Muse Wonder 對比 Grok 4.7：每 Token 成本貴兩倍，每任務成本卻僅 1.2 倍的模型

在價目表上，Muse Wonder 看起來與 Grok 4.7 屬於不同的價格區間。Meta 對 Muse Wonder 每百萬輸入 token 收費 $4.00，每百萬輸出收費 $20.00；Muse Wonder 於 2026 年 10 月 12 日發布。xAI 對 Grok 4.7 收費 $2.00 和 $6.00，該模型於 2026 年 9 月 21 日發布。輸入是兩倍，輸出則是三倍以上。接著 Artificial Analysis 將兩者透過同一套測試框架運行，並回報完成一項智慧任務的價格：Muse Wonder（max）約 $4.52，Grok 4.7（xhigh）約 $3.74。價目表上 3.3 倍的差距，到了實際計費時縮小到 1.2 倍，因為 Grok 4.7 是榜單上最冗長的模型，而 Muse Wonder 只排第二。

價目表差距的去向

這兩家實驗室對 token 的定價方式大不相同，而模型花用 token 的方式也大不相同，方向還正好相反。有一個數字——在索引評估期間所消耗的輸出 token——幾乎就能解釋這一切：

• 索引測試的輸出 token——Grok 4.7 約 2.4 億；Muse Wonder 約 1.3 億，而排行榜中位數接近 8,200 萬

• 定價 — Grok 4.7 每百萬 $2.00 輸入 / $0.50 快取 / $6.00 輸出；Muse Wonder $4.00 輸入 / $0.20 快取 / $20.00 輸出

• 每個索引任務的實測成本——Grok 4.7 約 $3.74；Muse Wonder 約 $4.52

• 智慧指數 — Muse Wonder（max）52，在 219 個中排名第九；Grok 4.7（xhigh）46

Grok 4.7 的冗長程度，正是其看似便宜的價目表卻無法帶來便宜任務的原因。在每次評估 2.4 億個輸出 token 的情況下，一次 Grok 4.7 呼叫若要表達與一次 Muse Wonder 呼叫相同的內容，大約需要兩倍的 token 才能說完，而每個 token 省下的錢又花在購買更多 token 上。Muse Wonder 的 $20.00 輸出費率幾乎是 Grok 的三倍，但它輸出的 token 量大約只有一半——這兩種效應幾乎互相抵消，最後剩下的是為了六個指數點支付 1.2 倍的溢價。

這種重新詮釋比表面上看來更重要，因為它顛覆了一般常見的建議。如果你按價目表來為模型定價，你會得出 Grok 4.7 是經濟實惠的選擇、Muse Wonder 則是奢侈品的結論；但如果你按實際完成的工作來定價，兩者的差距其實在 22% 以內。

快取行就是不會取消的那一個。

有一列打破了這個模式，而且是往對 Meta 有利的方向打破。Grok 4.7 的快取輸入費率是每百萬個 token $0.50，與 Grok 4.6 相同，並且是 GPT-6.1 Sol 的 $0.10 的五倍。Muse Wonder 的則是 $0.20。在大量使用提示快取的流程中——每次呼叫都會重新送出冗長的系統提示與固定語料——這在請求中最大宗的 token 類別上帶來 2.5× 的優勢，而且不會被冗長程度吃掉，因為快取的輸入 token 不是輸出 token。

另一個非抵銷性的差異在於價格曲線的形狀，而在這一點上 Meta 徹底勝出：

• 上下文視窗 — Muse Wonder 1,048,576 個詞元；Grok 4.7 500,000 個詞元

• 長提示詞重新定價 — Muse Wonder 無；Grok 4.7 會在提示詞達到 200,000 個 token 時，將整個請求重新定價為輸入 $4.00、輸出 $12.00

• 單次回應的最大輸出量 — Muse Wonder 943,718 個 token；Grok 4.7 為 450,000，根據廠商自家列出的資料

• 努力程度階梯 —— Muse Wonder 從 minimal 到 max，預設為 medium；Grok 4.7 提供 low、medium、high、xhigh，預設為 high，其中 xhigh 為本世代新增

Grok 4.7 的 200,000-token 級距，是兩家實驗室所販售的最陡峭斷崖。一個 199,000 token 的提示詞和一個 201,000 token 的提示詞，整筆請求都會以兩倍輸入費率和兩倍輸出費率計費——不只是針對超出的部分。Muse Wonder 對 400,000-token 的提示詞，收取與 400-token 提示詞完全相同的每 token 費率。對於經常帶有大量固定上下文的檢索式工作負載，這一列就可能比上方所有項目加起來還更有分量。

六個索引點從何而來

六分的綜合差距是真實的差距，而且它不會自行平均分布。Artificial Analysis 是在其指數的同一個修訂版本上為這兩個模型評分；這些是它的測量結果，而不是任何廠商的宣稱。

• AA-Briefcase — Grok 4.7 在 xhigh 下取得 1,657 Elo，位居排行榜第四；Muse Wonder 未在同一測試框架上發布。

• GDPval-AA — Grok 4.7 1,715 Elo，在非 Anthropic 模型中寫下最高紀錄；Muse Wonder 未發布

• 在其自有測試框架上進行程式碼生成——Muse Wonder 無法直接比較；Grok 4.7 在 SciCode 上為 57.4%，在 Humanity's Last Exam 上為 43.1%

