Muse Wonder vs Claude Fable 5.1: Cách nhau một điểm chỉ số, giá đắt gấp hai lần rưỡi

Trên Chỉ số Thông minh hiện tại của Artificial Analysis, Claude Fable 5.1đạt 53 điểm còn Muse Wonder đạt 52. Một điểm. Trên bảng giá, Claude Fable 5.1 là 10,00 USD mỗi triệu token đầu vào và 50,00 USD mỗi triệu token đầu ra, trong khi Muse Wonder là 4,00 USD và 20,00 USD. Gấp hai lần rưỡi. Đó là toàn bộ cuộc đối đầu gói gọn trong hai câu, và đây là một phép so sánh kỳ lạ hơn nhiều so với mức chênh lệch một điểm thường hàm ý — bởi vì mô hình rẻ hơn mới ra đời được một ngày với hồ sơ độc lập còn mỏng, còn mô hình đắt hơn đã được phát hành từ ngày 1 tháng 9 với sáu tuần được các nhà cung cấp đưa tin, và hai mô hình này hoàn toàn không đồng thuận về việc bao nhiêu phần trong hóa đơn của bạn nên là token được lưu đệm.

Đây là cách định hình hữu ích trước khi đi vào chi tiết. Nếu lưu lượng của bạn là một vòng lặp agentic dài trên một tiền tố prompt ổn định, khoảng cách giá giữa Muse Wonder và Claude Fable 5.1 gần như biến mất, và bạn nên chọn dựa trên năng lực đo được. Nếu lưu lượng của bạn là các cuộc gọi ngắn với khối lượng lớn, có ít tiền tố có thể cache, thì khoảng cách là có thật và nó là 2,5×, và một điểm chỉ số không phải là lý do để trả mức đó.

Hai mô hình, ghi ngày

Claude Fable 5.1 là mô hình lớp Mythos của nhà phát triển Claude — một bậc năng lực mà công ty xếp trên lớp Opus — được phát hành vào ngày 1 tháng 9 năm 2026 như bản kế nhiệm Claude Fable 5. Nó nhận đầu vào văn bản, hình ảnh và tệp, tạo văn bản, có cửa sổ ngữ cảnh 1.000.000 token với mức trần đầu ra 128.000 token, và hỗ trợ suy luận thích ứng cùng đầu ra có cấu trúc. Đã có sáu tuần đo lường độc lập dành cho nó, nó được cung cấp bởi nhiều nhà cung cấp API, và bảng giá của nó bao gồm chế độ batch ở mức $5.00 / $25.00, giúp công việc bất đồng bộ rẻ đi một nửa.

Muse Wonder là bản phát hành tiên phong của Meta Superintelligence Labs vào ngày 12 tháng 10 năm 2026, được công bố cùng với một checkpoint thứ hai có tên Muse Wonder Full. Chỉ muse-wonder-1.0 mới có endpoint mà bạn có thể gọi — trên Meta Model API và bên trong Muse Code — và đó là phiên bản mà mọi số liệu dưới đây nhắc đến. Nó có cửa sổ ngữ cảnh 1.048.576 token, ngân sách đầu ra giới hạn ở 943.718 token trong một phản hồi, và chấp nhận đầu vào văn bản, hình ảnh, giọng nói và video với đầu ra văn bản. Muse Wonder Full là bản đạt điểm cao hơn trong hai bản và chỉ dành cho thuê bao Muse Code, nên nó không có giá theo token để so sánh với bất cứ thứ gì ở đây.

Sự bất đối xứng đó là điều đầu tiên cần nắm lấy. Fable 5.1 là một đại lượng đã ổn định mà bạn có thể đối chuẩn với khối lượng công việc của chính mình ngay chiều nay. Muse Wonder là một bản phát hành mới được hai ngày, với hồ sơ độc lập chỉ gồm một dòng của một người đánh giá.

