Muse Wonder so với Grok 4.6: Cửa sổ 1.048.576 token đối đầu với một mô hình tăng gấp đôi giá tại mốc 200.000

Grok 4.6 là mô hình rẻ hơn trong so sánh này theo mọi mức giá được công bố — 2,00 USD cho mỗi triệu token đầu vào và 6,00 USD cho mỗi triệu token đầu ra, so với 4,00 USD và 20,00 USD của Muse Wonder — và tồn tại một độ dài prompt mà tại đó lợi thế đó biến mất hoàn toàn. Bảng giá theo bậc của SpaceXAI định giá lại toàn bộ yêu cầu ở mức gấp đôi mức cơ sở khi prompt vượt qua 200.000 token: đầu vào lên 4,00 USD, đầu ra lên 12,00 USD, đầu vào được lưu đệm lên 1,00 USD. Với 250.000 token đầu vào cùng 8.000 token đầu ra, Grok 4.6 tính khoảng 1,10 USD và Muse Wonder tính khoảng 1,16 USD. Mô hình từng trông rẻ hơn 2,5 lần ở các prompt ngắn chỉ còn trong khoảng 6% so với đối thủ ở các prompt dài — và chính đối thủ, bản phát hành ngày 12 tháng 10 năm 2026 của Meta Superintelligence Labs, mới là bên duy trì mức giá cố định trên toàn bộ cửa sổ 1.048.576 token.

Điểm giao nhau đó là thứ hữu ích nhất trên trang này, và nó chỉ tồn tại nhờ một khác biệt thứ hai. Grok 4.6 cung cấp cửa sổ ngữ cảnh 500.000 token và sau đó tính mức giá theo bậc cho mọi thứ vượt quá 200.000 token; Muse Wonder cung cấp cửa sổ gấp đôi con số đó và không bao giờ tính theo bậc. Nếu prompt của bạn nằm dưới 200.000 token, tất cả những điều này không áp dụng và Grok 4.6 đơn giản là lựa chọn mua tốt hơn. Nếu không, hai mô hình có chi phí gần như bằng nhau và so sánh trở thành về năng lực thay vì giá cả.

Hai flagship, cách nhau tám tuần

Grok 4.6 là mẫu chủ lực của SpaceXAI, ra mắt ngày 12 tháng 8 năm 2026, với giá 2,00 đô la cho mỗi triệu token đầu vào và 6,00 đô la cho mỗi triệu token đầu ra, còn đầu vào được lưu đệm có giá 0,50 đô la. Mẫu này sở hữu cửa sổ ngữ cảnh 500.000 token, nhận đầu vào dạng văn bản, hình ảnh và tệp, trả về văn bản, hỗ trợ mức độ suy luận có thể cấu hình và gọi công cụ gốc, đồng thời được định giá theo hai bậc: mọi thứ tới 200.000 token gợi ý ở mức giá cơ bản, mọi thứ vượt ngưỡng đó ở mức gấp đôi. Hồ sơ công bố của nó hoàn toàn không nêu con số đầu ra tối đa cho một phản hồi đơn lẻ, đó là một khoảng trống chứ không phải số không — không có con số nào để lập kế hoạch cho khối lượng công việc tạo dài.

Muse Wonder là bản phát hành tiên phong của Meta Superintelligence Labs, ra mắt ngày 12 tháng 10 năm 2026 như một phần của loạt hai checkpoint. Bản có thể gọi được là muse-wonder-1.0, được phục vụ trên Meta Model API và bên trong Muse Code; Muse Wonder Full đạt điểm cao hơn chỉ được bán thông qua đăng ký Muse Code và không có giá theo token. Checkpoint có thể gọi được chấp nhận đầu vào văn bản, hình ảnh, giọng nói và video, trả về văn bản, sở hữu cửa sổ ngữ cảnh 1.048.576 token, giới hạn một phản hồi ở 943.718 token, tính phí $4,00 cho đầu vào, $0,20 cho phần được lưu đệm và $20,00 cho đầu ra trên mỗi triệu token trên toàn bộ cửa sổ, và chạy suy luận một cách bắt buộc với thang mức nỗ lực từ tối thiểu đến tối đa, mặc định là trung bình.

