Muse Wonder 对比 Claude Opus 5.5：相同价格，仅一分指数之差，账单却大不相同

Muse Wonder 和 Claude Opus 5.5 的价格相同，均为每百万输入 token 4.00 美元、每百万输出 token 20.00 美元，二者都具备 100 万 token 的上下文窗口，且都是强制思考的前沿推理模型。在 Artificial Analysis 的独立 Intelligence Index 上，Claude Opus 5.5（max）得分为 58，Muse Wonder（max）得分为 52——这两个配置是在同一个包含 219 个模型的类别中测量的。对于完全相同的标价而言，这是六分的差距，而更有意思的数字并不是这六分，而是每个模型为了挣得这些分数所消耗的 token 量。

简短回答：如果你依据的是每美元可衡量的能力来选型，并且会跑大量流量，那么今天 Claude Opus 5.5 是更稳妥的选择。如果你的工作是长时程的智能体循环——计算机操作、定时的专业任务、持续的工具链——那么 Muse Wonder 根据厂商报告所呈现的能力画像确实具有与众不同的优势，而且差异大到值得实际测试，而不是想当然。下面先给出数据，再讲推理。

每个模型实际上是什么

Claude Opus 5.5 于 2026 年 9 月 22 日发布，至今已有三周时间积累独立评测数据与各服务商的接入覆盖。Artificial Analysis 已将其收录于九家 API 服务商，这实际上意味着，无需定制集成，即可通过大多数网关和大多数云平台访问它。

Muse Wonder 于 2026 年 10 月 12 日发布——就在本文撰写的前一天——来自 Meta Superintelligence Labs，并且以两个检查点而非一个的形式交付。可调用的模型是 Meta Model API 和 Muse Code 中的 muse-wonder-1.0；得分更高的 muse-wonder-full-1.0 仅限 Muse Code 订阅使用，不按 token 出售。针对可调用检查点存在独立测量，但很有限；而对于 Full 检查点，广泛流传的唯一数字是 Meta 自己表格中的条目——Artificial Analysis 有一个 Full 行，但那是评测者自己的 56，而不是厂商的 59。

这种不对称是首先需要牢记的一点。Opus 5.5 已是定论。Muse Wonder 才发布两天，只有厂商的一份评分榜和一家独立实验室对它的解读。

就我们现有的数据进行正面比较

以下每条线的两侧均取自 Artificial Analysis，除非标注为厂商报告：

• Artificial Analysis 智能指数（最高）——Claude Opus 5.5 为 58，在 219 个模型的类别中得分最高；Muse Wonder 52，同属该类别

• 标价——输入每百万 token 为 $4.00，输出每百万 token 为 $20.00，两者相同，且均享有约 95% 的缓存折扣

• 每项 Intelligence Index 任务成本 — Claude Opus 5.5 约 5.98 美元；Muse Wonder 约 4.52 美元

• 评估中消耗的输出 token —— Claude Opus 5.5 约 2.6 亿，而中位数为 8500 万；Muse Wonder 约 1.3 亿

• 输出速度 — Claude Opus 5.5 约为每秒 95.6 个 token；Muse Wonder 尚未由同一实验室发布

• 上下文窗口——两者均为 1,048,576 个 token；Muse Wonder 的输出预算上限为 943,718 个 token

• 模态输入 — Claude Opus 5.5 支持文本和图像输入；Muse Wonder 支持文本、图像、语音、视频和文件输入

• 推理控制 — Claude Opus 5.5 支持思考预算，包括无思考配置；Muse Wonder 的推理是强制性的，提供从最低到最高的努力程度阶梯，默认设为中等

• 可用性 —— 截至本周，Claude Opus 5.5 已在九家 API 服务商上线；Muse Wonder 已在 Meta 自有 API 上线，以及 Muse Code

其中有两点值得单独提出来说。第一，每次索引任务的成本：尽管价目表完全相同，Opus 5.5 在单位实测能力上的成本却高出 32%，而这完全取决于它消耗多少 token。第二，token 用量：2.6 亿对 8500 万的中位数，这可不是一般的"话多"，而且它是这两个模型之间最具实质影响的运行差异。在固定的输出预算下，Opus 5.5 会更快把它填满。

Opus 5.5 明显胜出的地方

指数差距并不能说明全部问题，但它也并非噪声。Opus 5.5（max）创下了 Artificial Analysis 在该类别中测得的最高指数得分。它有一个 xhigh 配置得分为 56，还有一个 high 配置得分为 54，因此你可以用能力换取成本，而 Muse Wonder 的阶梯并不能明显地映射到这种取舍方式——Opus 5.5 在 high 配置下的得分仍高于 Muse Wonder 在 max 配置下的得分。

提供商的覆盖面，其重要性比听起来要大。九家提供商意味着在延迟和区域可用性上的竞争，也意味着某个端点发生故障只是件麻烦事，而不是一场事故。Muse Wonder 目前只有一条供应商路径，再加上任何会接入它的网关；而接入一个刚上线一天的模型的网关，往往会滞后于供应商的参数面——尤其是 reasoning-effort 枚举，在模型发布后一周内通常都是过时的。

而 Opus 5.5 的非强制推理在高流量、对延迟敏感的负载上是实实在在的优势。能够在不支付思考 token 费用的情况下运行任务，这是 Muse Wonder 根本不具备的杠杆：Muse Wonder 上的每一次调用都会思考，而这些 token 按每百万 20 美元计费。

