Muse Wonder 对比 Grok 4.5：落后两代的模型，每项任务成本仅为其五分之一

Muse Wonder 和 Grok 4.5 其实算不上真正的竞争对手；它们本身就是一场论战。Meta 于 2026 年 10 月 12 日发布 Muse Wonder，xAI 于 2026 年 7 月 8 日发布 Grok 4.5，而此后 xAI 又按同一份价目表推出了 Grok 4.6 和 Grok 4.7。因此，即便按自家厂商的标准来看，这个较旧的型号也已不是当前在售产品，这反而让它的数字具备了新竞争对手的数字所没有的用处：Grok 4.5 是一款合格推理模型的价格下限，而 Muse Wonder 则代表榜单顶端的成本。Artificial Analysis 用一句话概括了差距——Muse Wonder 每完成一项 Intelligence Index 任务约需 4.52 美元，而 Grok 4.5 约为 0.88 美元，两者之间相差十三个指数点。十三个点是否值五倍的费用，只有在你清楚自己任务的实际成本之后才能回答，而这恰恰是价目表永远不会告诉你的部分。在像这样的一次对比之后出现的定价与指数变动，都会连同日期和来源记录在AI Incident Archive中，与我们追踪的其他模型和厂商事件并列。

同一块板上的三十九对五十二

两组数据均来自同一测试框架，即 Artificial Analysis Intelligence Index 的 4.3.2 版；该指数包含十项评估：Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDPval-AA、AutomationBench-AA 以及另外五项。Grok 4.5 得分为 39，在 213 个模型中位列第 63；用评测方自己的话说，它在可比模型中高于平均水平，而这些模型的中位数为 27。Muse Wonder 得分为 52，位列第 9。评测方的一句话总结值得并列引用，因为它们用直白的语言描述了这种取舍：Grok 4.5 是“高于平均水平，但速度低于平均水平”；Muse Wonder 是“智能领先，就其价格档位而言有些昂贵，速度明显较快，且有些冗长”。

真正有意思的那一列不是分数，而是每个模型为挣得这个分数所输出的 token 量。Grok 4.5 在指数测试运行中产出了 7700 万个输出 token——接近榜单中位数。Muse Wonder 产出了 1.3 亿个，而榜单中位数此后已升至 8500 万个。Meta 的模型很啰嗦；xAI 的则不然。这一个事实在成本侧起了绝大部分作用，并且它对价目表更高的那个模型不利，这是反直觉的方向。

费率卡如何变成五倍账单

从纸面上看，差距是输入 2×、输出 3.3×。而实测下来，每完成一个任务的差距是 5.1×，这意味着冗长正在放大价格差距，而不是把它抵消——这恰恰与便宜模型才是话多的那一方时发生的情况相反。

• 标价 — Muse Wonder：每百万输入 $4.00 / 输出 $20.00 / 缓存 $0.20；Grok 4.5：每百万输入 $2.00 / 输出 $6.00 / 缓存 $0.30

• 每个索引任务成本 — Muse Wonder 约为 4.52 美元；Grok 4.5 约为 0.88 美元

• 指数运行中的输出 token 数——Muse Wonder 约 1.3 亿；Grok 4.5 约 7700 万

• 首令牌时间 — Muse Wonder 30.35 秒；Grok 4.5 8.90 秒

• 输出速度——Muse Wonder 每秒 145.1 个 token；Grok 4.5 每秒 59.1 个

• 上下文窗口 — Muse Wonder 1,048,576 个词元；Grok 4.5 500,000 个词元，当整个请求超过 200,000 时重新计价

最后一行正是 Grok 4.5 的便宜不再便宜的唯一地方。xAI 按提示长度对价目表分档：低于 200,000 个 token 时，你支付 $2.00 和 $6.00；超过后，整个请求转为 $4.00 和 $12.00，缓存费率从 $0.30 翻倍到 $0.60。Muse Wonder 在其完整的百万 token 窗口内只收取一档费率。在提示为 300,000 个 token 时，Grok 4.5 的输入价格已经翻倍，而 Muse Wonder 的输入价格纹丝未动——宣传中的 2× 优势在输入上变成 1×，每任务成本差距则缩小到取决于输出量对其影响的程度。