Hội đồng độc lập đã đo cả hai đặt chúng cách nhau tám điểm — Muse Wonder ở 52, Grok 4.6 ở 44 — và cũng đánh dấu Grok 4.6 là đã bị Grok 4.7 thay thế. Chi tiết cuối cùng đó quan trọng vì một lý do không hiển nhiên: Grok 4.7 có cùng mức giá niêm yết $2.00/$6.00 như mô hình mà nó thay thế, nên mô hình kế nhiệm không phải là một lựa chọn rẻ hơn. Nó là một lựa chọn có hình dạng khác.

Các bảng giá cước, và hàng duy nhất không phải là một con số

Mọi mục trong danh sách này là thông tin bảng giá của nhà cung cấp trên mỗi triệu token, ngoại trừ hai hàng cuối, vốn là các phép đo độc lập.

• Đầu vào hạng nhất — Grok 4.6 $2.00 mỗi triệu; Muse Wonder $4.00

• Đầu ra hạng nhất — Grok 4.6 $6.00 mỗi triệu; Muse Wonder $20.00

• Đầu vào được lưu trong bộ nhớ đệm — Grok 4.6 $0,50 mỗi triệu; Muse Wonder $0,20

• Trên 200.000 token prompt — Grok 4.6 chuyển sang $4,00 đầu vào, $12,00 đầu ra và $1,00 cho bộ nhớ đệm trên toàn bộ yêu cầu; Muse Wonder không thay đổi

• Cửa sổ ngữ cảnh — Grok 4.6 500.000 token; Muse Wonder 1.048.576

• Đầu ra tối đa trong một phản hồi — Grok 4.6 chưa được phát hành; Muse Wonder 943,718 token

• Bề mặt nhập liệu — Grok 4.6 văn bản, hình ảnh và tệp; Muse Wonder văn bản, hình ảnh, giọng nói và video

• Kiểm soát suy luận — Grok 4.6 từ low đến xhigh với mặc định cao; Muse Wonder từ minimal đến max với mặc định trung bình, và không có tùy chọn tắt

• Chỉ số Trí tuệ, được đo lường độc lập — Grok 4.6 44, thứ ba mươi bảy trong số 216; Muse Wonder 52, thứ chín trong số 216

• Chi phí hoàn thành một tác vụ chỉ mục, được đo theo cùng cách — Grok 4.6 khoảng $1,48; Muse Wonder khoảng $4,52

Hàng cuối cùng là nơi câu chuyện về giá trở nên thật sự rõ ràng. Chi phí gấp ba lần cho mỗi tác vụ hoàn thành là khoảng cách lớn hơn mức bảng giá tổng hợp hàm ý, và nguyên nhân không phải do Grok 4.6 quá xa hoa — mà ngược lại. Trong đánh giá đó, Grok 4.6 tiêu thụ khoảng 94 triệu token đầu ra so với 130 triệu của Muse Wonder, với trung vị trên bảng xếp hạng gần 85 triệu. Mô hình rẻ hơn cũng là mô hình ít nói hơn, điều này không bình thường trong phân khúc giá này và có nghĩa khoảng cách giá niêm yết là thật chứ không phải là hệ quả giả tạo của việc một mô hình viết nhiều hơn.

Nơi sự giao thoa thực sự diễn ra

Hãy lấy một khối lượng công việc hợp lý: 70% chi phí prompt nằm ở phần đầu vào, một tiền tố hệ thống ổn định được lưu vào bộ đệm, và một phản hồi dài vài nghìn token. Phép tính dưới đây dựa trên giá niêm yết đã công bố của từng nhà cung cấp và là phép tính của chúng tôi, không phải điểm chuẩn của nhà cung cấp.

• 30.000 đầu vào và 8.000 đầu ra, không cache — Grok 4.6 khoảng $0,11; Muse Wonder khoảng $0,28. Grok rẻ hơn khoảng 2,6×.

• 250.000 đầu vào và 8.000 đầu ra, không cache — Grok 4.6 khoảng 1,10 USD theo mức bậc thang; Muse Wonder khoảng 1,16 USD theo mức cố định. Chênh lệch khoảng 5%.

