Muse Wonder 對比 Claude Opus 5.5 在 SVG 生成上的表現：首次實測究竟揭示了什麼

Muse Wonder 於 2026 年 10 月 12 日正式全面推出——同一天，評分更高的手足模型 Muse Wonder Full 也以訂閱制形式登場——而它已經累積了比本部落格報導過的幾乎任何模型都還要多的比較頁面。直到本週之前，它始終未能累積到的，是一份針對某項具體、可驗證能力的已發表第一手測試。10 月 12 日，X 帳號 @scaling01 發布了一篇 Muse Wonder 與 Claude Opus 5.5 在 SVG 生成上的正面對決，其中有兩項發現值得仔細閱讀：Muse Wonder Full「表現不錯，甚至會嘗試 3D 生成」，而其輸出風格「太過花俏」，而且它「過度放縱」。

那是一項針對某個真實已發布模型、具體且可證偽的主張，而且它來自某位自稱親自執行過這兩個模型的人。在撰寫本文之際，它同時也只是由一個帳號所做、尚未被重現的單次執行，而該帳號自己的貼文開頭就附有廣告揭露。這兩件事同時成立，而本文要談的是如何把它們並置看待，而不是從中只挑一個。

測試的條款，按其被陳述的原樣陳述。

這份揭露聲明出現在貼文的第一行，而不是註腳；這點值得注意，因為這並非該格式的典型做法。作者表示，Meta 提供了 Muse Wonder 的免費預覽使用權，而 Claude Opus 5.5 則是他們自掏腰包付費的，且測試與結論皆為他們本人所做。相較於未揭露的付費置入，這是一種實質上較輕微的利益衝突情況——比較中的一方獲得了免費提供，另一方則沒有，而作者也如實說明了這一點。

關於這項設定，有三件事並未提供，而其中每一項都限制了該裁決所能支持的範圍。

• 測試的是哪個端點 —— Muse Wonder 與 Muse Wonder Full 是兩個獨立的模型 ID，各自有不同的計分板，而該篇文章在比較中指名的是 Muse Wonder，卻把 3D 生成的觀察結果歸給 Muse Wonder Full

• 使用了哪個 effort 設定——Muse Wonder 的推理是強制啟用的，並提供從 minimal 到 max 的 effort 層級，預設為 medium，而推理 token 會以輸出計費，因此這項設定會同時改變成本與輸出特性

• 執行了多少個提示詞——沒有提示詞數量、沒有提示詞文字、沒有種子、沒有重新執行

其中第二點與第三點比表面上看起來更重要。一個推論始終開啟、且投入程度由使用者設定的模型，在最低設定與最高設定下會產生明顯不同的 SVG 輸出，而對風格的評價，正是那種單一提示的單次執行就可能出錯的判斷。這並不是對作者的批評——在 X 上的一則短文並不是論文，而那份揭露加上「測試與結論皆為我個人所有」這句話，比大多數發布日的比較文更具透明度。這是在說明這篇文章能用於什麼、不能用於什麼。

SVG 測試實際上測量什麼

SVG 是進行親手實測比較時格外理想的對象，卻是隨意粗略比較時格外糟糕的對象；而理解背後原因，就能說明這項評斷能告訴你什麼、又不能告訴你什麼。

SVG 是一種會以確定性方式渲染的文字。這是好的一面：審閱者可以把模型的原始輸出貼進檢視器，看著它，並確切看到模型產生了什麼——沒有影像生成管線，沒有擴散解碼器上的取樣種子，也不必爭論準則是圖片還是檔案。如果模型輸出格式錯誤的標記，圖就會明顯失敗。如果它輸出 40 KB 的漸層定義，而 2 KB 的路徑就足夠，那是可量測的。

糟糕的地方在於，像「譁眾取寵」和「過度放縱」這類風格評斷，是整個領域裡最難以拆分的論斷。它們內部藏著兩個各自獨立的判斷：

• 工藝 — 模型是否產生了有效、結構良好、可渲染的 SVG，還是它產生了需要先修復才能繪製任何內容的東西？

• 節制——它是否只用了請求所需的最少量標記，還是因為漸層、濾鏡、模糊、動畫與內嵌點陣效果唾手可得，就動用了它們？

技藝近乎客觀，且可由腳本評分。克制則是被包裝成技術判斷的品味判斷，而合理的審閱者對此始終意見分歧——請作品集插畫的設計師想要那些漸層，而請圖示表的工程師則不要。因此，當審閱者說某個模型過度放縱時，有用的問題不是那是否成立，而是它對哪項任務成立。這篇文章沒有區分這兩種主張，而要在一次閱讀中區分它們確實很難。

