Muse Wonder 对决 DeepSeek V4 Pro：每项任务 4.52 美元对 0.67 美元，二者相差 16 个指数点

Muse Wonder 与 DeepSeek V4 Pro 的对比，其实并不是真正的模型对比，而是一种附带能力差距的按任务价格对比。根据 Artificial Analysis 的独立测量，在 DeepSeek V4 Pro API 上，每百万输入 token 为 $1.32、每百万输出 token 为 $3.96 时，DeepSeek V4 Pro 每项 Intelligence Index 任务约为 $0.67。Muse Wonder (max) 在输入 $4.00、输出 $20.00 的费率下，每项指数任务约为 $4.52。按每单位实测能力计算，这大约是 6.7 倍的成本，而原始指数得分方面，DeepSeek V4 Pro 为 36，Muse Wonder 为 52。

所以问题不在于哪个模型更好，而在于十六个指数点和一条多模态输入路径是否值得接近七倍的运行成本——而对于大多数会传输大量 token 的工作负载来说，算术给出的答案是不值得。下面就是这种算术在哪些地方不成立、在哪些地方依然成立。

真正决定此事的算术

这两个数字都来自 Artificial Analysis，是在同一指数上测得的，因此它们具有直接可比性，而厂商记分板则做不到这一点：

• Artificial Analysis 智能指数 — Muse Wonder（max）52，在 219 个中排名第 9；DeepSeek V4 Pro 0813（max）36，在 117 个中排名第 9

• 每个索引任务的成本 — Muse Wonder 约 $4.52；DeepSeek V4 Pro 约 $0.67

• 标价 — Muse Wonder 每百万 tokens 输入 $4.00 / 输出 $20.00；DeepSeek V4 Pro 在其自有 API 上输入 $1.32 / 输出 $3.96

• 7:2:1 缓存命中/输入/输出混合情况下的综合价格——DeepSeek V4 Pro 约为每百万 tokens 0.69 美元；Muse Wonder 约为 2.94 美元

• 缓存折扣 — DeepSeek V4 Pro 97%；Muse Wonder 大约 95%

• 评估中消耗的输出令牌——DeepSeek V4 Pro 约 1.6 亿；Muse Wonder 约 1.3 亿

• 输出速度——DeepSeek V4 Pro 约为每秒 91.7 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

• 模态输入 — Muse Wonder 支持文本、图像、语音、视频和文件；DeepSeek V4 Pro 仅支持文本

• 权重 — DeepSeek V4 Pro 是 MIT 许可下的开放权重专家混合模型，总参数 1.6 万亿，激活参数 490 亿；Muse Wonder 为专有模型

这些指数数字看起来比实际更接近，因为排名的分母不同。Muse Wonder 的第九名是从 219 个模型中排出的；DeepSeek V4 Pro 的第九名是从 117 个模型中排出的。相同的排名数字，但在整体中的位置却大不相同。

0.67美元一项任务能给你带来什么

DeepSeek V4 Pro 于 2026 年 8 月 13 日发布，这意味着它已有两个月的生产使用和独立测量。这种成熟度体现在那些并非基准分数的数字上：97% 的缓存折扣、公开的混合价格、实测的输出速度，以及每任务成本估算——这正是构建预算模型所需的四项要素。Muse Wonder 除了每任务数据之外，这些一项都没有，因为它才刚发布一天。

它同样是纯文本的，而这是一个真正的限制，而不是一个脚注。如果你的流水线要接收音频或视频，Muse Wonder 会把转写步骤和推理步骤合并为一次调用；DeepSeek V4 Pro 则要求你把转写内容作为文本传入。这是否重要完全取决于你的输入模态——对于代码助手或文档流水线来说，这根本不会出现。

开放权重许可证是价值主张的另一半，而且这是 Muse Wonder 无论花多少钱都无法匹敌的一点。总量 1.6 万亿、激活参数 490 亿的 MIT 权重意味着，拥有硬件的团队可以在自己的基础设施上运行这个模型，没有按 token 计费，没有速率限制，也没有任何供应商能够弃用这个检查点。对于负载稳定且规模很大、同时合规要求数据永不离开本机构建的情况，这往往就是整个决策的全部依据——而上文中的 API 价格，此时只不过是在你购买 GPU 之前进行原型验证的最便宜方式。

每项任务多花的 3.85 美元，能为你换来什么

十六个指数点绝非无足轻重。它决定了一个模型是排在当前前沿的中游，还是跻身前十；而在智能体任务中，差距往往会拉大而非缩小，因为错误会在一次次工具调用中不断累积。

Meta 自己由厂商报告的数据表也把 Muse Wonder 的优势放在了同样的位置：Terminal-Bench 4.0-AA 为 85.6，SWE-Marathon 为 78.8，用于计算机操作的 OSWorld V2.1 为 72.6，AutomationBench-AA 上为 60.5。这些都是长时间运行的智能体测试套件，模型需要在许多步骤中保持一个计划，而 Meta 报告称 Muse Wonder 在其中几项上与 Claude Opus 5.5 和 GPT-6 Astra 具有竞争力。所有这些都由厂商报告，且没有任何一项经过独立复现——这与适用于每一张发布数据表的注意事项相同。