• 400.000 đầu vào và 8.000 đầu ra, không lưu đệm — Grok 4.6 khoảng $1,70; Muse Wonder khoảng $1,76. Vẫn ngang bằng, và Grok 4.6 hiện chỉ còn cách cuối cửa sổ của nó 100.000 token trong khi Muse Wonder đang dùng 38% cửa sổ của chính nó.

• Lượt đọc từ bộ nhớ đệm ở 250.000 token ngữ cảnh — Grok 4.6 1,00 USD mỗi triệu so với 0,20 USD của Muse Wonder, lợi thế gấp 5 lần cho Meta khi bộ nhớ đệm đã ấm và lời nhắc đủ dài để đã kích hoạt bước

Điểm mấu chốt nằm ở mô hình. Grok 4.6 rẻ hơn đáng kể cho công việc mà hầu hết các nhóm làm phần lớn thời gian, và nó ngang bằng hoặc kém hơn một chút đối với công việc khiến người ta tìm kiếm cửa sổ một triệu token ngay từ đầu. Một mô hình chi phí xây dựng từ mức giá niêm yết sẽ phóng đại quá mức lợi thế của Grok đối với lưu lượng ngữ cảnh dài.

Tám điểm chỉ số mua được những gì, và những gì chúng không mua được

Sự độc lập được đo lường ở đây có hai mặt, và điều đáng làm là xác định chính xác số liệu nào đến từ đâu.

Những con số được công bố mạnh nhất của Grok 4.6 đều đến từ bên thứ ba, và một trong số đó tốt một cách bất thường. Trên GPQA Diamond, một bộ câu hỏi khoa học ở trình độ sau đại học, nó đạt 94.9 — điểm cao nhất ở phân khúc hạng nhất trong cùng tầm giá, và cũng là nơi Muse Wonder hoàn toàn không có dòng đánh giá độc lập nào được công bố. Nó cũng đạt 61.0 trên Humanity's Last Exam và 76.8 trên bài đánh giá lập trình độc lập, cả hai đều đến từ cùng một đơn vị đánh giá. Với khối lượng lớn công việc dạng câu hỏi, đó chính là những con số dự báo liệu mô hình có khiến bạn xấu hổ hay không, và với mức $2.00/$6.00 thì đây là một món hời lớn.

Sức mạnh của Muse Wonder có một hình dạng khác, và đó cũng là lý do khoảng cách tám điểm trên chỉ số không phải là câu chuyện chính. Bảng công bố của chính Meta — do nhà cung cấp báo cáo, được chạy trong harness của Meta và chưa được tái lập — được xây dựng gần như hoàn toàn từ các tác vụ agentic và terminal tầm xa, và các bài bình luận độc lập đã chọn lọc từ đó. Các hàng DeepSWE 1.1 và SWE-Marathon của Meta đưa dòng mô hình này vượt lên trên những mô hình mà nó so sánh, và giới hạn đầu ra 943.718 token là một lợi thế cấu trúc mà không bảng giá nào nắm bắt được: một khối lượng công việc tạo ra một artifact đơn lẻ rất lớn, dù đó là một ứng dụng được tạo ra hay một tài liệu có cấu trúc dài, không có con số Grok 4.6 nào để so sánh, bởi vì Grok 4.6 không công bố con số nào.

Vậy nên sự phân tách không phải là tốt hơn đối chọi với tồi hơn. Đó là rẻ-và-nhanh đối chọi với dài-và-phẳng, và trục quyết định điều đó là độ dài prompt.

Giờ đã có ba mẫu, không phải hai, một khi bản kế nhiệm vào cuộc.

Bảng đánh giá độc lập đánh dấu Grok 4.6 là đã bị thay thế và chỉ ra Grok 4.7, phiên bản đạt 46 điểm so với 44 của Grok 4.6, chạy ở cùng mức giá niêm yết $2.00/$6.00 với cùng mức đọc cache $0.50 và cùng cửa sổ 500.000 token, công bố giới hạn đầu ra 450.000 token mà phiên bản tiền nhiệm không có, và cung cấp thêm một thiết lập nỗ lực ở mức cao nhất. Đây là bản nâng cấp rõ ràng trên giấy.

