Muse Wonder 与 Claude Opus 5：更便宜的模型，以更低成本完成任务

Meta Muse Wonder 和 Claude Opus 5 在输入行上的标价相差一美元，在输出行上相差五美元，而对预算有实际影响的差异根本不在这里。在 Artificial Analysis 自己的测试框架上——两者在相同硬件上以最高投入运行同样的十项评估——Muse Wonder 完成一项 Intelligence Index 任务约需 4.52 美元，Claude Opus 5 约需 5.86 美元，差距为 23%，有利于 Muse Wonder，而这是任何价目表都预测不到的。Meta Superintelligence Labs 于 2026 年 10 月 12 日发布了 Muse Wonder；同一实验室于 2026 年 7 月 24 日发布了 Claude Opus 5。两者都具备百万 token 窗口，两者都是闭源的，并且两者的定价都处在 Artificial Analysis 称之为昂贵的档位中。账单结果不同的原因根本不在于价格。

两张费率卡，以及决定胜负的第三行

先从两家供应商各自公布的内容说起，因为从纸面上看，两者足够接近，读者完全有理由认为这算打平。

• 输入 — Muse Wonder 每百万 token 4.00 美元；Claude Opus 5 为 5.00 美元。Muse Wonder 便宜 20%。

• 输出 — Muse Wonder 每百万个词元 $20.00；Claude Opus 5 $25.00。又是 20%。

• 缓存输入——Muse Wonder 每百万 $0.20；Claude Opus 5 每百万 $0.50。在这里，Muse Wonder 便宜了 60%，而在智能体场景中，这一项才是最关键的成本，因为一个长会话会在每一轮都重新发送相同的系统提示词和工具 schema。如果你的输入中有 70% 命中缓存，那么在 Opus 5 上，实际输入价格为每百万 $0.54，而 Muse Wonder 为 $0.29——差距不是 20%，而是接近一半。

• 上下文窗口——两者均为一百万个 token。Meta 的检查点文档记录的最大输出为 943,718 个 token，对应 1,048,576 个 token 的窗口；Claude 的价目表则公布，在同一个百万 token 窗口内，Opus 5 的最大输出为 128,000。如果你的工作负载产生的是非常长的单次响应，而不是很长的推理轨迹，那么这一差异就是整个比较的关键。

• 推理控制 — Muse Wonder 强制进行推理，提供 max、xhigh、high、medium、low 和 minimal 的力度梯度，默认值为 medium；推理 token 按输出计费。Claude Opus 5 采用供应商的自适应思考设计，没有可设置的 temperature 或 top_p，深度通过推理力度来调节，由模型自行分配思考量。

• 模态 — Muse Wonder 宣称支持文本、图像、语音和视频输入，并以文本输出。Claude Opus 5 接受文本、图像和文件，并返回文本。

顺着那份列表往下看，合理的结论是“Muse Wonder 稍微便宜一点，也多一点多模态能力。”但实测账单显示的数字要大得多，原因就在于费率卡没有的那一列。

23%究竟来自哪里

Artificial Analysis 会公布每个模型通过其指数测试所消耗的 token 量，而正是这个数字，让两份相似的价格表变成了两张截然不同的账单。

• 每项 Intelligence Index 任务的成本 — Muse Wonder 约为 4.52 美元；Claude Opus 5 约为 5.86 美元。这两个数字均出自评估方，而非任一供应商。

• 该次运行消耗的输出 token——Muse Wonder 约 130M；Claude Opus 5 约 140M，而榜单中位数接近 85M。

• 评估者对每个模型的评价——Muse Wonder“有些冗长”；Claude Opus 5“非常冗长”。

• 同一次运行中的速度——Muse Wonder 在这里并不是快的那个；Artificial Analysis 测得 Claude Opus 5 约为每秒 54 个 token，相比接近 84 的榜单平均值，这被描述为明显偏慢。

• 我们自己的监测数据，截至10月12日的七天——Claude Opus 5 的首 token 延迟（p50）为 6.1 秒，输出速度为每秒 76.8 个 token，整个时间窗口内的错误率为 3.7%。这是 OrcaRouter 的测试环境测量结果，取自经过我们端点的实时流量，且与评估方使用的测试框架不同，因此这两个速度值之间不具可比性。

所以，单任务价格的差距并不是由巨大的冗长程度差异造成的——130M 对 140M 是 7%。它是低 20% 的输出速率、低 35% 的缓存率，再加上 token 消耗量，三者叠加的结果。每一项单独来看都不算大；但合在一起，它们就是单任务成本约 $4.50 的模型与约 $5.90 的模型之间的差别。

独立评分怎么说，包括你可能应该做的那个对比

在同一指标上，Muse Wonder（max）得分52，Claude Opus 5（max）得分51。在一个中位数为27的领域综合指标上，一分的差距并不构成一个层级。应把它们视为同一能力等级，并根据成本、延迟和模态来做决策，而不是根据分数。

复杂之处在于，Claude Opus 5 并不是该实验室最新的模型。

• Claude Opus 5.5（max）——智能指数 58，每个指数任务约 5.98 美元，输出 token 约 2.6 亿，输入 4.00 美元、输出 20.00 美元，速度约每秒 96 个 token。与 Muse Wonder 标价相同，指数高出七分，而产生这一成绩所需的 token 消耗量几乎是其两倍。

• Claude Opus 5（max）—— 51，每项任务约 5.86 美元，约 1.4 亿个 token，输入 5.00 美元、输出 25.00 美元，大约每秒 54 个 token。