比較性主張，以及合規聲明

貼文的框架把 Claude Opus 5.5 擺在另一側，而關於 3D 生成的觀察則歸在 Muse Wonder Full 這一側，這讓一個只有兩個名稱的標題成了三方比較——同樣的結構性皺褶，貫穿了整場 Muse Wonder 發表。

在那個軸線上，對所有同類模型而言，有用的背景資訊是一致的：Claude Opus 5.5 並非全新模型。它於 2026 年 9 月 22 日推出，比 Muse Wonder 早了約三週，其成本與能力概況已有充分描述。獨立來看，在 Artificial Analysis Intelligence Index 上，Claude Opus 5.5（max）讀數為 58——是 219 款模型級別中的最高分——而 Muse Wonder（max）為 52，在 219 款中排名第九。Opus 5.5 的標價是每百萬輸入 token 4.00 美元、每百萬輸出 token 20.00 美元；Muse Wonder 的標價完全相同，也是 4.00 與 20.00 美元。箇中妙處在於，實務上 Opus 5.5 反而是較貴的模型，原因不在其價目表，而在於它十分囉嗦：Artificial Analysis 記錄它在評估期間消耗了約 2.6 億個輸出 token，而中位數為 8,500 萬，Muse Wonder 則約為 1.3 億，換算下來每項索引任務約 5.98 美元，對比約 4.52 美元。這正是按 token 計費的評估器所能測量、而單一 SVG 提示詞所無法做到的那種兩數比較。

SVG 測試所補充的，是這個指數並未涵蓋的一種類別。結構化文字生成介於程式碼與插圖之間，而沒有任何排行榜為它評分——個人超級智慧指數沒有，JobBench 沒有，Terminal-Bench 4.0-AA 沒有，SWE-Marathon 也沒有。如果讀者的實際工作牽涉到產出乾淨的向量檔案，主流排行榜對他們的問題默不作聲，這正是為什麼一場克難的正面對決還值得附上連結。

第二項主張真正談的是什麼

「甚至嘗試 3D 生成」是這項觀察中更有意思的那一半，而且很容易被誤讀為一種能力宣稱。

在 SVG 的脈絡下，這最可能描述的是一個模型跨越扁平的二維繪圖，進入隱含或局部的第三維度——等角構圖、擠出成形、透視網格、堆疊的偽圖層，或是能渲染成三維場景的生成標記。這與 3D 模型並不是同一回事。產出網格、掃描物件或可列印資產，完全是另一種輸出類型，而「3D 生成」這個詞在整個領域中被寬鬆地使用，泛指從 2.5D 插圖到實際幾何檔案的任何東西。若沒有提示詞或檔案，讀者無法判斷這究竟是哪一種。

如果是較寬鬆的那層意義，這個主張與風格方面的抱怨一致，而非與之相互牴觸。動用等角投影或堆疊圖層，與動用漸層是同一種直覺：比需求所要求的更多機制。這兩種說法可能都在描述同一種行為——一個把可用標記當成許可的模型——這比單看任何一半都更有用，也是第二位審閱者最可能證實或推翻的版本。

不過，這裡有一個值得點名的不對稱。在發布資料中，兩個檢查點出現分歧之處，這道分界是沿著結構而非打磨程度展開的。在 Meta 自家的基準表上，Muse Wonder Full 在 JobBench（75.3 對 30.8）與 Vals Finance Agent V2（59.1 對 10.0）上大幅擊敗 API 模型——卻在 Harvey LAB-AA 上輸給它 41 分（13.1 對 54.3）。這些數字由廠商自行提報、產自 Meta 的測試框架，且未經重現。但它們描述的是一個訓練了兩套側寫而非一套的實驗室，而兩個檢查點之間的風格或克制程度差異，正是結構性分裂會產生的那種東西。因此，審閱者寫下「gimmicky」時看的是哪個檢查點，並非吹毛求疵的問題——該貼文把這兩項觀察歸在不同的模型上。

模型實際上可被觸及的地方

對於任何想要親自執行這項比較、而不是憑信心接受結論的人來說，實際的問題在於每個模型各自位於何處，而答案並不對稱。

• Claude Opus 5.5 — 自 2026 年 9 月 22 日起全面供應，每百萬輸入權杖 4.00 美元、每百萬輸出權杖 20.00 美元，快取讀取費率為 0.20 美元，具備 100 萬權杖的上下文視窗，以及包含無思考設定的思考預算

