Muse Wonder 對決 Grok 4.6：1,048,576 Token 視窗，對上在 200,000 時價格翻倍的對手

Grok 4.6 在這項比較中，依每一項公布的費率都是較便宜的模型——每百萬輸入 token 2.00 美元、每百萬輸出 token 6.00 美元，相較於 Muse Wonder 的 4.00 美元與 20.00 美元——而且存在某個提示長度，會讓這項優勢完全消失。SpaceXAI 的分級費率表會在提示超過 200,000 個 token 時，將整個請求以基準價的兩倍重新計價：輸入升至 4.00 美元，輸出升至 12.00 美元，快取輸入升至 1.00 美元。在 250,000 個輸入 token 與 8,000 個輸出 token 的情況下，Grok 4.6 的費用約為 1.10 美元，Muse Wonder 約為 1.16 美元。在短提示下看似便宜 2.5 倍的模型，在長提示下與其競爭對手差距在 6% 以內——而能在整個 1,048,576-token 視窗中維持固定費率的，正是競爭對手，也就是 Meta Superintelligence Labs 於 2026 年 10 月 12 日發布的模型。

那個交叉點是這一頁上最實用的資訊，而它之所以存在，完全是因為第二個差異。Grok 4.6 販售 500,000 個符元的上下文視窗，但超過 200,000 個符元之後，所有用量都按階梯式費率收費；Muse Wonder 則販售兩倍大的視窗，而且永不採用階梯式計費。如果你的提示詞維持在 200,000 個符元以下，這些都不適用，Grok 4.6 就是單純更划算的選擇。如果並非如此，這兩個模型的成本幾乎相同，比較重點就會變成能力，而不是價格。

兩款旗艦，相隔八週

Grok 4.6 是 SpaceXAI 的旗艦模型，於 2026 年 8 月 12 日發布，每百萬輸入詞元 $2.00、每百萬輸出詞元 $6.00，快取輸入為 $0.50。它具備 500,000 詞元的上下文視窗，接受文字、圖像與檔案輸入，回傳文字，支援可配置的推理強度與原生工具呼叫，並採兩級定價：200,000 提示詞元以內一律按基本費率，超過此數的部分則加倍。其發布紀錄完全未載明單次回應的最大輸出數字，這是個缺口而非零——沒有數字可供據以規劃長時間生成的工作負載。

Muse Wonder 是 Meta Superintelligence Labs 的前沿發布版本，於 2026 年 10 月 12 日推出，屬於雙檢查點系列的一部分。可呼叫的版本是 muse-wonder-1.0，在 Meta Model API 和 Muse Code 內提供服務；分數較高的 Muse Wonder Full 僅透過 Muse Code 訂閱販售，且沒有按 token 計價。可呼叫的檢查點接受文字、圖像、語音和影片輸入，回傳文字，具備 1,048,576 個 token 的上下文視窗，單次回應上限為 943,718 個 token，在整個視窗內每百萬 token 的計費為輸入 $4.00、快取 $0.20、輸出 $20.00，並強制執行推理，努力程度階梯從 minimal 到 max，預設為 medium。

那個對兩者都做過評測的獨立評測委員會，將它們的差距定在八分——Muse Wonder 為 52 分，Grok 4.6 為 44 分——同時還標示 Grok 4.6 已被 Grok 4.7 取代。最後這個細節之所以重要，背後有個並不顯眼的原因：Grok 4.7 的定價與它所取代的模型相同，同為 $2.00/$6.00，因此這個後繼者並不是更便宜的選項，而是另一種不同形態的選擇。

費率卡，以及唯一不是數字的那一列

這份清單中的所有內容都是每百萬個 token 的供應商價目表事實，除了最後兩列，它們是獨立測量結果。

• 第一層級輸入 — Grok 4.6 每百萬 $2.00；Muse Wonder 每百萬 $4.00

• {{1}}第一級輸出{{/1}} — Grok 4.6 每百萬 $6.00；Muse Wonder $20.00

• 快取輸入 — Grok 4.6 每百萬 $0.50；Muse Wonder 每百萬 $0.20

• 超過 200,000 個提示詞 token 時——Grok 4.6 的價格變為輸入 $4.00、輸出 $12.00，整個請求的快取為 $1.00；Muse Wonder 維持不變

