
Qwen 4 對決 Muse Wonder:更便宜的模型,正是那個沒人測過速度的
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-0717 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 87 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 133 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百萬 tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 126 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 147 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百萬 tokens · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百萬 tokens · 219 tok/s
Muse Wonder 完成一項 Intelligence Index 任務大約要花你 6.95 美元。Qwen4-Max 則要花 3.27 美元。這就是 Alibaba 新旗艦對上 Meta 產品的全部經濟論據,而它有一個很大的但書:3.27 美元屬於一個沒有公佈輸出速度、沒有實測每項任務時間,且產出該數字的排行榜上也沒有任何形式計時資料的模型。Muse Wonder 這三項全都有——每秒 118 個 token、每項指數任務 13.5 分鐘、首個回答 token 耗時 19.64 秒。所以誠實的說法是:Qwen 4 的旗艦價格約為一半,速度則未知差了多少,而這兩項差異中,今天只有一項能讓你據此規劃。Muse Wonder 於 2026 年 10 月 12 日發佈;Qwen4-Max 於 2026 年 11 月 16 日發佈。這兩個日期都只是背景,不是新聞。
兩個剖面並排且未經平滑處理
Muse Wonder 是 Meta 的前沿推理模型,專為代理式工作打造,具備異常寬廣的輸入範圍:文字、圖像、語音與影片輸入,文字輸出,並支援一百萬個 token 的上下文。它是專有 API 模型,每百萬個輸入 token 收費 4.00 美元,每百萬個輸出 token 收費 20.00 美元,混合費率為 2.94 美元,並提供 95% 的快取折扣。Meta 同時發布了一個更高投入程度的變體,得分為 41 而非 44,且以實際耗時而言速度更快——每項索引任務 9.5 分鐘,相較於 13.5 分鐘——這是有用的提醒:「最大投入」不見得自動就是正確的設定。
Qwen4-Max 是阿里巴巴的第四代旗艦模型:一個 2.4 兆參數的稀疏混合專家模型,每個 token 啟用 710 億參數,具備原生視覺、影片輸入、一百萬 token 上下文,以及由思考與回答共用的 262,144 token 預算。其價格為每百萬 token 輸入 $1.50、輸出 $4.50,快取讀取則為 $0.075。
• 分數 — Qwen4-Max 43(81 個中排名第 38)對上 Muse Wonder 44(81 個中排名第 35)
• 輸入價格 — Qwen4-Max 每 100 萬 $1.50,對比 Muse Wonder 每 100 萬 $4.00
• 輸出價格 — Qwen4-Max 每 100 萬 $4.50,對比 Muse Wonder 每 100 萬 $20.00
• 每項索引任務成本 — Qwen4-Max $3.27 對比 Muse Wonder $6.95
• 輸出速度 — Qwen4-Max 未公布,對比 Muse Wonder 每秒 118 個 token
• 每項索引任務耗時 — Qwen4-Max 未公布,相較之下 Muse Wonder 為 13.5 分鐘
• 輸入介面 — Qwen4-Max:文字、圖像、影片;Muse Wonder:文字、圖像、語音、影片
• 權重 —— 兩者皆未公布任何權重
每個 token 的價格與每次回答的價格相差兩倍
表面比率是輸出 4.4×、輸入 2.7×;每項任務的比率則是 2.1×。這些數字之間的差距,就是每個模型為了產生答案所做的工作量,而它的方向與標價所暗示的相反:Muse Wonder 每項任務花費更多 token,而不是更少,因此 $20 的輸出價格會變成 $6.95 的帳單,而不是 $40。
用一個具體工作來算算看。一份 50,000 token 的文件審閱,產出 5,000 token 的備忘錄,不使用快取:Qwen4-Max 輸入收費 $0.075、輸出收費 $0.0225,不到十美分。Muse Wonder 收費 $0.20 和 $0.10,共三十美分。三比一,而且兩者都是小數目——這正是重點。在小量使用下,兩個價格都無關緊要,而一個指數點的分數差距,比起速度問題更是無足輕重。
擴大規模。每月一萬則這類評論:Qwen4-Max 為 $975,Muse Wonder 為 $3,000。現在價格變得重要了,而缺失的碼錶也更加重要,因為一項成本只有三分之一、但耗時卻要兩倍的作業,可能根本無法配合夜間時段。
這就是這個決策的樣貌。這並不是在比較哪個模型更好;而是在比較:較便宜的選項有一個未經衡量的維度,而這個維度恰好是生產系統最重視的。
「未公布速度」實際上讓你付出什麼代價
一個未經測量的模型並不是慢模型,把它解讀成那樣會是錯的。它是那種你必須先自行確定其延遲,才能把它放在任何帶有逾時機制的東西後面的模型。這會帶來三個實際後果,按惱人程度由低到高排列。
首先,你無法根據文件來規劃自動擴展的規模。你必須先進行試點,以你自己的提示長度測量 p50 和 p95 的首個 token 時間,然後再決定規模。Kimi K3.1 Pro 的每秒 30 個 token 和每項任務 39.7 分鐘是經過測量並公開發表的;Qwen4-Max 的數據最終也會如此,但現在還沒有。
其次,推理模型在負載下會以不可預測的方式劣化,而每秒 token 數只能部分捕捉這些情況。Muse Wonder 在最高強度下達到首個回答 token 的 19.64 秒,是一項經實測且可重現的數值。沒有這類數值的模型,就沒有基準可用來察覺某個週二比週一慢了一倍。
第三——而這正是最要命的一點——路由層只有在知道「正常」長什麼樣子時,才能僅憑延遲進行容錯切換。如果你把一個未量測延遲的模型放進一個已有量測延遲模型的池子裡,這個池子的行為就會由較慢、且狀況不明的那個成員來定義。容錯切換讓這種情況變得可承受:一個停滯的請求可以改向第二個模型重試,而用戶端不會察覺。但它不會讓這件事變得可量測,也不能取代了解你自己的數據。
輸入介面是 Muse Wonder 真正的差異化優勢
語音不是一個核取方塊。Muse Wonder 將音訊視為一級輸入,與文字、圖像和影片並列,並回傳文字。Qwen4-Max 接受文字、圖像和影片。如果你的管線要攝取通話錄音、會議音訊或廣播媒體,這項差異會在討論價格之前就決定模型——先轉錄成文字是另一個模型、另一筆帳單,以及另一種失敗模式,會丟失韻律與說話者重疊。
影片是雙方競爭的另一個軸線,而細節至關重要。兩者都接受影片;在我們所閱讀的資料中,雙方都沒有公布影格率、時長或解析度限制,這意味著影片工作負載在兩邊都屬於先導測試,而非規格比較。
Qwen4-Max 在輸入方面的優勢,在於大量使用時的成本。以每百萬個 token 1.50 美元計算,一百萬個影片衍生內容的 token 在 Qwen4-Max 上花費 1.50 美元,在 Muse Wonder 上則要 4.00 美元。長篇媒體分析正是 2.7 倍輸入價差會不斷累積放大的工作負載,也正是 Qwen4-Max 價格優勢最站得住腳的地方。