这些基准测试都没有覆盖的能力是记忆。Muse Wonder 随附了 Meta 称为 Active Memory 的功能，即跨会话的持久状态，另外还有用于长任务注意力管理的 Active Focus。DeepSeek V4 Pro 的 1M 上下文是一个需要你自己管理的窗口；如果 Meta 的实现真能兑现，那它就是另一种类型的能力，而不只是一个更大的数字。这也是最不可能从模型说明卡中得到验证的说法，是在付费之前最需要重点测试的一项。

对于 Muse Wonder，有一个与质量无关的成本侧论据：强制推理，并且在从最低到最高的投入力度阶梯上运行，默认中档。这不是折扣，而是一个调节档位。在分类和抽取流量上以最低或低档运行 Muse Wonder，就不会让每百万 20 美元的输出费率落到那些本不必消耗的 token 上。陷阱在于，明明更便宜的模型就能胜任的工作负载，却把所有设置都留在默认档。

两个模型不再竞争之处

在某个时候，这种比较不再关乎价格差异，而关乎许可与控制。DeepSeek V4 Pro 的权重以 MIT 许可可下载。这意味着可以微调，意味着可以在你自己的硬件上进行量化部署，也意味着即使供应商更改条款，检查点仍能继续工作。Muse Wonder 提供的任何东西都无法替代这一点，而每任务 0.67 美元这个数字，实际上更像是自托管决策的起点，而不是终点。

反过来，如果你需要将语音和视频作为一等输入，或者需要将跨会话持久记忆作为一项托管功能、而非自己构建的东西，那么无论出价多高，DeepSeek V4 Pro 的架构都无法企及。这是两个极端，到了这里，它已不再是一场成本比较。

两者都可以通过一个端点访问

DeepSeek V4 Pro 已登陆 OrcaRouter。无论是 Artificial Analysis 评估的 8 月 13 日检查点，还是更早的 V4 Pro 版本，标价均为每百万输入 token 0.66 美元、每百万输出 token 1.98 美元，缓存读取费率为 0.022 美元。这些都是该公司自己的价格，原样传递、未加价，因此低于 Artificial Analysis 所用的 1.32/3.96 美元这一数字：上文中的每任务成本是按其标准 API 定价计算的，而通往同一检查点的更便宜路径改变了比较的左侧，却并未改变模型本身。

Muse Wonder 并不在 OrcaRouter 上。我们的目录中没有 meta/muse-wonder 这一条目，本文也不会暗示它存在——Meta 自家的 API 和 Muse Code 才是它目前运行的地方。我们确实从 Meta Superintelligence Labs 提供的是 Muse Spark 1.2 和 Muse Spark 1.1，因此尽管本次发布没有上线，这个系列仍有可用的路由。

对这个特定决策而言，真正重要的原因在于，4.52 美元对 0.67 美元的差距足够大，以至于在相信它之前，应该在你自己的流量上进行测试。OrcaRouter 在一个兼容 OpenAI 的端点上提供 200 多个模型，提供商标价原样透传，因此针对 DeepSeek V4 Pro 构建的基准测试工具只需更改一个字符串就能指向第二个模型，而供应商降价当天就会体现出来，而不是等到下一个计费周期。对于比率本身就是全部论据的比较而言，你能做的最省钱的事就是测量你自己的任务组合。

通话

• 默认使用 DeepSeek V4 Pro 处理大批量、纯文本、成本敏感的工作。每项索引任务 0.67 美元，而后者要 4.52 美元；只有在你的具体任务上表现糟糕得多，更便宜的模型才会是错误答案，而且它采用开放权重许可证，这是 Muse Wonder 出任何价格都无法提供的。

• 当任务具有长周期和智能体特性时、当输入包含音频或视频时，或当跨会话的持久记忆值得为其支付托管价格时，将特定工作负载迁移至 Muse Wonder。

• 对于更便宜的模型就能通过的流量，不要以默认 effort 档位为 Muse Wonder 付费。effort 阶梯是模型提供的唯一成本杠杆，值得一用。

• 在多步智能体任务上，预计这 16 个百分点的差距所造成的影响会大于该指数所显示的程度；而在单次抽取、分类和摘要任务上，其影响则会小于该指数所显示的程度。

近七倍的成本换来十六个索引点数，对普通工作负载来说是笔亏本买卖，对特定工作负载来说却是笔划算买卖。两者差距足够大，你只需花一个下午做 A/B 测试，就能弄清自己属于哪一边。