Muse Wonder vs Grok 4.5: Mô hình đi sau hai thế hệ nhưng chi phí mỗi tác vụ chỉ bằng một phần năm

Muse Wonder và Grok 4.5 không thực sự là đối thủ; chúng là một cuộc tranh luận. Meta phát hành Muse Wonder vào ngày 12 tháng 10 năm 2026, x​AI phát hành Grok 4.5 vào ngày 8 tháng 7 năm 2026, và x​AI kể từ đó đã tung ra Grok 4.6 và Grok 4.7 trên cùng một bảng giá. Vì vậy, mô hình cũ hơn không còn là mô hình hiện hành ngay cả theo cách tính của chính nhà cung cấp, điều này khiến các con số của nó hữu ích theo cách mà con số của một đối thủ mới không có: Grok 4.5 là mức giá sàn cho một mô hình suy luận có năng lực, còn Muse Wonder là mức giá của đỉnh bảng. Artificial Analysis tóm gọn sự khác biệt trong một dòng — khoảng 4,52 đô la cho mỗi tác vụ Intelligence Index đã hoàn thành đối với Muse Wonder so với khoảng 0,88 đô la đối với Grok 4.5, với mười ba điểm chỉ số giữa hai mô hình. Liệu mười ba điểm có đáng gấp năm lần hóa đơn hay không chỉ có thể trả lời nếu bạn biết các tác vụ của mình thực sự tốn bao nhiêu, và đó chính là phần mà bảng giá không bao giờ cho bạn biết.Các thay đổi về giá và chỉ số xuất hiện sau một so sánh như thế này được ghi lại kèm ngày tháng và nguồn trong the AI Incident Archive, cùng với các sự cố mô hình và nhà cung cấp khác mà chúng tôi theo dõi.

Ba mươi chín so với năm mươi hai trên cùng một bảng

Cả hai số liệu đều đến từ cùng một bộ công cụ đánh giá, phiên bản 4.3.2 của Artificial Analysis Intelligence Index, bao gồm mười bài đánh giá — Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDPval-AA, AutomationBench-AA và năm bài khác. Grok 4.5 đạt 39 điểm, đưa nó lên hạng 63 trong 213 và, theo đúng lời của đơn vị đánh giá, cao hơn mức trung bình trong số các mô hình tương đương có trung vị là 27. Muse Wonder đạt 52 điểm và đứng thứ 9. Các bản tóm tắt một dòng của đơn vị đánh giá đáng được trích cạnh nhau vì chúng mô tả sự đánh đổi bằng ngôn ngữ dễ hiểu: Grok 4.5 "trên mức trung bình và chậm hơn mức trung bình"; Muse Wonder "khả năng trí tuệ hàng đầu, hơi đắt so với phân khúc giá của nó, nhanh đáng kể và hơi dài dòng".

Cột đáng chú ý không phải là điểm số, mà là những gì mỗi mô hình đã phát ra để đạt được nó. Grok 4.5 tạo ra 77 triệu token đầu ra trong lần chạy chỉ số — gần với trung vị của bảng xếp hạng. Muse Wonder tạo ra 130 triệu, và trung vị của bảng xếp hạng đã tăng lên 85 triệu kể từ đó. Mô hình của Meta dài dòng; của xAI thì không. Chi tiết đó đóng góp phần lớn vào khía cạnh chi phí, và nó lại bất lợi cho mô hình có biểu giá cao hơn, tức là theo hướng phản trực giác.

Bảng giá cước biến thành hóa đơn gấp năm lần như thế nào

Trên giấy tờ, khoảng cách là 2× ở đầu vào và 3.3× ở đầu ra. Đo thực tế, con số là 5.1× cho mỗi tác vụ hoàn thành, nghĩa là sự dài dòng đang khuếch đại khoảng cách giá thay vì triệt tiêu nó — ngược lại với điều xảy ra khi một mô hình rẻ lại là mô hình nói nhiều.

