- 分数
- 9.4 (+1.51 分)
- 总成本（当前价格）
- $0.183 · 便宜 96.2%
- 响应时间（平均）
- 6.24s · 快 85.9%
Meta
发布日期: 2026-10-13
测试于: 2026-10-13 00:12
meta/muse-wonder::max
~1T 总计 (~50B 激活)MoE闭源估算
摘要
Muse Wonder 在 AI BENCHY 上得分 7.9，排名 #113。它的可靠性为 9.0，通过率为 75.4%，总成本为 $4.766，平均响应时间为 44.39s。
Muse Wonder 的独特之处： 它最突出的是 编程，排名 #1；相对较弱的是 常识问答，排名 #17。
推荐替代模型
建议改用以下模型之一：
- 分数
- 8.6 (+0.73 分)
- 总成本（当前价格）
- $0.061 · 便宜 98.7%
- 响应时间（平均）
- 7.51s · 快 83.1%
- 分数
- 9.6 (+1.71 分)
- 总成本（当前价格）
- $0.460 · 便宜 90.4%
- 响应时间（平均）
- 7.15s · 快 83.9%
模型信息
调研日期：2026-10-13
- 参数量
- ~1T 总计 (~50B 激活)
- 架构
- MoE
- 开放状态
- 闭源
- 许可证
- -
基于公开证据的最佳估算；厂商未披露全部数值。
输入价格
$4.000 / 1M
输出价格
$20.000 / 1M
缓存读取价格
$0.200 / 1M
缓存写入价格
不适用
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。
不稳定测试
3
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
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
图表
先选择第一个模型，再点击第二个模型打开并排页面。
快速对比
Muse WondermaxvsMiMo-V2.6-FlashmediumMuse WondermaxvsLing 3.1 FlashhighMuse WondermaxvsQwen3.8 2.4T A95BhighMuse WondermaxvsGrok 4.5mediumMuse WondermaxvsGemini 3.5 FlashmediumMuse WondermaxvsGLM 5.3highMuse WondermaxvsQwen3.7 MaxnoneMuse WondermaxvsStep 3.7 FlashmediumMuse WondermaxvsGPT-5.4 MinimediumMuse WondermaxvsGrok 4.6medium