Grok 4.7 vs Muse Wonder
完整资料:Grok 4.7(SpaceXAI)和 Muse Wonder(Meta),包括全部基准测试、价格和排名。
更新于 · 数据来自 13 个来源
截至 2026年11月16日,质量上 Muse Wonder 领先 Grok 4.7(BenchLeader Index 64.4 比 57.4)。不过,Grok 4.7 更便宜,对方的价格是它的 2.7 倍(每百万 token 混合价格 $3.00 比 $8.00)。在两者都有成绩的所有类别中,Muse Wonder 均领先。
要点(截至 2026年11月16日)
- Grok 4.7 的 BenchLeader Index 为 57.4,Muse Wonder 为 64.4(BenchLeader,2026年11月16日)。
- Grok 4.7 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
- Muse Wonder 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
- 在两者都有结果的 3 项基准测试中,Muse Wonder 领先 2 项(BenchLeader,2026年11月16日)。
按用途怎么选
推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。
| 用途 | 推荐 | 理由 | 置信度 |
|---|---|---|---|
| 智能体与工具调用 | Muse Wonder | 类别得分 76 比 57 | 高 |
| 数学 | Muse Wonder | 类别得分 70 比 56 | 高 |
| 知识 | Muse Wonder | 类别得分 77 比 60;PRBench Legal 58.4% 比 47.6% | 高 |
| 对话质量(人类偏好) | Muse Wonder | Arena 投票 70 比 63 | 中 |
| 成本最低 | Grok 4.7 | 每百万 token 混合价格 $3.00 比 $8.00;智能体编程会话 $0.144 比 $0.320 | – |
| 首次回答最快 | Muse Wonder | 首个回答 token 3.3 秒(Muse Wonder)比 55.9 秒(Grok 4.7 (xhigh)) | – |
| 低预算大批量 | 两者都不选 | 通常更小的模型更合适:便宜好用的大模型、最快的大模型 | – |
主要差异
- 质量上 Muse Wonder 领先:64.4 比 57.4。
- Muse Wonder 在智能体与工具、人类偏好、知识、数学方面更强。
- Grok 4.7 (xhigh) 更便宜,对方的价格是它的 2.7 倍(每百万 token 混合价格 $3.00 比 $8.00)。
概览
| 规格 | Grok 4.7 | Muse Wonder |
|---|---|---|
| 提供商 | SpaceXAI | Meta |
| 发布日期 | 2026年9月21日 | 2026年10月12日 |
| 上下文窗口(token) | 500,000 | 1,048,576 |
| 对比时的配置 | Grok 4.7 (xhigh) | Muse Wonder |
| 开放权重 | 否 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $2.00 / $6.00 / $0.500 | $4.00 / $20.00 / $0.200 |
逐类别对比
类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。
| 类别 | Grok 4.7 (xhigh) | Muse Wonder | 领先者 |
|---|---|---|---|
| 推理 | 55.6 | – | 无法比较 |
| 编程 | 60.9 | – | 无法比较 |
| 智能体与工具 | 56.9 | 75.6 | Muse Wonder |
| 数学 | 55.8 | 70.1 | Muse Wonder |
| 知识 | 59.9 | 77.1 | Muse Wonder |
| 人类偏好 | 62.5 | 69.6 | Muse Wonder |
| 多模态 | 55.5 | – | 无法比较 |
| 长上下文 | 62.9 | – | 无法比较 |
| 综合 | 52.8 | – | 无法比较 |
同一图表对比
各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。
未绘制(测得的模型少于两个):推理, 编程, 指令遵循, 长上下文, 多模态。
各来源的分歧
在两者都有结果的 3 项基准测试中,Grok 4.7 领先 1 项,Muse Wonder 领先 2 项。所有同时评测两者的综合评分都认为 Muse Wonder 更强。
| 综合 Index | Grok 4.7 (xhigh) | Muse Wonder | 领先者 |
|---|---|---|---|
| BenchLeader Index | 57.4 | 64.4 | Muse Wonder |
| AA Intelligence Index v5.0.1 | 35.5 | 40.5† | Muse Wonder |
| Vals Index | 58.6 | 64.9† | Muse Wonder |
| Arena Text | 1443 | 1511† | Muse Wonder |
各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。
价格、速度与延迟
标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。
| 指标 | Grok 4.7 (xhigh) | Muse Wonder |
|---|---|---|
| 每百万 token 混合价格 | $3.00 | $8.00 |
| 每百万 token 输入 / 输出 | $2.00 / $6.00 | $4.00 / $20.00 |
| 每百万 token 缓存输入 | $0.500 | $0.200 |
| 每项任务价格:聊天回复 | $0.0026 | $0.0076 |
| 每项任务价格:总结一份 30 页的报告 | $0.028 | $0.060 |
| 每项任务价格:代码编辑 | $0.021 | $0.054 |
| 每项任务价格:智能体编程会话 | $0.144 | $0.320 |
| 每项任务价格:结构化信息提取 | $0.0052 | $0.012 |
| 智能体编程会话(输入大多命中缓存) | $0.076 | $0.149 |
| 每项基准测试任务成本(AA Index) | $7.77 | – |
| 每项任务输出 token(AA Index) | 105k | – |
| 其中推理部分 | 69k | – |
| 每项任务耗时(AA Index) | 26 min | – |
| 输出速度 | 68 tok/s | 70 tok/s |
| 首次回答时间 | 55.9 秒 | 3.3 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 145.5 秒 | – |
每个模型都按其排名最高的推理强度设置进行对比。Grok 4.7 (xhigh) 得分 57.4,首个回答 token 需 56 秒;Grok 4.7 (high) 为 56.9(35 秒),Grok 4.7 (low) 为 55.4(10 秒)。Muse Wonder 得分 64.4,首个回答 token 需 3 秒;Muse Wonder (max) 为 60.8(20 秒),Muse Wonder (high) 为 56.2(13 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本
全部基准测试
共 157 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。