• Giá niêm yết — Muse Wonder $4,00 đầu vào / $20,00 đầu ra / $0,20 đã lưu cache mỗi triệu; Grok 4.5 $2,00 đầu vào / $6,00 đầu ra / $0,30 đã lưu cache

• Chi phí cho mỗi tác vụ lập chỉ mục — Muse Wonder khoảng 4,52 USD; Grok 4.5 khoảng 0,88 USD

• Token đầu ra trong lần chạy chỉ mục — Muse Wonder khoảng 130 triệu; Grok 4.5 khoảng 77 triệu

• Thời gian đến token đầu tiên — Muse Wonder 30,35 giây; Grok 4.5 8,90 giây

• Tốc độ đầu ra — Muse Wonder 145,1 token mỗi giây; Grok 4.5 59,1

• Cửa sổ ngữ cảnh — Muse Wonder 1.048.576 token; Grok 4.5 500.000 token, với toàn bộ yêu cầu được định giá lại khi vượt quá 200.000

Hàng cuối cùng đó là nơi duy nhất mà sự rẻ của Grok 4.5 không còn rẻ nữa. x​AI phân tầng bảng giá theo độ dài prompt: dưới 200.000 token, bạn trả $2.00 và $6.00; trên mức đó, toàn bộ yêu cầu chuyển sang $4.00 và $12.00, và giá cho phần cache tăng gấp đôi từ $0.30 lên $0.60. Muse Wonder tính một mức giá duy nhất trên toàn bộ cửa sổ một triệu token của nó. Ở 300.000 token prompt, giá đầu vào của Grok 4.5 đã tăng gấp đôi trong khi giá của Muse Wonder không thay đổi — con số ấn tượng 2× trở thành 1× ở đầu vào, và khoảng cách chi phí trên mỗi tác vụ thu hẹp lại, mức độ ra sao thì tùy thuộc vào việc khối lượng đầu ra tác động đến nó thế nào.

Tốc độ đảo ngược lời khuyên thông thường

Các mô hình Grok thường là lựa chọn nhanh và phép so sánh này là ngoại lệ. Grok 4.5 đợi 8,9 giây để có token đầu tiên và ghi ở tốc độ 59,1 token/giây; Muse Wonder đợi 30,35 giây và ghi ở tốc độ 145,1. Cả hai đều không phải trợ lý tương tác nhanh. Nhưng hình dạng khác biệt theo cách quan trọng đối với vòng lặp agent: Muse Wonder suy xét một lần rồi sau đó di chuyển nhanh, Grok 4.5 khởi đầu sớm hơn rồi sau đó bò chậm. Trong một lần sinh dài, cả hai hội tụ; qua nhiều lượt ngắn, độ trễ token đầu tiên thấp hơn của Grok 4.5 thắng thế, và với một đầu ra lớn duy nhất, Muse Wonder thắng thế.

Đây cũng là lập luận chống lại việc coi Grok 4.5 là lựa chọn tiết kiệm cho môi trường sản xuất. Một mô hình rẻ trên mỗi token nhưng chậm trên mỗi token có thể thua một mô hình đắt trên mỗi token nhưng nhanh, một khi bạn tính đến thời gian thực tế — và trong một agent thực hiện các lệnh gọi lặp lại, thời gian thực tế thường là điều người dùng nhận thấy đầu tiên.

Vấn đề người kế nhiệm

Mọi nội dung ở trên đều so sánh Muse Wonder với một mô hình mà xAI đã thay thế hai lần. Grok 4.6 ra mắt với cùng bảng giá và điểm số tốt hơn; Grok 4.7 kể từ đó đã đạt 46 trên cùng chỉ số, và Artificial Analysis nêu rõ Grok 4.5 là đã ngừng hỗ trợ và chỉ sang 4.6. Vậy nên phiên bản trung thực của cuộc so tài này không phải là “Muse Wonder đối đầu với Grok 4.5” — mà là “Muse Wonder đối đầu với Grok mà bạn thực sự sẽ triển khai”, và so sánh đó gần hơn nhiều về năng lực: 52 so với 46, khoảng sáu điểm thay vì mười ba, với chi phí khoảng $4.52 mỗi tác vụ so với $3.74 của Grok 4.7.

