Muse Wonder 對比 DeepSeek V4 Pro：每項任務 $4.52 對上 $0.67，兩者相差 16 個指數點

Muse Wonder 與 DeepSeek V4 Pro 之間的比較，其實並不是單純的模型比較。這是一項附帶能力差距的每任務成本比較。根據 Artificial Analysis 的獨立測量，DeepSeek V4 Pro 在 DeepSeek V4 Pro API 上，以每百萬輸入詞元 $1.32、每百萬輸出詞元 $3.96 的價格，每個 Intelligence Index 任務約為 $0.67。Muse Wonder（max）則以每百萬輸入 $4.00、輸出 $20.00 的價格，每個 index 任務約為 $4.52。也就是說，每單位實測能力的成本約為 6.7 倍，而 DeepSeek V4 Pro 的原始 index 分數為 36，Muse Wonder 則為 52。

所以問題不在於哪個模型比較好。而在於十六個指標分數加上一條多模態輸入路徑，是否值得將近七倍的運行成本——而對大多數會輸出大量 token 的工作負載來說，這筆帳算出來是不值得的。以下就是這筆帳在哪些地方不成立、在哪些地方成立。

真正決定這件事的計算

這兩個數字都來自 Artificial Analysis，且是以同一個指數衡量，因此它們可以直接互相比較，這是供應商排行榜做不到的：

• Artificial Analysis Intelligence Index — Muse Wonder（max）52，在 219 個中排名第 9；DeepSeek V4 Pro 0813（max）36，在 117 個中排名第 9

• 每個索引任務的成本 — Muse Wonder 約 $4.52；DeepSeek V4 Pro 約 $0.67

• 定價 — Muse Wonder 每百萬個 token 輸入 $4.00 / 輸出 $20.00；DeepSeek V4 Pro 在其自家 API 上輸入 $1.32 / 輸出 $3.96

• 在 7:2:1 的快取命中/輸入/輸出混合比例下，混合價格 — DeepSeek V4 Pro 約每百萬個 token 0.69 美元；Muse Wonder 約 2.94 美元

• 快取折扣 — DeepSeek V4 Pro 97%；Muse Wonder 約 95%

• 評估期間消耗的輸出 token — DeepSeek V4 Pro 約 1.6 億；Muse Wonder 約 1.3 億

• 輸出速度 — DeepSeek V4 Pro 約每秒 91.7 個 token；Muse Wonder 尚未由同一實驗室發布

• 上下文視窗 — 兩者皆為 1,048,576 個 token

• 模態輸入 — Muse Wonder 接受文字、圖像、語音、影片和檔案；DeepSeek V4 Pro 僅支援文字

• 權重 — DeepSeek V4 Pro 是採用 MIT 授權的開放權重混合專家模型，總參數達 1.6 兆，其中 490 億為活躍參數；Muse Wonder 則為專有模型。

這些指數數字看起來比實際上更接近，因為排名的分母不同。Muse Wonder 的第九名是從 219 個模型中脫穎而出；DeepSeek V4 Pro 的第九名則是從 117 個模型中。相同的排名數字，在所屬領域中的位置卻大不相同。

$0.67 一項任務能為你帶來什麼

DeepSeek V4 Pro 於 2026 年 8 月 13 日推出，這表示它已經歷兩個月的正式環境使用與獨立量測。這種成熟度體現在那些並非基準測試分數的數字上：97% 的快取折扣、公開的混合價格、實測輸出速度，以及每項任務成本估算——這四項正是建立預算模型所需的要素。Muse Wonder 除了每項任務的數字之外，這些全都沒有，因為它才問世一天。

它同樣僅支援文字，而這是真正的限制，而非附帶說明。如果你的管線會輸入音訊或影片，Muse Wonder 會把轉錄步驟與推理步驟合併成一次呼叫；DeepSeek V4 Pro 則要求你以文字形式將逐字稿送入。這是否重要，完全取決於你的輸入模態——對程式碼助理或文件管線而言，這根本不會出現。

開放權重授權是價值主張的另一半，而這是 Muse Wonder 無論出價多高都無法匹敵的一點。MIT 權重、總參數達 1.6 兆、活躍參數 490 億，意味著擁有硬體的團隊可以在自己的基礎設施上執行這個模型，沒有按 token 計費的帳單、沒有速率限制，也沒有任何供應商能棄用這個檢查點。對於用量穩定且龐大、又有資料絕不離開機房的合規要求的工作負載來說，這往往就是決定性的全部理由——而上方的 API 價格，此時就只是在購買 GPU 之前最便宜的雛形開發方式。

每項任務額外花費的 $3.85 能為你買到什麼

十六個指數點絕非無足輕重。它代表的是模型能否躋身當前前沿的中段，還是擠進前十名的差別；而在代理式任務上，這個差距往往會擴大而非縮小，因為錯誤會在一次次的工具呼叫中層層累積。