速度颠覆了通常的建议

Grok 模型通常是追求速度的选择，但这次对比是个例外。Grok 4.5 的首个 token 需要等待 8.9 秒，生成速度为每秒 59.1 个 token；Muse Wonder 则需要等待 30.35 秒，速度为每秒 145.1 个 token。两者都不是快速的交互式助手。但它们的表现形态存在一种对智能体循环至关重要的差异：Muse Wonder 会先集中思考一次，然后快速推进；Grok 4.5 则起步更早，随后却变得缓慢。在长时间生成中，两者会趋于接近；在大量短轮次中，Grok 4.5 更低的首 token 延迟更占优势；而在单次大规模输出中，Muse Wonder 则更胜一筹。

这也是反对把 Grok 4.5 当作生产环境"预算之选"的理由。一旦把挂钟时间也计入成本，一个每 token 便宜但每 token 处理慢的模型，就可能输给一个每 token 昂贵但速度快的模型——而在一个会反复发起调用的 agent 中，挂钟时间通常是用户最先察觉到的东西。

继任者问题

上面所有内容都是在把 Muse Wonder 与一个已被 xAI 替换过两次的模型作比较。Grok 4.6 推出时用的是同一张价目表，分数却更好；此后 Grok 4.7 又在同一指数上落到 46 分，而 Artificial Analysis 明确将 Grok 4.5 标记为已弃用，并指向 4.6。所以，这场对比诚实的说法并不是"Muse Wonder 对 Grok 4.5"，而是"Muse Wonder 对你实际会部署的那个 Grok"，而这一比较在能力上要接近得多：52 对 46，大约是六分之差而非十三分，代价约为每任务 4.52 美元，而 Grok 4.7 为 3.74 美元。

我们仍然发布 Grok 4.5 的对比，因为很多读者仍被引导使用这个模型，也因为旧模型能让经济结构变得可见，而新模型会模糊这一点。但今天任何人都不应凭这一页面就选择 Grok 4.5。如果答案是“要用 Grok”，那答案就是 4.6 或 4.7。

两者均可访问的位置

Grok 4.5 和 Grok 4.7 都在 OrcaRouter 目录中——grok/grok-4.5 的输入价格为 $2.00，缓存价格为 $0.30，输出价格为每百万 token $6.00，适用于最高 200,000 个 token；超过该范围后，价格调整为 $4.00、$0.60 和 $12.00，同时 500,000 token 的窗口保持不变；grok/grok-4.7以相同费率提供，缓存读取为 $0.50。这些是 xAI 的标价，原样传递且无加价，因此当 xAI 调整某一档价格时，我们这边当天就会生效。Muse Wonder 不在目录中：OrcaRouter 上没有 meta/muse-wonder，而我们确实提供的 Meta 检查点是 meta/muse-spark-1.2和 meta/muse-spark-1.1，每百万 token 分别为 $1.25 和 $4.25。

在这里真正值得采用的流量路由点是故障转移那一个。Muse Wonder 才上线十天，首个 token 延迟为 30 秒，且只有一次独立评估；仅凭信任就把生产路径压到它上面，是不该冒的风险。把一部分流量分给它，与已经在跑的 Grok 并列，其余流量保持原位，并让 自动故障转移吸收超时，同时了解 Meta 声称的长程优势是否会在你的工作负载中显现。现在一把密钥就能接触到对比中的 Grok 一侧；Muse Wonder 一侧只差第二次 API 调用，而切换成本只是一个模型字符串。

精选推荐，每项一段。

当任务耗时较长、答案值得力求正确，且提示词大到 Grok 的 20 万 token 重新定价无论如何都会抹去其价格优势时，选择 Muse Wonder：统一的百万 token 费率、每秒 145 个 token，以及 13 点的指数差距，都指向同一结论。当你需要大量短调用、首个 token 在个位数秒内返回，并且账单能承受规模化使用时，选择 Grok——具体说是 Grok 4.7，而不是 4.5——因为每完成一项任务 $3.74 对 $4.52，它是以更低成本获得大致相当能力的方式。你不应该做的是因为 Grok 4.5 出现在对比表顶部就选它；它的厂商自己已不再推荐它。