Dù sao chúng tôi vẫn công bố bản so sánh Grok 4.5 vì đó là mô hình mà nhiều độc giả vẫn được định tuyến tới, và vì mô hình cũ hơn làm cho cấu trúc kinh tế hiện rõ theo cách mà mô hình mới hơn làm mờ đi. Nhưng không ai nên chọn Grok 4.5 ngày hôm nay chỉ dựa vào trang này. Nếu câu trả lời là "một Grok", thì câu trả lời là 4.6 hoặc 4.7.

Nơi cả hai có thể tiếp cận

Cả Grok 4.5 và Grok 4.7 đều có trong danh mục của OrcaRouter — grok/grok-4.5 với giá $2.00 cho đầu vào, $0.30 cho phần đã lưu đệm và $6.00 cho đầu ra trên mỗi triệu token cho đến 200.000 token, sau đó đổi giá thành $4.00, $0.60 và $12.00 khi vượt ngưỡng đó, với cửa sổ 500.000 token vẫn được giữ nguyên; grok/grok-4.7 ở cùng mức giá với $0.50 cho mỗi lần đọc từ bộ nhớ đệm. Đây là giá niêm yết của xAI được chuyển thẳng qua mà không cộng thêm, nên khi xAI thay đổi một bậc giá thì thay đổi đó sẽ có hiệu lực ngay bên chúng tôi trong cùng ngày. Muse Wonder không có trong danh mục: không có meta/muse-wonder trên OrcaRouter, và các checkpoint Meta mà chúng tôi thực sự có là meta/muse-spark-1.2 và meta/muse-spark-1.1 với giá $1.25 và $4.25 trên mỗi triệu token.

Điểm định tuyến xứng đáng có chỗ ở đây là điểm chuyển đổi dự phòng. Muse Wonder mới ra mắt được mười ngày, với 30 giây cho token đầu tiên và chỉ một đánh giá độc lập duy nhất; đặt một đường dẫn sản xuất phía sau nó dựa trên niềm tin là rủi ro không nên chấp nhận. Hướng một phần lưu lượng vào nó bên cạnh Grok bạn đang chạy, giữ phần còn lại nguyên tại chỗ, và để cơ chế chuyển đổi dự phòng tự động hấp thụ các lần hết thời gian chờ trong khi bạn tìm hiểu xem điểm mạnh về tầm nhìn dài hạn mà Meta tuyên bố có xuất hiện trong khối lượng công việc của bạn hay không. Một khóa API kết nối được tới phía Grok trong phép so sánh hôm nay; phía Muse Wonder chỉ cách thêm một lần gọi API nữa, và chi phí chuyển đổi chỉ là một chuỗi mô hình.

Lựa chọn, mỗi mục một đoạn văn.

Hãy chọn Muse Wonder khi tác vụ dài, câu trả lời đáng để làm cho đúng, và lời nhắc đủ lớn để việc Grok định giá lại ở mức 200.000 token sẽ xóa bỏ lợi thế giá của nó dù sao đi nữa: mức giá cố định cho một triệu token, tốc độ 145 token mỗi giây và khoảng cách mười ba điểm trên chỉ số đều chỉ về cùng một hướng. Hãy chọn một Grok — và cụ thể là Grok 4.7, không phải 4.5 — khi bạn cần nhiều lệnh gọi ngắn, token đầu tiên trong vài giây một chữ số, và hóa đơn chịu được khối lượng lớn, bởi vì ở mức 3,74 đô-la cho mỗi tác vụ hoàn thành so với 4,52 đô-la, đó là cách rẻ hơn để đạt được năng lực tương đương. Điều bạn không nên làm là chọn Grok 4.5 chỉ vì nó xuất hiện ở đầu bảng so sánh; chính nhà cung cấp của nó đã ngừng khuyến nghị nó.