Hóa đơn lại nói điều khác. Chi phí cho mỗi tác vụ index đã hoàn thành của Grok 4.7 vào khoảng 3,74 USD, so với 1,48 USD của Grok 4.6, vì nó tiêu thụ khoảng 240 triệu token đầu ra trong lần chạy mà phiên bản tiền nhiệm chỉ dùng 94 triệu. Mới hơn, điểm cao hơn và cùng giá niêm yết, vậy mà vẫn đắt hơn 2,5 lần cho mỗi công việc đã hoàn thành. Đó là trường hợp hiếm hoi mà cờ ngừng hỗ trợ trên trang model tự nó không phải là lý do để chuyển, và điều đó đáng để biết trước khi bạn di chuyển lưu lượng mà lẽ ra bạn không cần di chuyển.

Với bất kỳ ai xây dựng thứ này như một pipeline hai mô hình thay vì một dự án hai nhà cung cấp, phần định tuyến thì đơn giản với một nửa và không hề đơn giản với nửa còn lại. OrcaRouter mang Grok 4.6 dưới dạng grok/grok-4.6 ở đúng giá niêm yết của chính SpaceXAI với mức chênh lệch 0% — giá niêm yết của nhà cung cấp được chuyển nguyên vẹn, nên giá theo gói và mọi thay đổi đối với chúng đều đến đây trong cùng ngày — phía sau cùng một key như hơn 200 mô hình khác, với khả năng tự động chuyển sang nhà cung cấp dự phòng khi một endpoint gặp trục trặc. Muse Wonder không có trong danh mục của chúng tôi, và không có dịch vụ phục vụ của bên thứ ba nào mà chúng tôi có thể xác minh, nên cách duy nhất để gọi nó hiện nay là API của chính M​eta và Muse Code. Một lệnh gọi hợp nhất mô hình, chạy mô hình rẻ và mô hình mạnh song song rồi chọn giữa các câu trả lời, là một trong những việc mà một endpoint duy nhất giúp làm dễ dàng hơn — nhưng nó chỉ có thể bao gồm những mô hình mà có ai đó đang phục vụ.

Sự lựa chọn, dựa theo độ dài prompt thay vì dựa theo phán quyết

Dưới 200.000 token prompt, ở quy mô lớn, với công việc dạng câu hỏi: Grok 4.6, không cần đắn đo nhiều. Nó rẻ hơn 2,6× ở những dạng yêu cầu mà hầu hết các nhóm thực sự gửi, đạt 94,9 trên bài benchmark độc lập duy nhất mà ở đó nó vượt trội mọi thứ trong cùng phân khúc, và nhanh hơn khoảng 2× về thời gian tới token đầu tiên so với đối thủ. Lưu ý duy nhất là Grok 4.7 tồn tại ở cùng mức giá niêm yết với một bậc nỗ lực bổ sung — hãy kiểm tra số token của chính bạn trước khi cho rằng nó tốn kém hơn, bởi vì con số được công bố cho thấy nó sẽ tốn hơn.

Hơn 200.000 token lời nhắc, hoặc vài trăm nghìn token ngữ cảnh được giữ mở xuyên suốt một lượt chạy tác nhân dài, hoặc một tác vụ có đầu ra khổng lồ: Muse Wonder. Sự giao thoa là có thật và rất sắc nét, và mức trần phản hồi 943.718 token không phải là con số mà Grok 4.6 có thể trả lời bằng một con số của riêng nó.

Giữa chúng là nhận định trung thực rằng đây là cặp đôi duy nhất trong cửa sổ ra mắt của M​eta mà mô hình rẻ hơn cũng là mô hình tinh gọn hơn, nên phần chênh lệch giá là để mua năng lực chứ không phải mua token. Hai ngày sau khi Muse Wonder được phát hành, năng lực đó được mô tả bằng một hàng độc lập và một bảng của nhà cung cấp. Năng lực của Grok 4.6 đã tích lũy từ tháng Tám.