| 指标 | 发布方 | Grok 4.7 (xhigh) | Muse Wonder |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 57.4 | 64.4 |
| 智能体与工具得分 | BenchLeader | 56.9 | 75.6 |
| 编程得分 | BenchLeader | 60.9 | – |
| 综合得分 | BenchLeader | 52.8 | – |
| 人类偏好得分 | BenchLeader | 62.5 | 69.6 |
| 知识得分 | BenchLeader | 59.9 | 77.1 |
| 长上下文得分 | BenchLeader | 62.9 | – |
| 数学得分 | BenchLeader | 55.8 | 70.1 |
| 多模态得分 | BenchLeader | 55.5 | – |
| 推理得分 | BenchLeader | 55.6 | – |
| 混合价格(美元/百万 token) | BenchLeader | $3.00 | $8.00 |
| 输出速度 | BenchLeader | 68 tok/s | 70 tok/s |
| 首次回答时间 | BenchLeader | 55.9 秒 | 3.3 秒 |
| 上下文窗口 | BenchLeader | 500,000 token | 1,048,576 token |
| 推理 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 92.7% | – |
| Arena Hard Prompts | Arena (LMArena) | 1466 | 1531† |
| LiveBench 2.0 Reasoning | LiveBench | 82.7% | 90.6%† |
| LiveBench 1.0 Reasoning | LiveBench | 82.7% | 90.6%† |
| Humanity's Last Exam (AA) | Artificial Analysis | 43.1% | 50.1%† |
| HLE-Diamond (AA) | Artificial Analysis | 23.2% | 39.0%† |
| ARC-AGI-1 | ARC Prize | 89.5% | – |
| ARC-AGI-2 | ARC Prize | 61.4% | – |
| ARC-AGI-3 | ARC Prize | 7.0% | – |
| CritPt | Artificial Analysis | 17.7% | 28.3%† |
| CritPt v2 hard subset (AA) | Artificial Analysis | 33.5% | 50.5%† |
| MysteryMechanism | Vals AI | 25.2% | 27.5%† |
| HLE-Diamond (Scale) | Scale AI SEAL | 23.4%† | 37.3% |
| Arena Expert | Arena (LMArena) | 1478 | 1525† |
| Chess Puzzles | Epoch AI Benchmarking Hub | 41.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 29.0% | 51.0%† |
| LMCA | Epoch AI Benchmarking Hub | 49.4% | 56.8% |
| DTBench | Epoch AI Benchmarking Hub | 96.0% | 95.2% |
| 编程 | |||
| SciCode | SciCode | 57.4% | 60.3%† |
| FrontierCode | Cognition | 47.6%† | – |
| Arena Coding | Arena (LMArena) | 1493 | 1542† |
| Arena WebDev | Arena (LMArena) | 1641 | 1647† |
| LiveBench 2.0 Coding | LiveBench | 73.1% | 74.9%† |
| LiveBench 1.0 Coding | LiveBench | 77.2% | 80.7%† |
| IOI | Vals AI | 57.7% | 66.9%† |
显示全部 157 项基准测试
| 指标 | 发布方 | Grok 4.7 (xhigh) | Muse Wonder |
|---|---|---|---|
| 编程 | |||
| Code Migration | Vals AI | 44.8% | 62.5%† |
| Code Migration v1.1 | Vals AI | 53.2% | 72.4%† |
| ProgramBench | Vals AI | 0.5% | – |
| SWE-bench Multimodal | Vals AI | 42.9% | 45.6%† |
| Vibe Code Bench 1-100 | Vals AI | – | 26.6%† |
| Vibe Code Bench v1.1 | Vals AI | 86.2% | 83.1%† |
| Vibe Code Bench 1-100 v1.1 | Vals AI | 26.4% | – |
| SWE Atlas v1.1 | Scale AI SEAL | 62.1%† | 64.8% |
| SWE Atlas v1.1: Codebase QnA | Scale AI SEAL | 73.4%† | 73.4% |
| SWE Atlas v1.1: Test Writing | Scale AI SEAL | 64.4%† | 61.1% |
| SWE Atlas v1.1: Refactoring | Scale AI SEAL | 48.6%† | 60.0% |
| SWE-Bench Pro V2 | Scale AI SEAL | – | 96.7%† |
| SWE-Bench Pro V2 HARD | Scale AI SEAL | – | 90.2%† |
| MirrorCode | Epoch AI Benchmarking Hub | 54.4% | 45.6%† |
| CursorBench | Cursor | 46.3% | 50.4%† |
| ALE-Bench | Epoch AI Benchmarking Hub | 1545.8 | – |
| FrontierSWE | Epoch AI Benchmarking Hub | 29.5% | – |
| WeirdML v3 | WeirdML | 8.4% | 15.2%† |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 25.8% | 52.0%† |
| Startrise Frontend | Startrise | 75.9%† | – |
| GameBench 2 Overall | DuelLab GameBench 2 | 63.6† | 64.8 |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 71.2 | 54.9† |
| Design Arena Website | Design Arena | 1244† | 1378† |
| FrontierCode 1.1 (AA) | Artificial Analysis | 33.8% | 46.5%† |
| FrontierCode 2.0 (AA) | Artificial Analysis | 28.7% | 27.9%† |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 38.8% | 47.0%† |
| APEX-Agents | