaggan på en modellsida inte i sig är ett skäl att byta, och det är värt att känna till innan du migrerar trafik som du inte behövde migrera.

För alla som bygger detta som en pipeline med två modeller i stället för ett projekt med två leverantörer är routningsdelen enkel för den ena halvan men inte för den andra. OrcaRouter tillhandahåller Grok 4.6 som grok/grok-4.6 till SpaceXAI:s eget listpris med 0 % påslag – leverantörens listpris förs vidare oförändrat, så nivåpriserna och eventuella ändringar av dem kommer hit samma dag – bakom samma nyckel som över 200 andra modeller, med automatisk redundansväxling mellan leverantörer när en slutpunkt krånglar. Muse Wonder finns inte i vår katalog, och det finns ingen tredjepartsservering vi kan verifiera, så det enda sättet att anropa den i dag är Metas eget API och Muse Code. Ett modellfusionsanrop som kör den billiga modellen och den starka sida vid sida och väljer mellan svaren är en av de saker som en enda slutpunkt gör enklare – men det kan bara inkludera modeller som någon serverar.

Urvalet, efter promptlängd snarare än efter domslut

Under 200 000 tokens prompt, i volym, på frågeformade uppgifter: Grok 4.6, utan större vånda. Den är 2,6× billigare för de förfrågningsformer som de flesta team faktiskt skickar, den får 94,9 på det enda oberoende benchmark där den slår allt i sin klass, och den är ungefär 2× snabbare till första token än sin rival. Den enda varningen är att Grok 4.7 finns till samma listpris med en extra ansträngningsnivå – kontrollera dina egna tokenantal innan du antar att den kostar mer, eftersom den publicerade siffran säger att den kommer att göra det.

Över 200 000 prompttokens, eller flera hundra tusen kontexttokens som hålls öppna under en lång agentisk körning, eller ett jobb med enorma utdata: Muse Wonder. Skiftet är verkligt och det är skarpt, och taket på 943 718 token för svar är inte ett tal som Grok 4.6 kan svara med ett eget.

Mellan dem ligger den ärliga iakttagelsen att detta är den enda kombinationen i Metas lanseringsfönster där den billigare modellen också är den mer resurssnåla, så prisskillnaden handlar om att köpa förmåga snarare än att köpa tokens. Två dagar efter att Muse Wonder släpptes beskrivs den förmågan av en oberoende rad och en leverantörstabell. Grok 4.6:s har ackumulerats sedan augusti.