Đối đầu, từng khía cạnh một

Các số liệu Index là phép đo của chính Artificial Analysis trên bản sửa đổi hiện tại của nó; giá là biểu giá công bố của từng nhà cung cấp trên mỗi triệu token. Bất cứ nội dung nào được dán nhãn do nhà cung cấp báo cáo đều là của Meta, từ harness của Meta.

• Chỉ số Trí tuệ — Claude Fable 5.1 53 (nỗ lực tối đa); Muse Wonder 52 (tối đa). Cách nhau đúng một điểm trên cùng một bản sửa đổi của cùng một bảng.

Giá đầu vào — Claude Fable 5.1 10,00 USD mỗi triệu; Muse Wonder 4,00 USD. Gấp 2,5 lần chi phí cho mỗi token đầu vào.

• Giá đầu ra — Claude Fable 5.1 $50.00 một triệu; Muse Wonder $20.00. Còn 2,5×, và đây chính là khoản chiếm phần lớn hóa đơn khi chạy agent.

• Đầu vào được lưu đệm — Claude Fable 5.1 $0.25 mỗi triệu so với $0.20 của Muse Wonder. Cả hai nhà cung cấp đều quảng cáo mức giảm giá khoảng 95–98%, nhưng tính bằng tiền tuyệt đối, hai mức giá cho đầu vào được lưu đệm chỉ chênh nhau năm xu, và đây là con số mang tính quyết định nhất trên trang này.

• Ngữ cảnh và giới hạn đầu ra — Fable 5.1: 1,000,000 đầu vào và 128,000 đầu ra; Muse Wonder: 1,048,576 đầu vào và 943,718 đầu ra. Thực tế là ngang bằng về đầu vào, và hoàn toàn không thể so sánh được về đầu ra.

• Phương thức — Fable 5.1 nhận đầu vào văn bản, hình ảnh và tệp; Muse Wonder nhận văn bản, hình ảnh, giọng nói và video. Nếu pipeline của bạn phiên âm âm thanh trước khi suy luận, đó là khác biệt về kiến trúc chứ không phải một sai số làm tròn.

• Kiểm soát suy luận — Fable 5.1 hỗ trợ suy luận thích ứng với cấu hình dự phòng được tài liệu hóa và chế độ theo lô cho công việc bất đồng bộ; suy luận của Muse Wonder là bắt buộc, với thang mức nỗ lực từ tối thiểu đến tối đa, mặc định ở mức trung bình.

• Khả dụng — Fable 5.1 được cung cấp qua nhiều nhà cung cấp API khác nhau cũng như qua chính nhà cung cấp gốc; Muse Wonder có mặt trên API của Meta và trong Muse Code, hiện chưa có bên thứ ba nào hỗ trợ.

Tại sao dòng cache quyết định nhiều hơn dòng chỉ mục

Cả hai nhà cung cấp đều quảng bá cache như một mức chiết khấu 85–95% trên chi phí đầu vào, và cách diễn đạt đó che khuất điều thực sự quan trọng. Điều thực sự quyết định chi phí của một lần đọc cache là mức giá tuyệt đối, và ở đó hai mô hình chỉ chênh nhau năm xu: 0,20 đô la cho mỗi triệu trên Muse Wonder so với 0,25 đô la trên Claude Fable 5.1. Khi không dùng cache, đầu vào của Fable 5.1 gấp 2,5 lần Muse Wonder. Khi dùng cache, mức này là 1,25 lần.

Vậy nên con số 2,5× trên tiêu đề thực chất là một phát biểu về việc có bao nhiêu phần trong prompt của bạn là mới. Một khối lượng công việc được xây dựng trên một tiền tố lớn, ổn định — một codebase nằm trong ngữ cảnh, một tài liệu chính sách dài, một lược đồ công cụ cố định không bao giờ thay đổi — sẽ chi phần lớn token đầu vào của mình ở mức giá đã cache, và khoảng cách thực tế giữa hai mô hình này thu hẹp lại chỉ còn chênh lệch năm xu. Một khối lượng công việc gồm những lệnh gọi ngắn, độc lập, không có tiền tố nào dùng lại được thì chẳng có gì để cache và phải trả đủ mức 2,5× cho mọi yêu cầu. Cùng hai mô hình, cùng bảng giá, nhưng kết luận hoàn toàn khác, và biến số quyết định là hình dạng lưu lượng của bạn chứ không phải chất lượng của mô hình.

