Muse Wonder 对比 Claude Opus 5.5：同价不同工

Muse Wonder 与 Claude Opus 5.5 在一方 API 上定价完全一致：输入每百万 token 4 美元、输出 20 美元、缓存 0.20 美元，上下文窗口也都是 1M token。当价格从方程中消失，剩下的就只有工作本身。这正是本季度最干净的一次模型对比——你不再需要为预算纠结，只需要判断哪个模型更适合你的任务。

Muse Wonder vs. Claude Opus 5.5

独立评测机构 Artificial Analysis 给出 Opus 5.5 综合智能指数 58，Wonder 为 52。但在 Meta 公布的 agent 基准中，Wonder 在长时间代码执行和法律任务上领先；在 API 可用的 Wonder 版本里，SWE-Marathon 也击败了 Opus。按任务计费，Wonder 花费 4.52 美元，Opus 为 5.98 美元。

规格对比

项目	Muse Wonder	Claude Opus 5.5
模型 ID	`muse-wonder-1.0`	`claude-opus-5-5`
输入/输出/缓存（每 1M）	$4 / $20 / $0.20	$4 / $20 / $0.20（缓存读取）
上下文	1M token	1M token
输入类型	文本、图像、视频、音频	文本、图像、PDF
API 格式	Responses、Chat Completions、Messages	Messages，外加 OpenAI 兼容端点
推理控制	`effort` 从 `minimal` 到 `max`；始终推理	`effort` 等级；扩展推理
一方速率限制	每团队 3,000 RPM / 4M TPM	按消费分层
更大兄弟	Muse Wonder Full，仅 Muse Code 可用	无
权重	闭源	闭源

两个差异在跑分之前就已显现。Wonder 原生支持视频和音频输入，Opus 5.5 不支持。另外，Opus 5.5 是 Anthropic 产品线中的旗舰，而 Wonder 明确是 Meta 两个模型中的较小者。当看到 Meta 图表显示自家模型胜出时，务必确认柱子属于 Wonder 还是 Wonder Full——后者仅通过订阅服务 Muse Code 提供，没有 API。

基准测试：Meta 公布的表格

在 effort 拉满的情况下，Meta 模型卡中公布的对比数据如下：

基准	Muse Wonder	Claude Opus 5.5	胜者
Artificial Analysis 智能指数	52	58	Opus 5.5
Harvey LAB-AA（法律）	10.0	4.2	Wonder
AutomationBench-AA	39.1	41.2	Opus 5.5
JobBench	70.5	75.4	Opus 5.5
DeepSWE 1.1	78.8	74.2	Wonder
SWE-Marathon	53.1	46.3	Wonder
Terminal-Bench 4.0-AA	52.0	59.6	Opus 5.5
HealthBench Pro	60.5	65.6	Opus 5.5

即便在 Meta 自己发布的表格里，Opus 也赢了 8 行中的 5 行。 Wonder 赢下两项软件工程指标和法律指标。SWE-Marathon 上 6.8 分的差距是 Meta 重点强调的——这是 agent 需要持续前进的长时间代码任务。

独立评测视角

Artificial Analysis 以最大 effort 评估了两款模型：

指标	Muse Wonder	Claude Opus 5.5
Intelligence Index v4.3	52	58
AA-Omniscience（知识）	25	46
幻觉率	27%	未在同一表格
GDPval-AA（Elo）	未公开；Wonder Full 为 1857	1866
Coding Agents Index	63	66（配 Claude Code）
每任务输出 token	约 54,000	未公布
每任务成本	$4.52	$5.98

知识差距是单项指标中差异最大的一项：Opus 掌握的事实几乎是 Wonder 的两倍。 高度依赖信息检索的产品需要给 Wonder 提供外部 grounding，而 Opus 有时可以直接依赖自身知识。在代码 agent 上，Claude Code 配 Opus 5.5 以 66 对 63 小幅胜出，只有 Wonder Full 能到 68。