• 上下文視窗 — Grok 4.6 500,000 個詞元；Muse Wonder 1,048,576

• 單次回應的最大輸出 — Grok 4.6 尚未發布；Muse Wonder 943,718 個 token

• 輸入形式 — Grok 4.6 文字、圖像與檔案；Muse Wonder 文字、圖像、語音與影片

• 推理控制 — Grok 4.6 從 low 到 xhigh，預設為 high；Muse Wonder 則從 minimal 到 max，預設為 medium，且沒有關閉選項

• 智慧指數，經獨立測量 — Grok 4.6 為 44，在 216 個中排名第 37；Muse Wonder 為 52，在 216 個中排名第 9

• 完成一項索引任務的成本，以相同方式衡量——Grok 4.6 約 {{1}}1.48 美元{{/1}}；Muse Wonder 約 {{2}}4.52 美元{{/2}}

最後一列才是價格故事真正見真章的地方。每完成一項任務的成本高出三倍，這個差距比混合費率表所暗示的還要大，而且這並不是因為 Grok 4.6 特別鋪張——恰恰相反。在該項評估中，Grok 4.6 消耗了約 9,400 萬個輸出 token，而 Muse Wonder 則是 1.3 億個，排行榜中位數接近 8,500 萬。較便宜的模型同時也是話較少的那一個，這在這個價格區間並不尋常，意味著標價差距是真實的，而不是某個模型寫得比較多所造成的假象。

交叉點實際落在那裡

設想一個合理的工作負載：提示費用中有 70% 落在輸入上、有一個可快取的穩定系統前綴，以及幾千個 token 的回應。以下的計算依據各家廠商公布的定價，且是我們的計算，不是廠商的基準測試。

• 30,000 輸入與 8,000 輸出，未快取 — Grok 4.6 約 $0.11；Muse Wonder 約 $0.28。Grok 大約便宜 2.6 倍。

• 250,000 輸入與 8,000 輸出，未快取 — Grok 4.6 依階梯費率約 $1.10；Muse Wonder 依其固定費率約 $1.16。差距約為 5%。

• 40 萬輸入與 8,000 輸出，未快取 — Grok 4.6 約 $1.70；Muse Wonder 約 $1.76。仍舊不相上下，而 Grok 4.6 現在距離其視窗結束只剩 100,000 個 token，Muse Wonder 則只用了自身視窗的 38%。

• 在 250,000 個 token 的上下文下，快取讀取——Grok 4.6 每百萬 $1.00，對比 Muse Wonder 的 $0.20；一旦快取暖機，且提示長到足以觸發該步驟，M​eta 就有 5× 的優勢

模式才是重點。對多數團隊多數時候所做的工作來說，Grok 4.6 便宜得多；而對最初促使人們尋找百萬 token 視窗的那些工作來說，它則持平或略遜一籌。若依據宣傳中的主要費率來建立成本模型，會嚴重高估 Grok 在長脈絡流量上的優勢。

八個指數點能換來什麼，以及換不來什麼

經過衡量的獨立性在這裡是雙面刃，而且值得精確釐清哪些數字來自何處。

Grok 4.6 最強的可公開數據來自第三方，而且其中一項異常出色。在 GPQA Diamond 這套研究所程度的科學題庫上，它拿下 94.9 分——是其價格級別中最高的第一梯隊分數，而 Muse Wonder 在這個項目上完全沒有已公布的獨立評測列。它也在 Humanity's Last Exam 拿下 61.0 分，並在獨立程式評測中拿下 76.8 分，兩者都來自同一個評測機構。在大量以問題形式呈現的工作上，這些數字能預示模型是否會讓你難堪，而以 $2.00/$6.00 的價格來說，它們是非常划算的選擇。