Bảng do chính nhà cung cấp của Meta báo cáo bao gồm Claude Fable 5.1 cùng với dòng Muse Wonder ở mức nỗ lực tối đa, và nó cũng cho thấy chiều ngược lại ở một bộ kiểm thử này và lại đảo ngược ở những bộ khác — Fable 5.1 đạt 62,1 trên AutomationBench-AA so với 60,5 của Muse Wonder, 27,6 trên JobBench so với 30,8, 79,0 trên Terminal-Bench 4.0-AA so với 85,6. Tất cả đều là số liệu của nhà cung cấp, tất cả đều chưa được tái lập, và cách lý giải an toàn duy nhất là hai mô hình này đủ sát nhau trong các tác vụ tác tử đến mức một bảng điểm chỉ nên là điểm khởi đầu cho cuộc kiểm nghiệm chứ không phải điểm kết thúc.

Nơi khoảng cách một điểm không phải là câu chuyện

Có một lập luận thực sự cho việc trả gấp 2,5 lần và điều đó ít liên quan đến chỉ số. Khả năng suy luận của Fable 5.1 mang tính thích ứng với một cấu hình dự phòng đã được tài liệu hóa, nghĩa là độ sâu suy nghĩ của mô hình có thể được điều chỉnh theo chi phí thay vì bắt buộc trong mọi lần gọi. Thang bậc của Muse Wonder có một mức sàn — tối thiểu — nhưng không có công tắc tắt, và token suy nghĩ được tính phí ở mức 20 đô la mỗi triệu. Trong lưu lượng khối lượng lớn, nhạy cảm với độ trễ, một mô hình có thể từ chối suy nghĩ sẽ rẻ hơn một mô hình rẻ hơn nhưng luôn suy nghĩ, và sự so sánh đó không bao giờ xuất hiện trên bảng xếp hạng.

Lập luận thứ hai là độ phủ của nhà cung cấp. Việc Fable 5.1 được nhiều nhà cung cấp phục vụ đồng nghĩa với khả dụng theo khu vực và cạnh tranh về độ trễ, còn sự cố ngừng dịch vụ tại một điểm cuối chỉ là điều bất tiện chứ không phải một sự cố. Một mô hình mới một ngày tuổi với chỉ một đường dẫn nhà cung cấp duy nhất là một thế rủi ro khác, và các gateway áp dụng nó trong hai tuần tới thường sẽ tụt lại so với bề mặt tham số của nhà cung cấp — cụ thể là phần liệt kê nỗ lực suy luận, trường nhanh lỗi thời nhất sau khi ra mắt.

Lý lẽ ủng hộ Muse Wonder ở mức giá thấp hơn dựa trên ba điều mà Fable 5.1 không cung cấp. Giới hạn đầu ra là điều lớn nhất trong số đó: 943.718 token trong một phản hồi so với 128.000 không chỉ là một chi tiết thông số nếu bạn đang tạo tài liệu dài, toàn bộ mô-đun mã, hay một kế hoạch di trú hoàn chỉnh trong một lượt, bởi vì giải pháp thay thế là tự nối các đầu ra lại với nhau. Khả năng nhận đầu vào giọng nói và video một cách nguyên bản là điều thứ hai. Điều thứ ba chỉ đơn giản là hóa đơn — với $4 và $20 so với $10 và $50, một nhóm không có tiền tố có thể cache và có nhiều đầu ra có thể chạy khối lượng lớn hơn khoảng hai lần rưỡi với cùng số tiền và mất một điểm chỉ số vì điều đó.