Artificial Analysis 智能指数（Intelligence Index） 是第三方评测机构 Artificial Analysis 综合多个标准化基准（如 MMLU、GPQA、数学推理、代码生成等）加权得出的单一分数，用于横向比较不同厂商模型。它并非单一测试，而是将知识、推理、编码、数学等维度的归一化结果汇总成一个 0–100 的指数，因此分数差距 6 分（58 对 52）意味着多个子维度上的综合落后。需要注意的是，该指数偏重知识型与推理型任务，对长时间 agent 执行、缓存成本等工程侧因素覆盖不足，所以它更适合判断“通用智能上限”，而非“特定工作负载谁更划算”。

AA-Omniscience 是 Artificial Analysis 针对事实性知识广度与准确度设计的指标，测试模型在广泛学科上的开放域知识。Opus 在该项以 46 对 25 领先，说明其参数记忆或训练数据覆盖面明显更广，对依赖自身知识而非外部检索的应用更有利。

按任务计费，而非按 token

相同的价格表可能产生不同的账单。Wonder 在 Artificial Analysis 索引中每任务 4.52 美元、Opus 5.98 美元，根源在于使用模式：Wonder 的 4.52 美元中只有 1.08 美元花在输出 token 上，3.43 美元花在输入上，且大头是缓存写入和读取。Opus 的成本更偏向输出端。

哪个模型更便宜取决于工作负载：

长时间 agent 循环反复发送稳定前缀，会放大 Wonder 的缓存密集优势（缓存仅 $0.20/百万）。
短 prompt 产出长回答的任务会削弱 Wonder 的优势。

实操建议：在每个响应的 usage 字段中读取实际用量，计算你自己的流量成本，而不是照搬别人的账单。

缓存写入与缓存读取 是理解成本差异的关键。当同一段前缀（如 system prompt、工具定义、长文档）被反复发送时，供应商允许将其缓存，后续请求直接读取缓存而非重新计算。缓存读取通常按输入价格的极低折扣计费（此处为 $0.20/百万），但首次写入缓存可能按输入价甚至更高计费。因此，在长时间 agent 循环中，稳定前缀反复出现，会大幅放大缓存带来的成本优势；反之，短 prompt、每次内容都变化的任务几乎无法受益，成本结构便回归到常规输入输出计价。Wonder 的账单中 3.43 美元花在输入（大头是缓存读写），正反映了这一模式。

工具与生态

Claude Opus 5.5 的生态最深：Claude Code、Agent SDK、Managed Agents、Bedrock/Google Cloud/Microsoft Foundry 可用，外加一年积累的第三方集成。其 18 小时长任务执行能力，为 API 可暴露的长时间 agent 设定了当前标准。

Muse Wonder 发布于几天前，生态刚刚起步。它提供 Meta API 三种请求格式、Muse Code、Vercel AI Gateway 和 Cloudflare Workers AI。Meta 文档展示了如何将 Claude Code 和 Codex 指向 api.meta.ai，这明显是冲着 Anthropic 和 OpenAI 工具用户来的。但还没有 Managed Agents 的对应物，且 Meta 的零数据保留会禁用服务端状态、后台请求、文件上传和网页搜索。发布周还出现过 Muse Code 配额消耗 bug，当天修复。大概一个月内，预期会有初期磕碰。

SWE-Marathon 是专门评估 agent 在长周期软件工程任务中表现的基准，任务通常需要多步规划、反复运行测试、修复错误并持续推进，而不是单次生成一段代码。塔考察的是 agent 在遇到障碍后能否继续前进、维持上下文并最终交付。Wonder 在此项以 53.1 对 46.3 领先，是 Meta 重点宣传的差异化优势，也解释了文章为何推荐将长时间、多步骤、预期有障碍的代码 agent 交给 Wonder。

Terminal-Bench 4.0-AA 则聚焦终端与 DevOps 场景，测试模型通过命令行完成系统管理、部署、调试等操作的能力。Opus 5.5 以 59.6 对 52.0 胜出，说明其在结构化、精确命令执行上更稳，这也是文章建议终端与 DevOps agent 选择 Opus 的依据。