• 每個索引任務的成本 — Grok 4.7 $3.74；Muse Wonder $4.52

Grok 4.7 的表現輪廓是廣而非尖：它在推理、長上下文召回與專業文件工作上都有一定水準，卻未在任何一項居於領先，而且它的速度確實很快，達每秒 82.6 個 token，這是 Muse Wonder 尚未在同一測試框架上公布過的數據。Muse Wonder 的形態則恰恰相反——更高的綜合分數、未公布的的速度數據，以及一份將勝場集中於終端與長時程軟體工作的廠商表格。

那張廠商表格是 Meta 自家的，尚未被任何人重現。其中 Muse Wonder 的 Terminal-Bench 4.0-AA 數值 85.6，在同一欄裡對上 Claude Fable 5.1 的 79.0 與 GPT-6 Astra 的 81.4；Grok 4.7 經獨立測量的 Terminal-Bench 4.0 結果，在同一個基準名稱下是 0.258，那是不同的測試框架，也是不同的數字。不要把那兩者放進同一個句子裡當作比較——Meta 的數字是廠商對自家模型的主張，而 Artificial Analysis 的數字是對 xAI 模型的測量，兩者的測試框架並不相同。

其中一個有訂閱制的孿生版本。

Meta 將 Muse Wonder 以兩個檢查點推出。muse-wonder-1.0 是在 Meta Model API 上、以 $4/$20 計價的那一個。muse-wonder-full-1.0 在獨立指數上得分 56——比 Grok 4.7 高十分——而且完全無法按 token 購買；它隨 Muse Code 訂閱提供，Power Usage 為每月 $50，Maximum Usage 為每月 $200。Grok 4.7 沒有類似的區分。你所見即你所買，同一份費率表，同一個端點。

對一個正在權衡每月 200 美元訂閱與按 token 計費的團隊來說，這正是這項比較中真正困難的部分。Full checkpoint 對 Grok 4.7 的十分領先幅度，大於 API 模型的六分領先；而定額訂閱與計量費率是非常不同的購買方式——它完全消除了冗長懲罰，而這正是最初讓這組配對如此接近的懲罰。

路由側，這裡是不對稱的

這兩者都是 Meta 與 xAI 自家的模型，透過他們自家的 API 銷售，而其中一個也是我們所提供的路由。Grok 4.7 已收錄在 OrcaRouter 目錄中，代號為 grok/grok-4.7，日期為 2026-09-21，價格為 xAI 自家的每百萬詞元 $2.00 輸入、$0.50 快取讀取與 $6.00 輸出，而 500,000 詞元的上下文視窗、450,000 詞元的輸出上限與 200,000 詞元的重新計價規則全都維持不變。穿透式定價意味著 xAI 費率表上的變動當天就會反映到我們的價格上，而 同一把金鑰即可觸及目錄中的其餘部分。

Muse Wonder 不是我們的路由之一。我們的目錄中沒有 meta/muse-wonder條目，而本頁也不會暗示有這樣一條——Meta 的 Model API 與 Muse Code 才是它運行的地方。我們從 Meta Superintelligence Labs 確實有引進的，是 meta/muse-spark-1.2，也就是這一家族所源出的較大檢查點，在 1,048,576 詞元窗口下，每百萬詞元輸入 $1.25、輸出 $4.25，快取讀取為 $0.15。

這種不對稱性，其實正是進行這項比較的實際理由。1.2× 的成本比和六分的分數差距，都是基準測試套件上的平均值；在你的實際流量上，這個比率會不一樣，而若不實際跑過，你無法知道會差多少。Grok 4.7 只差一個字串變更。當 Muse Wonder 登上我們有路由的供應商時，那也會是同樣的字串變更——而在那之前，誠實的立場是：這組配對中，你可以便宜地測試其中一半，另一半則完全無法測試。

在它們之間做選擇

• Grok 4.7 適合用在你已經喜歡其整體樣貌的情況：500,000-token 的視窗涵蓋大多數檢索工作，450,000-token 的輸出上限很寬裕，努力階梯可達 xhigh，而且綜合表現已接近到 1.2× 很少能決定任何事。

• Grok 4.7 特別適合推理密集的專業文件工作。其 GDPval-AA Elo 是排行榜上最強的非 Anthropic 讀數，而這正是能預測合約審閱、財務分析與長篇撰稿表現的子項分數。

• Muse Wonder 在提示詞龐大且固定時。一個 1M 視窗、沒有重新定價步驟，以及 $0.20 的快取讀取，與一個在 200,000 個 token 時會讓整個請求加倍計價的 500K 視窗相比，是實質上不同的交易條件，而這個差異會在迴圈中的每一次呼叫中不斷累積。

• Muse Wonder：當輸出必須極為龐大時。943,718 個 token 相較於 450,000，就是一次產出完整成品與將之分頁之間的差異。

• Muse Wonder 當輸入為語音或影片時。Grok 4.7 接受文字與圖像；Meta 的模型接受文字、圖像、語音與影片，這是將一個管線階段壓縮掉，而非改善其中一個階段。

那個誘人的總結——更便宜的模型對上更好的模型——兩半都錯了。Grok 4.7 每完成一項任務的成本，遠不似其價目表所暗示的那麼便宜，而 Muse Wonder 的優勢則集中在綜合評分無法呈現的地方。在實務上區分兩者的是提示大小與輸出大小，而這兩者都印在你自己的日誌裡。