• Muse Wonder — 自 2026 年 10 月 12 日起正式全面推出，可在 Meta Model API 上及 Muse Code 內使用，維持相同的 $4.00 輸入與 $20.00 輸出價格，具備 1,048,576 個 token 的上下文，輸出上限為 943,718 個 token

• Muse Wonder Full — 同日發布，但並非按 token 個別販售；只能透過 Muse Code 訂閱取得，且未公布按 token 計價的費率表，因此這裡完全沒有它的價格列

問題在於 Muse Wonder 的推理。它無法被關閉。努力程度階梯分為 minimal、low、medium、high、xhigh，預設為 medium，而推理 token 會以輸出計費。因此，任何與可被指示不要思考的模型進行的正面對決，除非評論者註明設定，否則都是在拿受限的配置與未受限的配置相比，而這篇文章並未註明。這是這次重現中影響最重大的單一缺口，比缺少提示詞數量還嚴重。

如何在一個下午內重現它

這個測試值得延伸而非棄置的原因在於，延伸它的成本很低。一個有用的版本需要四樣原始版本並未提供的東西：一組固定的提示集，大約十幾個向量任務，涵蓋圖示、示意圖、插畫與圖表；一項關於投入程度設定的說明；保留與算繪結果並存的原始 SVG 檔案；以及一輪評分，將工藝與克制分開評估，而非將兩者混為一談。十二個提示、兩種投入設定、兩個模型，共 48 次執行——對照這些價目表，不過是幾美元的輸出 token，而且是比任何發表日的印象都真正更有用的產物。

這也正是路由器能靠自己回本、而單純比價做不到的情況。Claude Opus 5.5 在 OrcaRouter 上以 Anthropic 自家的定價提供——每百萬輸入 token 4.00 美元、每百萬輸出 token 20.00 美元、每百萬快取讀取 0.20 美元——並套用全目錄一致的零加成直通定價，因此供應商哪天調價，我們這邊當天就跟著反映。供應商定價原樣直通；路由層不會額外加價。跨兩個模型跑十幾條提示詞的批次測試，只需一組金鑰和一個端點，而不是兩個帳號、兩套 SDK 整合和兩段計費關係；而如果你測試的是像昨天才發布的模型這種未經證實的東西，自動容錯移轉意味著某家供應商被限流或效能降級，不會連帶拖垮整輪測試。

把我們沒有的東西講清楚：我們的目錄裡並沒有 meta/muse-wonder 或 meta/muse-wonder-full 這兩個項目。我們沒有路由這兩個 checkpoint，也不會把它們描述成好像我們有。我們確實有、且出自同一個實驗室的，是 Muse Spark 系列——Muse Spark 1.2 的價格為每百萬輸入 $1.25、每百萬輸出 $4.25，它與旗艦模型擁有相同的上下文視窗，價格卻只要一小部分；如果你想透過與其他所有模型相同的金鑰來使用 Meta 的推理系列，這就是你該選擇的模型。把 Muse Wonder 加入一次批次測試，目前等於要開第二個帳號；而加入 Muse Spark 1.2，只是在同一份設定裡多加一行。

該關注什麼，以及什麼能讓事情塵埃落定

三件事會讓這從一個有趣的印象變成證據。

• 一位品味不同的第二位評審者做出相同的克制判定——經得起更換評審者的風格判斷，反映的是模型；經不起的，反映的則是評審者。

• Muse Wonder Full 正逐漸能按 token 取得——3D 生成觀察中所指名的模型，正是那個沒有價目表的模型，因此任何想查核該主張另一半的人，若不每月訂閱某個 coding agent，就無法購買它的使用權

• 任何獨立計分板若新增向量或結構化圖形任務——這項測試所落入的缺口，並非在於沒人跑過它，而是在於沒有任何計分板為它計分，這也正是為什麼一個人的一個下午，目前就是全部的紀錄

誠實的總結是：這是一項真實的發現，但帶有真實的局限。一位揭露了自己付費取得預覽權限、自掏腰包買下另一方、並發表了具體負面結論的評論者，所做的事已經超出了一篇上市回顧所能做的——而一個「嘗試」了未被要求之事的模型，是關於克制、而非關於能力的說法，而克制正是下一位評論者最容易有不同看法的地方。如果你今天要在 Claude Opus 5.5 與 Muse Wonder 之間為向量輸出做選擇，獨立指數的差距是六點，而 token 量的差距是二比一，Muse Wonder 佔優；風格方面的結論只是某人一個下午的心得，應該被當成假設，而不是結果。