Muse Wonder 的強項是另一種形態，而這也是為什麼八點的指數差距同樣不是重點。Meta 自家的發布表格——由廠商自行提報、在 Meta 的測試框架中執行，且未經重現——幾乎完全由長時程的代理式與終端機任務構成，而獨立評論者也已經從中挑選過。Meta 的 DeepSWE 1.1 與 SWE-Marathon 列讓該系列領先它所比較的模型，而 943,718 詞元的輸出上限，則是一項任何價目表都捕捉不到的結構性優勢：一個會輸出極大型單一成品的工作負載——無論那是生成出來的應用程式，還是長篇結構化文件——都沒有 Grok 4.6 的數字可資比較，因為 Grok 4.6 並未公布這樣的數字。

所以，這個分野並不是「較好」對「較差」。它是「便宜又快速」對「冗長而平淡」，而決定它的是提示長度這條軸線。

一旦後繼機型納入考量，現在就是三款機型，而非兩款。

獨立委員會將 Grok 4.6 標示為已被取代，並指向 Grok 4.7；後者得分 46，而 Grok 4.6 為 44，採用相同的 $2.00/$6.00 定價、相同的 $0.50 快取讀取與相同的 500,000-token 視窗，公布其前代所沒有的 450,000-token 輸出上限，並在最高階提供多一項 effort 設定。就帳面規格而言，這顯然是升級。

帳單上說的卻是另一回事。Grok 4.7 每完成一項索引任務的成本約為 $3.74，而 Grok 4.6 是 $1.48，因為在它消耗約 2.4 億個輸出 token 的那次執行中，前一代只用了 9,400 萬個。更新、得分更高、定價相同，換算下來每完成一項工作的成本仍高出 2.5 倍。這是少見的情況：模型頁面上的棄用標記本身並不是搬遷的理由，而在你遷移了其實不需要遷移的流量之前，值得先知道這一點。

對任何把它當成雙模型管線、而非雙供應商專案來打造的人來說，路由這一側在其中一半上很單純，另一半則不然。OrcaRouter 以 SpaceXAI 自家的定價、0% 加成提供 Grok 4.6，型號為 grok/grok-4.6，供應商定價原封不動地傳遞過來，因此分級價格及其任何變動都會在同一天送達這裡——而且與其他 200 多個模型共用同一把金鑰，並在端點不穩時自動跨供應商容錯移轉。Muse Wonder 不在我們的目錄中，我們也無法驗證有任何第三方代管服務，因此今天要呼叫它，唯一的方式就是 Meta 自家的 API 與 Muse Code。模型融合呼叫——同時執行便宜模型與強力模型，再從兩者的答案中挑選——正是單一端點能讓它變得更容易的事情之一，但它只能納入有人正在提供的模型。

這項選擇，依提示長度而非依判定。

在提示低於 20 萬個 token、用量龐大、且工作以提問形式為主的情況下：Grok 4.6，不用太傷腦筋。在多數團隊實際送出的請求型態上，它便宜 2.6 倍；在唯一一個它能擊敗同級所有對手的獨立評測中拿下 94.9 分；而且首個 token 的生成速度約是其競爭對手的 2 倍。唯一要注意的是，Grok 4.7 以相同的定價存在，還多了一個 effort 層級——在假設它比較貴之前，先確認你自己的 token 用量，因為公布的數字顯示它確實會更貴。

超過 200,000 個 token 的提示詞，或在漫長的代理式執行過程中持續保持開啟的數十萬個 token 上下文，又或者是一項輸出極其龐大的工作：Muse Wonder。這個交會點真實存在，而且極為鮮明，而 943,718 個 token 的回應上限，並不是 Grok 4.6 能用自身的一個數字來回應的。

在兩者之間，存在一個誠實的觀察：這是 Meta 發布窗口裡唯一一組較便宜的模型同時也是更精簡的配對，因此價格差異買到的是能力，而不是 token。Muse Wonder 推出兩天後，這項能力由一列獨立數據和一張廠商表格來描述。Grok 4.6 的這項能力則自八月以來持續累積。