指數得分的一分,以及它值多少
在同一份 Artificial Analysis Intelligence Index 上,同一天讀取,44 對 43。這不是能力上有意義的差異;這落在單一彙總指數對少數幾道難題的反應所產生的雜訊範圍內。任何人若以那一點來為 Muse Wonder 立論,都是在毫無根據的基礎上立論。
有意義的是,Muse Wonder 有一個高投入變體得分 41,這告訴你投入程度旋鈕會讓分數往任一方向移動約三分。如果 Qwen4-Max 的投入程度旋鈕行為類似——而阿里巴巴自己的報告顯示投入程度會大幅改變 token 消耗,Work360 使用量在 xhigh 下下降 24 per cent、在 high 下下降 35 per cent——那麼 43 就是來自某個分佈的單一樣本,而不是固定屬性。廠商報告、相對於 Qwen3.8-Max、未經重現:將方向視為有資訊性,將幅度視為一種主張。
兩家廠商在發布時公布的基準測試,都應以同樣的質疑態度看待。Meta 的 JobBench 與 Vals 數據屬於第一方數據。Alibaba 的 Work360 52.69、其每項任務成本從 $4.43 降至 $1.67,以及其在五個基礎檢查點上 bits-per-byte 的改善,都是第一方數據。這兩組數據都未經獨立重現,且兩家廠商都未公布可讓你自行嘗試的評估測試框架。
其中每一個都是顯而易見的答案
當音訊在流程中、當你需要一個已公布的延遲數字作為撰寫 SLA 的依據,或當工作是代理式且長時程,而你寧願為可計時的任務支付 $6.95,也不願為無法計時的任務支付 $3.27 時,請選擇 Muse Wonder。對於在這個分數上的模型而言,每秒 118 個 token 的數據確實很快,而速度是客戶會注意到的特點。
當用量是限制因素、工作負載是長上下文閱讀而非長程推理,或輸入是大規模影片且 2.7× 的輸入差距就是整筆帳單時,選擇 Qwen4-Max。固定 $1.50/$4.50 的價目卡且沒有長上下文級別,很容易據以預測,這在你撰寫季度預算時比聽起來更重要。
兩者皆為專有模型,且未公開權重,因此都無法自行託管或鎖定版本。若這是必要條件,這場比較就沒有贏家,答案會是一款會公開檢查點的模型——在旗艦模型之中,Kimi K3.1 Pro 正是如此。
如果你想避免做選擇,實用的折衷方案是採用一個池,而不是做出決定:依輸入模態路由(音訊交給 Muse Wonder,大規模影片交給 Qwen4-Max),在價格優勢確實存在的地方保留它,並讓容錯移轉涵蓋你尚無法預測的延遲。值得精確說明今天哪些是可路由的——Muse Wonder 和 Qwen4-Max 都不在我們服務的 215 個識別碼之中,所以那個池是一項設計,而不是產品頁面。我們在 Meta 這邊確實提供的是 Muse Spark 系列,輸入 $1.25、輸出 $4.25,而在阿里巴巴這邊是 qwen/qwen3.8-max,價格為 $2.00/$6.00,依供應商定價表計價,未加收任何費用。

下一次發布前該問的問題
任何將推出數週的模型與推出一個月的模型互相比較,都有同樣的弱點:證據會以偏袒較早推出之模型的方式呈現不對稱,因為獨立測試檢視它的時間更長。Muse Wonder 的數據更豐富,不是因為 Meta 更透明,而是因為它多了五週的測量時間。
值得關注的不是又一個基準測試,而是 Qwen4-Max 的速度與每項任務耗時,是否會在價格優勢被消耗殆盡之前出現在同一份排行榜上。每項任務成本只有一半、延遲卻是兩倍的模型,與成本只有一半、延遲相當的模型,是截然不同的產品;而目前阿里巴巴以外的任何人,都不知道它究竟是這兩者中的哪一種。

本文中的比較1
根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新
