待验证50% 置信基准精确时间
据 Artificial Analysis 的测试数据，Muse Wonder 模型在 max 力度下平均每任务消耗约 54,000 个输出 token。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/16
首次发现
有效期至：2027/1/14
来源
Muse Wonder API 使用指南：端点、成本与推理控制
rss2026/10/16
涉及实体
相关事实
待验证评估大模型每任务成本需要同时考虑token单价和完成任务所消耗的token数量，思维链推理模型的输出token消耗可能增加数倍甚至数十倍71% 相似待验证0.610 的 WANDR 得分不意味着模型在60%的任务上完全成功，实际部分完成率与任务复杂度分布相关68% 相似待验证理想化的任务-模型最优匹配能达到97.6%的解题率，每个任务成本仅1.88美元67% 相似已验证推理模型在输出最终答案前内部思维链可能消耗3000至20000个Token，远超普通模型的约500个Token67% 相似待验证在2000次请求的模拟中，小型模型（1单位成本/请求）准确率为74.5%，每次正确回答成本为1.34；大型模型（20单位成本/请求）准确率为95.8%，每次正确回答成本为20.88。67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1042941API
curl https://kongchang.com/api/v1/knowledge/claims/1042941MCP
get_claim(id=1042941)