Muse Wonder 有保护壳的地方

Meta 自己的表格并没有让可调用的 Muse Wonder 在厂商自家测试套件上比 Opus 5.5 占多少优势，而其中一个看似胜出的地方其实并非如此。在 AutomationBench-AA 上，厂商报告 Muse Wonder 为 60.5，Claude Opus 5.5 为 65.6，所以这一项归 Opus。在 JobBench——长时程专业任务——上，模式则大幅反转，但只有看 Full 检查点时才如此：Muse Wonder Full 为 75.3，Opus 5.5 为 30.6，而 Muse Wonder 本身为 30.8。

请仔细读这段话，而不是把它当成标题一扫而过。可通过 API 调用的 Muse Wonder 在 JobBench 上得 30.8 分，基本与 Opus 5.5 的 30.6 持平。75.3 分属于仅限订阅的 Full 检查点。所以，Meta 最可能拿来引用的那项基准测试提升，并不在你按 token 实际支付的价格下提供——它要在每月 50 美元或 200 美元的档位才有。

可调用的 Muse Wonder 确实展现出厂商所报告的真实优势，体现在 Terminal-Bench 4.0-AA 上取得 85.6，而 Opus 5.5 为 81.5；SWE-Marathon 上为 78.8，对手则为 74.2。这两者都是长时间运行的编码智能体测试套件，而且这两组数字都出自 Meta 自家的评测框架，而非独立结果。它们是你针对长时运行的编码智能体去测试 Muse Wonder 的正当理由，却不是假定它就能胜出的理由。

多模态输入是唯一毫无争议的优势。Muse Wonder 直接接受语音和视频；Opus 5.5 则接受文本和图像。如果你的流水线目前先转录音频，再对其推理，那属于架构差异，而不是舍入误差。

两个模型相同的价签，以及账单为何会大相径庭

按输入 4 美元、输出 20 美元计，这两个模型都算不上经济之选，决定性变量是 token 用量而非费率。在同一评估框架下，Opus 5.5 消耗的输出 token 量约为 Muse Wonder 的两倍，这会让相同的价目表在规模化时变成金额显著不同的账单。Anthropic 的模型还支持带折扣的提示缓存，这是针对具有稳定系统提示的冗长模型的标准缓解手段——如果你的工作负载有庞大的固定前缀，冗长带来的惩罚就会缩小。

Muse Wonder 的成本杠杆是投入程度设置。默认设为中等，把高或最高留给真正需要它们的调用，这就是正常的前沿模型账单与一份令人意外的账单之间的区别，因为每个投入等级都按相同方式计费，唯一变化的是模型在回答前思考多久。不存在像非思考型模型上那样、靠缓存绕开它的廉价路径。

有一件事你绝不该做，那就是只看价格表就做决定。这两款模型在纸面上的价格相同，但按实际测量的任务来算，其中一款的成本要高出约三分之一。这是个预算问题，只有把你自己实际的流量分别跑过这两款模型，才能得出答案。

不使用三个账户运行比较

Claude Opus 5.5 已上线 OrcaRouter，价格与 Anthropic 官方标价完全一致——每百万输入 token 4.00 美元，每百万输出 token 20.00 美元，缓存读取费率为 0.20 美元，同时保持相同的 1M 上下文窗口，我们这边不加任何加价。这使它成为上文对比中一个一键即可接入的参照基准。

Muse Wonder 并未上架 OrcaRouter，我们也不会假装它上了：我们的目录中不存在 meta/muse-wonder 条目，实话实说，Muse Wonder 目前运行在 Meta 自家的 API 和 Muse Code 上。我们确实提供来自同一实验室的 Muse Spark 1.2 和 Muse Spark 1.1，所以如果你想获得 Meta 的推理血统，又不想建立新的供应商关系，Muse 系列是触手可及的。

这篇文章的实用版本是：把你真实任务的一个样本，通过一个 OpenAI 兼容端点跑在 Claude Opus 5.5 上，保持测试框架完全一致，并且记录 token 数量，而不只是通过率。OrcaRouter 可在 200 多个模型之间进行路由，且提供商的标价原样透传，因此当某个提供商降价时，你看到的数字当天就会变化。如果某个提供商开始提供 Muse Wonder，对它运行相同的测试只是改一下模型名称，而不是一次迁移。

在它们之间进行选择

• 如果你想要当今可获得的、经独立测量的最高能力，如果你需要面向高流量流量的非思考快速路径，或者如果你想要同一个模型背后有九家提供商带来的安全保障，就选择 Claude Opus 5.5。

• 如果你的工作负载是长时间运行的编码智能体或多模态输入——语音和视频在模型内，而不是在预处理步骤中——并且你愿意接受一个发布仅两天、基准由供应商报告且只有一家独立实验室解读的模型，那就测试 Muse Wonder。

• 不要为了 JobBench 的那个分数去购买 Muse Code 订阅。75.3 属于 Full checkpoint，而 API 模型在同一测试套件上得分为 30.8。

• 关注独立计算的每任务成本线。如果 Artificial Analysis 公布 Muse Wonder 在规模化持续运行下的数据接近 $4.52，那么在 Opus 5.5 约 $5.98 的价格下，这六个指数点的差距就更加难以站得住脚。

相同的标价，一方在实测能力上明显领先，而 token 用量差异将比指数决定更多预算。这是一次异常清晰的比较——而且异常容易用你自己的流量来定论，而不是靠任何人的记分牌。