Muse Wonder (max) vs Grok 4.5 (medium)

已对比模型

排名: #113
总输出令牌: 219,635
响应时间（平均）: 44.39s
总成本: $4.766

排名: #115
总输出令牌: 306,044
响应时间（平均）: 68.44s
总成本: $2.996

推荐模型 Grok 4.5 (medium)

它在这里得分最高（7.8），同时成本比Muse Wonder (max)低约 1.6 倍。

详细对比

指标	Muse Wonder Muse Wonder max 发布日期: 2026-10-13	Grok 4.5 Grok 4.5 medium 发布日期: 2026-07-08

指标	Muse Wonder Muse Wonder max 发布日期: 2026-10-13	Grok 4.5 Grok 4.5 medium 发布日期: 2026-07-08
分数	7.9	7.8
排名	#113	#115
可靠性	9.0	10.0
一致性	8.9	9.0
尝试次数	69/69	69/69
测试正确
尝试通过率	75.4%	79.7%
不稳定测试	3	3
总运行次数	69	69
每个结果成本	29.783	14.430
总成本	$4.766	$2.996
输入价格	$4.000 / 1M	$2.000 / 1M
输出价格	$20.000 / 1M	$6.000 / 1M
缓存读取价格	$0.200 / 1M	$0.300 / 1M
缓存写入价格	不适用	不适用
总输入令牌	93,126	308,369
输出令牌	10,497	7,013
推理令牌	209,138	299,031
响应时间（平均）	44.39s	68.44s
响应时间（最大）	287.79s	436.38s
响应时间（总计）	1021.02s	1574.14s
参数量	~1T 总计 (~50B 激活)	~1.7T 总计 (~170B 激活)
开放状态	闭源	闭源

缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。

模型生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#113 Muse Wonder

max

成本: $0.429
时间: 207.0s
令牌: 21,515 tok

#115 SpaceXAI: Grok 4.5

medium

成本: $0.044
时间: 59.4s
令牌: 7,512 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

类别:

智能体任务	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Muse Wonder	3.0	10.0	0.0%	0		381ms	0	0	0
Grok 4.5	5.0	10.0	0.0%	0		65.24s	186,214	1,499	5,085

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Muse Wonder	10.0	10.0	100.0%	0		7.00s	786	498	6,361
Grok 4.5	10.0	10.0	100.0%	0		23.50s	2,991	147	4,018

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Muse Wonder	10.0	10.0	100.0%	0		58.38s	7,401	1,942	65,131
Grok 4.5	7.6	7.2	77.8%	1		155.69s	9,579	390	104,634

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Muse Wonder	10.0	10.0	100.0%	0		62.60s	65,711	5,273	38,571
Grok 4.5	10.0	10.0	100.0%	0		29.01s	83,730	4,154	16,180

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Muse Wonder	10.0	10.0	100.0%	0		7.40s	7,053	475	4,783
Grok 4.5	10.0	10.0	100.0%	0		6.29s	8,937	225	3,657

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Muse Wonder	2.9	7.2	11.1%	1		189.55s	439	843	68,903
Grok 4.5	5.3	7.2	44.4%	1		249.34s	2,221	11	140,815

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Muse Wonder	10.0	10.0	100.0%	0		6.06s	519	215	1,628
Grok 4.5	6.5	3.4	66.7%	1		12.84s	1,077	71	2,384

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Muse Wonder	7.5	6.1	83.3%	1		13.24s	753	220	7,067
Grok 4.5	9.8	10.0	100.0%	0		6.06s	1,857	57	2,728

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Muse Wonder	7.7	10.0	66.7%	0		8.97s	459	360	5,691
Grok 4.5	10.0	10.0	100.0%	0		7.75s	2,430	254	3,641

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Muse Wonder	10.0	10.0	100.0%	0		8.08s	9,780	372	2,916
Grok 4.5	10.0	10.0	100.0%	0		6.57s	8,544	192	968

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Muse Wonder	2.8	1.6	33.3%	1		41.30s	225	299	8,087
Grok 4.5	3.0	10.0	0.0%	0		74.44s	789	13	14,921

切换对比组合

Ling 3.1 FlashhighvsMuse Wondermax Muse WondermaxvsMiMo-V2.6-Flashmedium Grok 4.5mediumvsGLM 5.3high Muse WondermaxvsQwen3.8 2.4T A95Bhigh Ling 3.1 FlashhighvsGrok 4.5medium Gemini 3.5 FlashmediumvsMuse Wondermax Muse WondermaxvsGLM 5.3high Qwen3.8 2.4T A95BhighvsGrok 4.5medium Muse WondermaxvsStep 3.7 Flashmedium Muse WondermaxvsGrok 4.6medium Qwen3.7 PlusnonevsGrok 4.5medium Muse WondermaxvsQwen3.7 Maxnone