Muse Wonder 对决 GPT-6.1 Sol：943,718 Token 输出上限对阵 128,000 Token 上限

Muse Wonder 与 GPT-6.1 Sol 在 Artificial Analysis Intelligence Index 上的成绩彼此相差不到 0.2 分——Muse Wonder（最高）为 52 分，GPT-6.1 Sol（最高）为 51.8 分——而单个指数任务在第一个上花费 4.52 美元，在第二个上花费 0.72 美元。Meta Superintelligence Labs 于 2026 年 10 月 12 日发布 Muse Wonder，价格为每百万输入 token 4.00 美元、每百万输出 token 20.00 美元。GPT-6.1 Sol 于 2026 年 9 月 29 日发布，价格为 2.00 美元和 10.00 美元。价目表显示大约翻倍；实测账单显示 6.3 倍，原因是冗长——1.3 亿个输出 token 对 6720 万个输出 token，最终得分却几乎相同。但真正决定你能把这两者中的哪一个投入实际任务的数字，既不是指数，也不是价格，而是输出上限：Muse Wonder 为 943,718 个 token，GPT-6.1 Sol 为 128,000 个。

上限就是那条没人会看的规格说明。

两款模型都宣称支持百万 token 上下文。也正是在这一点上，规格表上的相似之处不再具有参考价值。

• 上下文窗口 — Muse Wonder 1,048,576 tokens，而 GPT-6.1 Sol 为 1,050,000 tokens

• 最大输入 — Muse Wonder 未单独发布；GPT-6.1 Sol 922,000 tokens

• 单次响应最大输出 —— Muse Wonder 943,718 tokens；GPT-6.1 Sol 128,000 tokens

• 推理强度 — Muse Wonder 最低、低、中（默认）、高、极高、最高；GPT-6.1 Sol 低、中（默认）、高、极高、最高，且两者均无法关闭

• 多模态输入 — Muse Wonder 文本、图像、语音和视频；GPT-6.1 Sol 文本、图像和文件

• 权重——两者均为专有，均未公开

再读一遍第三行。GPT-6.1 Sol 买下了一个 1,050,000 token 的窗口，却只让你把其中大约八分之一用在输出上；剩下的 922,000 个 token 仅限输入。Muse Wonder 则允许单次响应占据其窗口的十分之九。这不是什么四舍五入的差异。对大型语料库做一次综合处理、长文生成器、转录到转录的转换、必须输出整个文件而非补丁的测试框架——这些都处在 128,000 个输出 token 以上，而在 GPT-6.1 Sol 上，无论出什么价格，它们都无法在一次调用中装下。你只能分页处理，而分页意味着模型会丢失它在第一次响应中制定的计划。

Muse Wonder 的上限自带一个陷阱，Meta 并未隐瞒，但也没有刻意突显：在两个模型上，推理 token 都按输出计费，而 Muse Wonder 的档位一路排到最高一档，那一档会毫不客气地吃光整个预算。943,718 这个数字是上限，而不是额度。

两张费率卡，以及藏在其中一张里的悬崖

GPT-6.1 Sol 在每一档上都更便宜，在其区间中段还要更便宜。它所没有的，是一条平缓的曲线。

• 标准费率 — Muse Wonder 输入 $4.00 / 输出 $20.00 每百万；GPT-6.1 Sol 输入 $2.00 / 输出 $10.00 每百万

• 缓存输入 — Muse Wonder 每百万 $0.20；GPT-6.1 Sol 每百万 $0.10

• 长提示词行为 — Muse Wonder 在整个窗口内保持价格不变；GPT-6.1 Sol 对超过 272,000 输入 token 的整个请求重新定价，输入 $4.00、输出 $15.00

• 缓存写入 — Muse Wonder 未发布；GPT-6.1 Sol 每百万 $2.50

• 折扣方案 — Muse Wonder 未公布任何折扣；GPT-6.1 Sol 的 batch 和 flex 为五折，fast 模式为两倍

272,000 token 这个阈值是 GPT-6.1 Sol 价目表上最昂贵的一行，因为一旦越过它，就会对你已经完成的工作重新定价。一个 271,000 token 的请求和一个 273,000 token 的请求，输入相差不到 1%，账单却相差 2.01 倍。Muse Wonder 没有同等的不连续性——900,000 token 的提示词与 900 token 的提示词按相同的每 token 费率计费。对于习惯性略高于 272,000 token 的工作负载来说，这是这一页上 Meta 一方最有力的单一论据，其价值超过 GPT-6.1 Sol 在其他每一行都赢得的缓存折扣。

低于该阈值时，排序毫无歧义：GPT-6.1 Sol 的运行成本只有一半，缓存读取成本也只有一半，并且是两者中唯一提供五折批处理通道的。

0.2 指数点实际上位于哪里

一个综合指数落在 52 对 51.8，说明这两个模型旗鼓相当。它丝毫不能告诉你哪一个能通过你的工作负载，而在各子项得分上，这对模型呈现出的是一组可辨识的形态，而不是一个赢家和一个输家。

这两项数据都来自 Artificial Analysis，是在其自有测试框架上以最大强度测得的，而这些是它的数字，而不是任何一家供应商的：

• 智能指数 — Muse Wonder（max）52，在 219 个模型中排名第九；GPT-6.1 Sol（max）51.8，排名第十

• 每个索引任务的成本——Muse Wonder 约 4.52 美元；GPT-6.1 Sol 约 0.72 美元

• 索引运行中消耗的输出 token——Muse Wonder 约 1.3 亿；GPT-6.1 Sol 约 6720 万，而榜单中位数接近 8200 万

• 输出速度 — GPT-6.1 Sol 约为每秒 66.8 个 token；Muse Wonder 尚未在同一测试框架上公布

冗长程度是价格差距的全部原因。Muse Wonder 花费近两倍的 token 来产出好半分的输出，而且按每百万输出 token 20 美元对 10 美元的价格，它为每个 token 支付两倍的钱。每任务成本把这两个效应相乘。这个比例绝非固定不变——推理力度就是那个杠杆，两个模型都开放了它——但流量运行在默认设置上，而默认设置正是产生这些数字的原因。