安全与数据

两家供应商都建议 agent 执行重要操作前需人工确认。Meta 训练 Wonder 在执行重要动作前进行核查，并避免未经许可分享隐私信息。完整安全报告尚未发布，Meta 也没有排除高风险化学和生物能力的无防护情况。Anthropic 则在发布时公布 system card。

数据方面，Meta API 标准模式不会用你的流量训练；但 Muse Code 订阅默认使用 Contributor 模式，会用于训练。Anthropic 默认不用 API 流量训练。

零数据保留（Zero Data Retention） 是一种隐私保护模式，供应商承诺不存储客户的请求与响应数据。但副作用是许多依赖服务端状态的功能会失效，例如后台异步请求、文件上传、网页搜索、会话持久化等，因为这些功能需要供应商暂存数据才能运作。文章提到 Meta 的零数据保留会禁用服务端状态、后台请求、文件上传和网页搜索，正是这一权衡的体现。若工作负载依赖这些功能，需要在隐私与功能之间做取舍。

Contributor 模式 则是 Muse Code 订阅的默认设置，允许 Meta 使用用户流量训练模型。它与 API 标准模式“不用于训练”的承诺不同，订阅用户需主动检查并调整该设置。

什么工作交给哪个模型

工作类型	选择	原因
长时间代码 agent，多步骤、预期有障碍	试用 Wonder	SWE-Marathon 53.1 对 46.3；缓存密集成本结构
法律文档 agent	试用 Wonder	Harvey LAB 10.0 对 4.2
事实问答与研究助手	Opus 5.5	Omniscience 46 对 25
终端与 DevOps agent	Opus 5.5	Terminal-Bench 59.6 对 52.0
健康与专业建议	Opus 5.5	HealthBench 65.6 对 60.5
视频或音频输入	Wonder	Opus 5.5 不支持
Bedrock/Google Cloud/Foundry 工作负载	Opus 5.5	Wonder 仅一方、Vercel 和 Cloudflare 可用
最强模型的交互式编码	Opus 5.5 API 或 Wonder Full（Muse Code）	Wonder Full 仅限订阅

诚实的总结：Opus 5.5 是综合最智能的模型，也是最安全的默认选择。当你的负载类似 Meta 基准——带工具的长时间 agent 执行——或视频音频输入重要时，Wonder 是值得测试的选项。

在 Apidog 中执行对比

由于两个模型都接受 OpenAI 风格和 Anthropic 风格请求，一个 Apidog 项目可以对两者保留同一套测试。

创建两个环境：Meta 的 base_url 为 https://api.meta.ai/v1；Anthropic 用对应 URL。
每个 API key 存为密钥变量。
用相同的 system prompt、相同的工具和相同任务，为 Wonder 构建 Responses 请求，为 Opus 构建 Messages 请求。
添加断言以验证所需的结构化输出。
用后处理器记录 usage 和每次运行的计算成本（美元）。
按生产环境使用的 effort 等级运行，而不是拉满。

你自己的十个任务比任何供应商表格都更能说明问题。

常见问题

Muse Wonder 比 Claude Opus 5.5 更好吗？

总体而言不是。Opus 5.5 在独立指数上以 58 对 52 领先，在 Meta 自己表格的 8 行中赢下 5 行。Wonder 在软件工程和法律基准上领先，每任务成本更低。

它们价格一样吗？

价格表一样：输入 $4/百万、输出 $20/百万、缓存 $0.20/百万。按任务，Artificial Analysis 测得 Wonder 为 $4.52，Opus 为 $5.98。

哪个更适合 Claude Code？

Claude Code 是为 Claude 打造的。它可以通过 Meta 的 Messages 端点跑在 Wonder 上，但 Coding Agents Index 显示 Claude Code 配 Opus 为 66，Wonder 为 63。差距只在 Wonder Full 上缩小，而后者没有 API。

Muse Wonder Full 会改变结论吗？

在基准上会：Full 指数 56，在大多数 agent 行领先。实践上不会，除非你在 Muse Code 内工作，因为 Full 无法通过 API 部署。

下一步

拿出你最长的 agent 任务，在生产用的 effort 等级下在两个模型上跑，比较人工介入次数、输出质量和 usage。价格不是这里的决胜因素——让工作本身来决定。