Muse Wonder 和 Claude Opus 5.5：标价一分不差，Meta 自己那张表里 API 版输了 9 行

Meta 发布会那张 14 行的成绩表，我建议从最底下的脚注往上读。

脚注里写着：没有第三方分数的项目，Meta 取的是「内部跑分、厂商自报、排行榜」三者里最高的那个；替竞品跑的分是「best-effort」，不保证调到最优；SWE-Marathon 上各家用的不是同一套 agent 框架，Muse Wonder Full 那项 57.5 还是开到 xhigh 推理档跑出来的，而表头写的统一口径是 max。四条加起来，这张表更像一份营销物料，离对照实验还差得远。

就算按 Meta 自己挑的口径，能用 API 买到的那个 Muse Wonder 对 Claude Opus 5.5 也是 5 胜 9 负。

赢下 8 行的是 Wonder Full。它没有 API。

同一个价，两个不同的东西

10 月 12 日，Meta 超级智能实验室放出 Muse Wonder 和 Muse Wonder Full。API 上的型号叫 muse-wonder-1.0，输入每百万 token 4 美元、输出 20 美元、缓存命中 0.20 美元，和 Opus 5.5 的标价一分不差。Alexandr Wang 赛前放话 API 会「明显低于对手」，对 GPT-6 Astra 和 Claude Fable 5.1 那档 10 美元 / 50 美元成立，偏偏对最直接的竞品不成立。

Full 只能通过 Muse Code 订阅用：每月 50 美元的 Power 档和 200 美元的 Maximum 档才带它，没有按量计费的口子。也就是说，想把 Full 接进自己的产品、跑批量任务，目前没有正规途径。媒体标题里那句「8 项超过 Opus 5.5」，说的是一个开发者买不到的模型。

Opus 5.5 那边的价格史也不简单。9 月 22 日上线，距 7 月 24 日的 Opus 5 只隔两个月，标价从 5 美元 / 25 美元降到 4 美元 / 20 美元，缓存读取降了 60%。Anthropic 说典型负载下运行成本低 40%、输出快 30% 以上。

这个 40% 有水分。Artificial Analysis 跑完整套智能指数，Opus 5.5 每道题平均 5.98 美元，Opus 5 是 5.86 美元，新版反而贵了一点，原因是单题输出 token 从约 7.3 万涨到约 11.9 万。单价降了两成，话变多了六成。

表里各自赢在哪

Meta 赢的集中在「长时间自己干活」这类：SWE-Marathon 领先 11.2 分，DeepSWE 1.1 领先 4.8 分，这两项分别由 Abundant AI 和 Datacurve 两家第三方跑，可信度比内部项目高。但别忘了 SWE-Marathon 那条混用框架的脚注，11 分里有多少是框架贡献的，表里看不出来。

Opus 5.5 赢在需要一次写对的地方。ProgramBench 上它比 API 版 Wonder 高出 20.5 分，是整张表最大的差距；Terminal-Bench 4.0 和 OSWorld 也都在它这边。

法律那一行看着 Wonder Full 比 Opus 高出两倍多，可最高分只有 13.1。三家都远没到能交差的程度，拿它做选型依据没什么意义。

还有两行我直接跳过：Personal Superintelligence Index 和 MemoryBench 都是 Meta 内部指标，后者还是大模型当裁判。Wonder 在 MemoryBench 上拿到 85.6、比 Full 还高 0.1，这种结果本身就说明它测的东西和其他行不太一样。

第三方榜和延迟数字

Artificial Analysis 智能指数 v4.3：Opus 5.5 排第一，58 分；Wonder Full 56 分，和 Claude Sonnet 5.5 并列；GPT-6 Astra、Gemini 4 Argon、Claude Fable 5.1 都是 53；API 版 Wonder 52 分。六周前的 Muse Spark 1.3 是 48 分，Meta 这一代确实往上蹿了一大截，但离第一还差 6 分。

更影响日常体验的是速度。同一份测试里，Wonder 的首字延迟 19.27 秒，榜单中位数是 5.52 秒；输出速度每秒 83 token；跑完整套指数用掉 1.3 亿输出 token，中位数 8500 万。

19 秒才吐第一个字。

这意味着它不适合放在聊天框后面让人干等，更适合丢进后台跑长任务，这和它在 SWE-Marathon 上的长项倒是吻合。按题算钱，Wonder 每题 4.52 美元，比 Opus 5.5 便宜约 24%；GPT-6 Astra 单价贵一倍多，每题却只要 3.26 美元。三个数字放一起看，token 单价和实际账单之间隔着「它要想多久、写多长」。

已经冒出来的毛病

Wonder 上线才一天，社区反馈还零散。Hacker News 上有人拿「截图转 HTML」测，说结果比 Opus 5.5 差得多；另一位的评价更重，认为真实任务里它还落后一代。这些是个例，但和 ProgramBench、Terminal-Bench 两项的落后方向一致：前端还原、命令行这类要求一次到位的活，Wonder 目前不占优。

Meta 自己的模型卡也写了：陌生的多步骤任务上会出错，表现高度依赖外围工具，关键操作需要人确认。

Opus 5.5 的毛病在迁移上。官方文档列了从 Opus 5 升级要处理的四处破坏性变更：思考不能关闭、强制工具调用会直接报错、思考块和模型及对话绑定、旧版 computer-use 工具在 API 和 Google Cloud 上不再接受。线上代码直接改型号名就上线的团队，大概率会在强制工具调用那一条上翻车。另外它 128K 的单次输出上限配上偏长的输出习惯，账单里输出那一栏会比你预想的厚。

数据条款里的默认值

这一点发布会上几乎没人提。Wonder API 走的是标准模式，Meta 承诺提交内容不用于训练；可 Muse Code 订阅默认是 Contributor 模式，提示词、代码、文件和输出都可能被拿去改进模型。可以手动关，但只对之后的提交生效，已经传上去的收不回来。

想用 Full 就得订 Muse Code，订了就默认进 Contributor。公司代码库直接接进去之前，最好先把这个开关关掉。

零数据保留也有坑：要单独申请，开了之后不支持服务端会话状态、后台请求、文件上传和内置搜索。Wonder 主打的 Active Memory 跨会话记忆，恰好依赖服务端状态，开了 ZDR 这个卖点就基本用不上。

我会怎么分配

已经在用 Opus 5.5 写前端、跑终端任务、做需要一次写对的重构，没有换的理由，同价位下它在第三方榜上仍是第一。

如果你的任务是「丢给 agent 跑几个小时、中途别停」，可以拿 API 版 Wonder 做一轮自己的对照测试，它的接口兼容 OpenAI 和 Anthropic 两套 SDK，每分钟 3000 次请求、400 万 token 的限额也够做压测；网页搜索另按每千次 2.5 美元计。真正想验证 Full 的长程能力，只能先掏 50 美元订一个月 Muse Code，并记得先关 Contributor。

普通用户想尝鲜，在 Meta AI 的 Muse 应用里订 20 美元档就能用到 Wonder，没必要为它去折腾 API。

相关对比：《Claude Opus 5.5 和 GPT-6 Sol：一个在榜单上比前任低一名，一个编程分数不如前任》、《Gemini 4 Argon、Claude Opus 5.5、GPT-6.1 Sol：和 Sol 标价相同的 Argon，每道题贵出 2.7 倍，多数人还调不出来》