Meta 自己的发布对照表由厂商自行报告，尚未经过独立复现，该表显示 Muse Wonder 在 Terminal-Bench 4.0-AA 上领先 GPT-6 Astra，并与 Claude Opus 5.5 持平，得分为 85.6，对比 81.4 和 81.5；在 SWE-Marathon 上领先，得分为 78.8，对比 74.1 和 74.2。应把这些视为 Meta 的说法。还要注意，同一张表显示 Muse Wonder 在 AutomationBench-AA（60.5 对 65.3 和 65.6）、GDP.pdf（39.1 对 41.6 和 41.2）以及 DeepSWE 1.1（52.0 对 59.1 和 59.6）上落后——厂商自己的记分板并非处处都好看，而它好看的两个地方是终端和长时程代码，而不是业务流程自动化。

订阅孪生对这一对比做了什么

Muse Wonder 并非只有一个模型。Meta 还发布了第二个检查点 muse-wonder-full-1.0，它在同一项独立指数上得分 56，在 699 个模型中排名第四——比 API 模型高四分，也高于 GPT-6.1 Sol 的 51.8。它没有按 token 计费的价格，因为 Meta 并不按 token 出售它：只能通过 Muse Code 订阅获取，Power Usage 每月 50 美元，Maximum Usage 每月 200 美元。

对于已经在为 Muse Code 付费的团队来说，指数提升四个点的实际价格是一笔固定的月费，而与 GPT-6.1 Sol 的对比也彻底变了样。对于其他所有人而言，这次发布中更好的那一半是一项产品决策，而不是 API 决策，而坦率的解读是：Meta 的前沿数字与 Meta 的可触达数字是两个不同的数字。

运行两者，还是运行一个

这个页面核心的令人不安的事实是：这两者都不是你能根据规格表做出的决定，因为 6.3× 的成本比只是别人任务组合的平均值。你自己的任务组合才是唯一重要的，而衡量它不应该需要两个供应商账户。

GPT-6.1 Sol 已在 OrcaRouter 上线，模型标识为 openai/gpt-6.1-sol，日期为 2026-09-29，标价为每百万 token 输入 $2.00、缓存读取 $0.10、输出 $10.00，并保留 1,050,000 token 的上下文窗口和 272,000 token 的重新定价规则。我们这边不加价；当提供商调整费率时，我们页面上的数字当天就会更新。这样一来，本次对比中的 Sol 部分距离你已有的任何测试框架，都只差一处字符串改动。

Muse Wonder 并不在我们的目录中，本页面也不会假装它在——Meta 自家的 Model API 和 Muse Code 才是它如今的运行之处。我们确实收录了来自同一实验室的 Muse Spark 1.2，这是 Meta 构建该系列其余模型所依托的检查点，输入每百万 token 1.25 美元、输出每百万 token 4.25 美元，上下文窗口为 1,048,576 token，缓存读取为 0.15 美元。如果你关注 Muse Wonder 是因为 Meta 的一贯风格，而非前沿评分，那么这条路线只需其五分之一的成本。

将单个 OpenAI 兼容端点用于200 多个模型，其实际用途正是这种对比。4.52 美元与 0.72 美元之间的差距足够大，值得实测而不是轻信；而实测只需把现有的评估指向第二个模型名称再跑一遍——不必再签一份合同。自动故障转移则能覆盖你先上线那个尚未验证的模型的情况：如果上游提供商性能下降，请求会被转移而不是失败。

哪一个，依据是什么

• 除非有具体原因排除它，否则就选 GPT-6.1 Sol。在所有已公布的费率上它都更便宜，它有批处理通道，其缓存读取费用是 Muse Wonder 的一半，而且其独立指数只落后五分之一点。这就是默认答案，并且应当一直作为默认，直到有工作负载不认同为止。

• 当输出必须很长时，就选 Muse Wonder。128,000 token 的响应上限是一堵硬墙，如果你的任务需要单次生成 200,000 个 token，那么无论怎样节省输入 token，都无法让 GPT-6.1 Sol 做到这一点。

• 当输入是语音或视频时，选择 Muse Wonder。Meta 将两者都视为一等输入；GPT-6.1 Sol 接受文本、图像和文件。将转录步骤和推理步骤合并为一次调用，在某些流水线上比费率差异更有价值，而在另一些流水线上则毫无价值。

• 当你的提示刚刚超过 272,000 个 token 时，选择 Muse Wonder。这是价格曲线上唯一一个 Meta 的固定费率胜过 Sol cliff 的区域，而且它是决定性地胜过。

• 别因为 Muse Wonder 那个招牌指数得分就选它。52 对 51.8，在得出这两个数字的同一套测评工具上，这就是一场平手；而为了一个平手，每项任务要多付 6.3 倍的钱，这可算不上什么策略。

让这对组合真正棘手的是，这两个模型在质量上足够接近，以至于决定完全取决于形态——输出需要多长、输入由什么构成，以及你的提示词落在价格曲线的哪个位置。这些问题本周就能从你自己的日志中得到答案，而它们也不会由两家实验室中任何一家发布的下一张基准测试表来回答。