Meta 自家供應商回報的表格，也把 Muse Wonder 的強項放在同樣的位置：Terminal-Bench 4.0-AA 為 85.6，SWE-Marathon 為 78.8，電腦操作的 OSWorld V2.1 為 72.6，AutomationBench-AA 則為 60.5。這些都是長時間執行的代理測試套件，模型必須在許多步驟中維持同一套計畫，而 Meta 表示 Muse Wonder 在其中數項上可與 Claude Opus 5.5 及 GPT-6 Astra 匹敵。這些全屬供應商自行回報，且無任何一項經過獨立重現——這與每一份發表表格都適用的但書如出一轍。

那些基準測試都沒有的能力，是記憶。Muse Wonder 隨附一項 Meta 稱為 Active Memory 的功能，能在一次工作階段中維持持續狀態，另外還有 Active Focus，用於長時間任務的注意力管理。DeepSeek V4 Pro 的 100 萬上下文，則是一個由你自己管理的視窗；如果 Meta 的實作真能兌現，那就會是另一種能力，而不是更大的數字。這也是最少可能從模型卡驗證的一項宣稱，也是最該在付費前極力測試的一項。

Muse Wonder 有一項與品質無關的成本面理由：強制推理，其努力程度階梯從最低到最高，並預設為中等。那不是折扣，而是一個調節旋鈕。在分類與擷取流量上以最低或低度執行 Muse Wonder，可避免每百萬 token 20 美元的輸出費率套用到不必花用的 token 上。陷阱在於，在較便宜的模型本來就能勝任的工作負載上，把所有設定都留在預設值。

兩個模型停止競爭之處

到了某個時候，這種比較就不再是關於價格差異，而是關於授權與控制。DeepSeek V4 Pro 的權重可在 MIT 授權下載。這意味著可以微調，意味著可以在你自己的硬體上進行量化部署，也意味著即使供應商更改條款，模型檢查點仍能繼續運作。Muse Wonder 提供的任何方案都無法取代這一點，而每項任務 0.67 美元的數字，其實是自託管決策的起點，而不是它的終點。

反過來說，如果你需要語音和影片作為一級輸入，或是需要跨工作階段持續保存的記憶作為受管理的功能，而不是得自行打造的東西，那麼 DeepSeek V4 Pro 的架構無論價格如何都觸及不到這些。這兩者正是光譜的兩端，到了這裡，這就不再是成本比較了。

兩者皆可從單一端點存取

DeepSeek V4 Pro 已在 OrcaRouter 上線。無論是 Artificial Analysis 所評估的 8 月 13 日檢查點，還是較早的 V4 Pro 版本，定價皆為每百萬輸入詞元 0.66 美元、每百萬輸出詞元 1.98 美元，快取讀取費率則為 0.022 美元。這些都是該公司自身的費率，未經加價直接轉嫁，因此低於 Artificial Analysis 所採用的 1.32／3.96 美元數字：上述的每項任務成本是依其標準 API 定價計算，而通往同一檢查點的更便宜路徑改變了比較的左側，卻未改變模型本身。

Muse Wonder 不在 OrcaRouter 上。我們的目錄中沒有 meta/muse-wonder 這個項目，而本文也不會暗示它存在——Meta 自家的 API 與 Muse Code 才是它目前運行的所在。我們從 Meta Superintelligence Labs 實際提供的是 Muse Spark 1.2 與 Muse Spark 1.1，因此儘管這次的發布沒有途徑，這個系列仍有可用的路由。

對這個特定決策而言，真正重要的原因是 $4.52 對 $0.67 的差距大到足以在採信之前，應該先在你自己的流量上測試。OrcaRouter 在一個與 OpenAI 相容的端點上提供 200 多個模型，並原封不動地傳遞供應商的定價，因此針對 DeepSeek V4 Pro 建立的基準測試工具只需更改一個字串，就能指向第二個模型，而供應商降價會在同一天顯示，而不是等到下一個帳單週期。對於比率就是全部論據的比較來說，你能做的最省錢的事，就是衡量你自己的任務組合。

那通電話

• 對於大量、純文字、成本敏感的工作，預設使用 DeepSeek V4 Pro。每項索引任務只要 0.67 美元，相較於 4.52 美元，它必須在你的特定任務上表現得極差，較便宜的模型才會是錯誤答案；而且它附帶開放權重授權，這是 Muse Wonder 無論出價多少都無法提供的。

• 當任務屬於長時程且具自主代理能力、當輸入包含音訊或影片，或當跨工作階段的持久記憶值得支付受管服務費用時，將特定工作負載移至 Muse Wonder。

• 不要對較便宜模型就能處理的流量，以預設投入程度付費使用 Muse Wonder。投入程度階梯是這個模型給你的唯一成本槓桿，值得善加利用。

• 預期 16 分的差距在多步驟代理上的影響會比該指數所暗示的更大，而在單次擷取、分類與摘要上則會比它暗示的更小。

為了十六個索引點付出將近七倍的成本，對一般工作負載來說是不划算的交易，對特定工作負載而言卻是划算的交易。這個差距夠大，只要花一個下午做 A/B 測試，就能弄清楚自己屬於哪一邊。