• Muse Wonder (max) — 52，每项任务约 $4.52，约 1.3 亿个 token，输入 $4.00，输出 $20.00。

这就是这场对比的真实面貌。面对 Opus 5，Muse Wonder 在每一条轴线上都同时领先：每 token 更便宜、每任务更便宜、得分高一分、缓存也更便宜。而面对 Opus 5.5，它落后七分，每任务成本略低——在标价完全相同的情况下，这是一笔直截了当的以能力换金钱的交易。真正有意思的发现是那个不声不响的：Claude Opus 5.5 的每任务成本高于 Claude Opus 5，尽管它与 Muse Wonder 共享同一 token 价格，因为它生成了 2.6 亿 token，而 Opus 5 只生成了 1.4 亿。Opus 的价目表上没有任何东西能告诉你这一点。

就 Muse Wonder 自身而言，值得提及的两个基准测试是 Meta 自己的表格中排在最前面的那些，以及那些使其优势变得有条件的基准。Meta 报告 Muse Wonder Full 在 JobBench 上为 75.3，Muse Wonder 为 30.8，同一模型的两个检查点之间相差 44 分——供应商报告，在 Meta 的测试框架中产生，且未被任何人复现。这反映的是真实的能力差异还是测试框架的假象，尚未有定论，而这是在你投入之前运行自己的任务的最佳理由。

可用性是两张表都未涵盖的维度

Claude Opus 5 拥有 API 标识符、费率卡、已公布的弃用下限，以及三个可触达它的入口：供应商自家平台、各大云服务商，以及任何承载它的网关。Muse Wonder 只有一条商业路径——Meta Model API，即 muse-wonder-1.0，外加 Meta 自家的 Muse Code 智能体——以及第二个检查点 muse-wonder-full-1.0，它完全不是按 token 出售的。Meta 自己的材料将 Full 描述为随 Muse Code 订阅附带提供，而非作为 API 层级可获取；其公布的套餐价格为 Power Usage 每月 50 美元、Maximum Usage 每月 200 美元。

这对比较至关重要，但其重要性完全与基准测试无关。Meta 的两个检查点中得分更高的那个——在 Artificial Analysis 指数上为 56，在 699 个模型中排名第四——是你无法用 API 密钥调用的那个。你能调用的那个得分为 52。每一份将“Muse Wonder”视为单一模型的规格表，都是在不说明的情况下选择要印出这两个数字中的哪一个。

如何根据自己的工作量来解决这件事

上面的论证是建立在别人的测试框架和别人的任务之上的，而 $4.52 与 $5.86 之间的差距，只是你可能并不会运行的十次评估的平均值。真正应该决定你选择的是你自己流量上每个已完成作业的成本，而要得到这个数字，唯一的方法就是把两者都运行一遍。

这就是单一端点为你带来的具体好处。Claude Opus 5 今天已在 OrcaRouter 上线 按厂商标价提供——输入 $5.00，输出 $25.00，每百万次缓存读取 $0.50，百万 token 上下文窗口和 128,000 token 输出上限保持不变，同时通过 GPT 聊天补全格式和厂商原生的 Messages API 提供服务，因此现有的 Claude 集成无需重写即可迁移过来。供应商标价原样传递，我们不收取任何加价，这意味着厂商降价当天就会体现在我们这边，而不是等到下一个计费周期。

Muse Wonder 并不在 OrcaRouter 上，我们也不会把它说得好像在上面一样：我们的目录里根本没有 meta/muse-wonder 这一条目。要访问它，只能走 Meta 自家的 Model API 和 Muse Code。我们真正提供的、来自同一实验室的是Muse Spark 1.2——Meta 的多模态推理检查点，输入 $1.25、输出 $4.25，缓存读取 $0.15，上下文窗口为 1,048,576 个 token。它不是同一个模型，也不属于同一能力级别，但如果你真正想要的是这个系列而非旗舰款，它就是 Meta 的廉价路线。

如果你想做真正同口径的对比测试——相同的提示词、相同的 effort 设置、你自己统计的 token 数——今天就可以用一个密钥跑通 Claude 这一侧；等 Muse Wonder 接入我们路由的某家提供商时，它会以 Meta 的价格出现，并遵循同样的透传规则。在那之前，诚实的建议是：在你的任务上测一测 Opus 5，把结果与上面的每任务数据对比，并把 Muse Wonder 的 23% 优势当作假设，而不是事实。

裁决

在与 Claude Opus 5 的对比中，Muse Wonder 在真正被测量的数字上胜出：高出一个指数点，每完成一项任务成本低 23%，缓存成本显著更低，输入面更宽，最大输出更大。对于长周期工作而言，它是每美元性价比更高的模型，而且这一差距是真实存在的，并非四舍五入造成的假象——两者在得分上十分接近，却在价格上相差 20%，在缓存上相差 60%。

面对 Claude Opus 5.5，同一款模型落败，而且败得毫不含糊：以仅低约 25% 的单任务成本，换来七个指数点的差距。如果你的工作负载正是那种综合指数上七个点值得每项任务多付 25% 的场景，那么 Muse Wonder 不是答案，Opus 5 也不是。

两次比较都没有厘清的是检查点问题。Meta 公布的三组 Muse Wonder 数字中，有两组描述的模型无法按 token 购买，而真正能用上它的订阅服务，每月费用比大多数团队的全部 API 支出还高。请按 52 来做规划，而不是 56。