Thực hiện so sánh này mà không có ba tài khoản

Claude Fable 5.1 có mặt trên OrcaRouter đúng theo giá niêm yết của chính nhà cung cấp — 10,00 USD mỗi triệu token đầu vào, 50,00 USD mỗi triệu token đầu ra, và mức 0,25 USD cho mỗi lần đọc cache — không cộng thêm bất kỳ khoản phụ phí nào từ phía chúng tôi, đồng thời cửa sổ ngữ cảnh 1M token được giữ nguyên không thay đổi. Điều đó khiến nó trở thành một điểm tham chiếu chỉ với một khóa duy nhất cho mọi thứ ở trên.

Muse Wonder không có trên OrcaRouter, và chúng tôi sẽ không ngụ ý điều ngược lại: không có mục meta/muse-wonder nào trong danh mục của chúng tôi, và hiện nay câu trả lời trung thực là API riêng của Meta và Muse Code. Thứ chúng tôi thực sự cung cấp từ cùng phòng thí nghiệm là Muse Spark 1.2 và Muse Spark 1.1, vì vậy dòng họ Muse có thể truy cập bằng cùng khóa nếu bạn muốn dòng suy luận của Meta trong khi checkpoint Wonder vẫn đang ổn định.

Cách để giải quyết câu hỏi về mức giá gấp 2,5 lần không phải là đọc hai bảng giá, mà là chạy chính các tác vụ của bạn hai lần rồi đọc số lượng token. OrcaRouter định tuyến qua hơn 200 mô hình phía sau một endpoint tương thích OpenAI với giá niêm yết của nhà cung cấp được truyền nguyên vẹn, nên phần Fable 5.1 của bài kiểm tra đó hiện đã có sẵn theo mức giá của nhà cung cấp, và vào ngày một nhà cung cấp mà chúng tôi định tuyến bắt đầu phục vụ Muse Wonder, nửa còn lại của bài kiểm tra sẽ trở thành một thay đổi tên mô hình thay vì một tích hợp mới.

Chọn cái nào?

• Chọn Claude Fable 5.1 nếu khối lượng công việc của bạn có một tiền tố ổn định lớn và bạn muốn mua sự chắc chắn: sáu tuần đo lường độc lập, nhiều nhà cung cấp, một làn xử lý theo lô với giá bằng một nửa, và suy luận thích ứng mà bạn có thể giảm xuống.

• Chọn Muse Wonder nếu lưu lượng của bạn thiên về đầu ra, không thể lưu vào bộ nhớ đệm và ở dạng dài — ngân sách đầu ra 943.718 token và mức giá đầu ra 20 đô la đều là hệ quả của một mô hình được định giá chính xác cho đúng điều đó, và đầu vào giọng nói lẫn video đều đi kèm với chúng.

• Đừng chọn giữa chúng chỉ dựa trên một điểm chỉ số. Một điểm đơn lẻ trên chỉ số tổng hợp nằm trong mức nhiễu của hầu hết khối lượng công việc thực tế, và nó không đáng để đánh đổi lấy 2.5× trừ khi có thứ gì khác trên trang này đang gánh phần việc đó.

• Hãy chạy thử nghiệm cache trước khi bạn đưa ra quyết định. Nếu hơn một nửa số token đầu vào của bạn trúng cache trong môi trường sản xuất, thì hai mô hình thực ra gần nhau hơn so với bảng giá của chúng, và khi đó quyết định nên dựa vào năng lực, phương thức và rủi ro từ nhà cung cấp.

Một điểm về năng lực đo được, gấp hai lần rưỡi giá niêm yết, và một dòng đầu vào được lưu đệm lặng lẽ thu hẹp phần lớn khoảng cách. Đây là một cuộc so tài mà bảng xếp hạng thực sự không thể phân định — đó là lý do con số đáng tin ở đây chính là con số bạn tự tạo ra.