Muse Wonder vs Grok 4.7: Mô hình có chi phí gấp đôi trên mỗi token và chỉ gấp 1,2 lần trên mỗi tác vụ

Trên bảng giá, Muse Wonder trông như thuộc một khung giá khác với Grok 4.7. Meta tính 4,00 USD cho mỗi triệu token đầu vào và 20,00 USD cho mỗi triệu token đầu ra đối với Muse Wonder, mẫu được hãng phát hành ngày 12 tháng 10 năm 2026. xAI tính 2,00 USD và 6,00 USD cho Grok 4.7, phát hành ngày 21 tháng 9 năm 2026. Con số đó là gấp đôi ở đầu vào và hơn gấp ba ở đầu ra. Sau đó, Artificial Analysis chạy cả hai qua cùng một harness và báo cáo chi phí hoàn thành một tác vụ trí tuệ: khoảng 4,52 USD cho Muse Wonder (max) và khoảng 3,74 USD cho Grok 4.7 (xhigh). Khoảng cách 3,3× trên bảng giá thu hẹp còn 1,2× khi tính tiền, vì Grok 4.7 là mô hình dài dòng nhất trên bảng và Muse Wonder chỉ đứng thứ hai.

Khoảng cách bảng giá đi về đâu

Hai phòng thí nghiệm định giá token rất khác nhau và các mô hình tiêu thụ chúng rất khác nhau, theo những hướng ngược nhau. Một con số, số token đầu ra được tiêu thụ trong quá trình đánh giá chỉ mục, giải thích gần như toàn bộ điều đó:

• Token đầu ra trong lần chạy chỉ số — Grok 4.7 khoảng 240 triệu; Muse Wonder khoảng 130 triệu, so với mức trung vị của bảng là gần 82 triệu

• Giá niêm yết — Grok 4.7 $2.00 đầu vào / $0.50 bộ nhớ đệm / $6.00 đầu ra mỗi triệu; Muse Wonder $4.00 đầu vào / $0.20 bộ nhớ đệm / $20.00 đầu ra

• Chi phí đo được cho mỗi tác vụ lập chỉ mục — Grok 4.7 khoảng $3,74; Muse Wonder khoảng $4,52

• Chỉ số Trí tuệ — Muse Wonder (max) 52, thứ chín trong 219; Grok 4.7 (xhigh) 46

Tính dài dòng của Grok 4.7 là lý do bảng giá trông có vẻ rẻ của nó không tạo ra một tác vụ rẻ. Ở mức 240 triệu token đầu ra cho mỗi lần đánh giá, một lời gọi Grok 4.7 nói cùng nội dung như một lời gọi Muse Wonder cần khoảng gấp đôi số token để nói điều đó, và khoản tiết kiệm trên mỗi token lại bị tiêu vào việc mua nhiều token hơn. Mức giá đầu ra $20.00 của Muse Wonder gần gấp ba lần của Grok, nhưng nó phát ra chỉ khoảng một nửa số token — hai hiệu ứng gần như triệt tiêu lẫn nhau, và thứ còn lại là mức cao hơn 1,2× cho sáu điểm chỉ số.

Việc định khung lại đó quan trọng hơn vẻ bề ngoài, bởi vì nó đảo ngược lời khuyên thông thường. Nếu bạn định giá các mô hình dựa trên bảng giá niêm yết, bạn sẽ kết luận Grok 4.7 là lựa chọn tiết kiệm và Muse Wonder là hàng xa xỉ; nếu bạn định giá chúng dựa trên công việc đã hoàn thành, chúng chỉ chênh nhau trong vòng 22%.

Dòng cache là dòng không hủy.

Một dòng phá vỡ quy luật, và nó phá vỡ theo hướng có lợi cho Meta. Mức giá đầu vào được lưu đệm của Grok 4.7 là 0,50 đô la mỗi triệu token, không đổi so với Grok 4.6 và gấp năm lần mức 0,10 đô la của GPT-6.1 Sol. Mức của Muse Wonder là 0,20 đô la. Trên một pipeline nặng về lưu đệm prompt — một prompt hệ thống dài và một kho ngữ liệu cố định được gửi lại trong mỗi lần gọi — đó là lợi thế 2,5× ở hạng mục token lớn nhất trong yêu cầu, và lợi thế này không bị ăn mòn bởi sự dài dòng vì token đầu vào được lưu đệm không phải là token đầu ra.

Sự khác biệt không thể triệt tiêu còn lại là hình dạng của đường cong giá, và ở đây Meta thắng áp đảo:

• Cửa sổ ngữ cảnh — Muse Wonder 1.048.576 token; Grok 4.7 500.000 token

• Định giá lại cho prompt dài — Muse Wonder: không có; Grok 4.7 định giá lại toàn bộ yêu cầu ở mức 4,00 USD đầu vào và 12,00 USD đầu ra khi một prompt đạt 200.000 token

• Đầu ra tối đa trong một phản hồi — Muse Wonder 943.718 token; Grok 4.7 450.000 theo danh sách của chính nhà cung cấp

• Thang mức nỗ lực — Muse Wonder từ tối thiểu đến tối đa, mặc định là trung bình; Grok 4.7 thấp, trung bình, cao, xhigh, mặc định là cao, với xhigh mới trong thế hệ này

Bước 200.000 token của Grok 4.7 là vách đá dốc nhất mà cả hai phòng thí nghiệm bán ra. Một prompt ở mức 199.000 token và một prompt ở mức 201.000 token bị tính phí gấp đôi mức giá đầu vào và gấp đôi mức giá đầu ra trên toàn bộ yêu cầu — không chỉ trên phần vượt mức. Muse Wonder tính phí một prompt 400.000 token đúng bằng mức giá trên mỗi token như với một prompt 400 token. Đối với các khối lượng công việc kiểu truy xuất vốn thường mang theo một ngữ cảnh cố định lớn, chỉ riêng hàng đó có thể lớn hơn tất cả những hàng phía trên nó.

Sáu điểm chỉ mục đến từ đâu

Khoảng cách tổng hợp sáu điểm là một khoảng cách thực sự, và nó không tự phân bổ đều. Artificial Analysis chấm điểm cả hai mô hình trên cùng một bản sửa đổi chỉ số của mình; đây là các đo lường của chính nó chứ không phải tuyên bố của bất kỳ nhà cung cấp nào.

• AA-Briefcase — Grok 4.7 1.657 Elo ở mức xhigh, đứng thứ tư trên bảng; Muse Wonder không được công bố trên cùng một harness

• GDPval-AA — Grok 4.7 1,715 Elo, mức cao nhất trong số các mô hình không thuộc Anthropic; Muse Wonder chưa được công bố

• Sinh mã trên khung đánh giá riêng của nó — Muse Wonder không thể so sánh trực tiếp; Grok 4.7 đạt 57,4% trên SciCode và 43,1% trên Humanity's Last Exam

• Chi phí cho mỗi tác vụ chỉ mục — Grok 4.7 $3.74; Muse Wonder $4.52

Hồ sơ năng lực của Grok 4.7 là trải rộng chứ không nhọn: nó có năng lực ở suy luận, truy hồi ngữ cảnh dài và xử lý tài liệu chuyên nghiệp mà không dẫn đầu ở bất kỳ hạng mục nào, và nó thực sự nhanh với 82,6 token mỗi giây, điều mà Muse Wonder chưa từng được công bố trên cùng một khung đánh giá. Đặc điểm của Muse Wonder thì ngược lại — điểm tổng hợp cao hơn, một con số tốc độ chưa được công bố, và một bảng của nhà cung cấp tập trung các chiến thắng của nó vào công việc phần mềm trên terminal và tầm xa.

Bảng nhà cung cấp đó là của chính Meta và chưa được bất kỳ ai tái lập. Con số Terminal-Bench 4.0-AA là 85.6 dành cho Muse Wonder đứng cạnh 79.0 của Claude Fable 5.1 và 81.4 của GPT-6 Astra trong cùng một cột; kết quả Terminal-Bench 4.0 được đo độc lập của Grok 4.7 là 0.258 trên benchmark cùng tên, tức là một harness khác và một con số khác. Đừng đặt hai con số đó vào cùng một câu để so sánh — con số của Meta là tuyên bố của nhà cung cấp về mô hình của chính họ, còn con số của Artificial Analysis là kết quả đo lường mô hình của xAI, và các harness không giống nhau.

Một trong số này có một bản song sinh dạng thuê bao.

Meta phát hành Muse Wonder dưới dạng hai checkpoint. muse-wonder-1.0 là bản có trên Meta Model API với mức $4/$20. muse-wonder-full-1.0 đạt 56 điểm trên chỉ số độc lập — cao hơn Grok 4.7 mười điểm — và hoàn toàn không thể mua theo token; nó đi kèm với gói đăng ký Muse Code ở mức $50 một tháng cho Power Usage hoặc $200 một tháng cho Maximum Usage. Grok 4.7 không có sự phân tách tương đương. Bạn thấy gì thì mua nấy, trên một bảng giá duy nhất, tại một endpoint.

Đối với một nhóm đang cân nhắc giữa gói đăng ký $200 mỗi tháng và thanh toán theo token, đó mới chính là phần thực sự khó trong so sánh này. Lợi thế mười điểm của Full checkpoint so với Grok 4.7 lớn hơn sáu điểm của mô hình API, và gói đăng ký cố định là một kiểu mua rất khác so với mức phí theo dùng lượng — nó loại bỏ hoàn toàn điểm trừ vì sự dài dòng, vốn là điểm trừ khiến cho cặp đấu này trở nên sít sao ngay từ đầu.

Phía định tuyến, vốn không đối xứng ở đây

Cả hai đều là model của chính Meta và xAI, được bán qua API riêng của họ, và một trong số đó cũng là một tuyến mà chúng tôi cung cấp. Grok 4.7 nằm trong danh mục OrcaRouter với mã grok/grok-4.7, ghi ngày 2026-09-21, với mức giá của chính xAI là 2,00 USD cho input, 0,50 USD cho cache-read và 6,00 USD cho output trên mỗi triệu token, cùng cửa sổ 500.000 token, giới hạn output 450.000 token và quy tắc đổi giá ở ngưỡng 200.000 token đều được giữ nguyên. Định giá pass-through nghĩa là thay đổi trên bảng giá của xAI sẽ xuất hiện trên bảng giá của chúng tôi ngay trong cùng ngày, và cùng một key truy cập được phần còn lại của danh mục.

Muse Wonder không nằm trong các tuyến của chúng tôi. Không có mục meta/muse-wonder nào trong danh mục của chúng tôi và trang này sẽ không ám chỉ rằng có một mục như vậy — Model API của Meta và Muse Code là nơi nó chạy. Thứ mà chúng tôi thực sự cung cấp từ Meta Superintelligence Labs là meta/muse-spark-1.2, checkpoint lớn hơn mà dòng mô hình này bắt nguồn từ, với giá $1.25 cho đầu vào và $4.25 cho đầu ra trên mỗi triệu token trong cửa sổ 1,048,576 token cùng với $0.15 cho các lượt đọc cache.

Sự bất đối xứng đó thực ra chính là lập luận thực tiễn cho việc so sánh này. Tỷ lệ chi phí 1,2× và mức chênh lệch sáu điểm đều là các giá trị trung bình trên một bộ đánh giá chuẩn; trên lưu lượng của bạn, tỷ lệ này sẽ khác và bạn không thể biết khác bao nhiêu nếu không chạy thử. Grok 4.7 chỉ cách một thay đổi chuỗi. Khi Muse Wonder có mặt trên một nhà cung cấp mà chúng tôi định tuyến, nó cũng sẽ là thay đổi chuỗi tương tự — và cho đến lúc đó, quan điểm trung thực là bạn có thể kiểm thử một nửa của cặp so sánh này với chi phí thấp, còn nửa kia thì hoàn toàn không.

Lựa chọn giữa chúng

• Grok 4.7 cho bất cứ tác vụ nào mà bạn đã ưng hình dạng đó: cửa sổ 500.000 token bao quát hầu hết công việc truy xuất, mức trần đầu ra 450.000 token khá hào phóng, thang mức nỗ lực lên tới xhigh, và chỉ số tổng hợp đủ sát đến mức 1,2× hiếm khi quyết định điều gì.

• Grok 4.7 dành riêng cho công việc tài liệu chuyên nghiệp nặng về suy luận. Chỉ số GDPval-AA Elo của nó là mức đo mạnh nhất ngoài Anthropic trên bảng, và đó là điểm thành phần dự báo khả năng rà soát hợp đồng, phân tích tài chính và soạn thảo văn bản dài.

• Muse Wonder khi prompt lớn và cố định. Cửa sổ 1M không có bước đổi giá và mức đọc cache $0,20 là một thỏa thuận khác biệt về bản chất so với cửa sổ 500K vốn nhân đôi toàn bộ yêu cầu ở mốc 200.000 token, và sự khác biệt đó tích lũy qua từng lần gọi trong một vòng lặp.

• Muse Wonder khi đầu ra phải cực kỳ lớn. 943.718 token so với 450.000 chính là khác biệt giữa việc xuất ra một tạo tác hoàn chỉnh và việc phân trang nó.

• Muse Wonder khi đầu vào là giọng nói hoặc video. Grok 4.7 nhận văn bản và hình ảnh; mô hình của Meta nhận văn bản, hình ảnh, giọng nói và video, điều này thu gọn một giai đoạn của pipeline thay vì cải thiện một giai đoạn.

Tóm tắt hấp dẫn — mô hình rẻ hơn so với mô hình tốt hơn — sai ở cả hai vế. Grok 4.7 không hề rẻ hơn trên mỗi tác vụ hoàn thành như bảng giá của nó gợi ý, và lợi thế của Muse Wonder tập trung ở những chỗ mà điểm tổng hợp không thể thể hiện. Điều phân biệt chúng trên thực tế là kích thước prompt và kích thước đầu ra, và cả hai đều được in trong log của chính bạn.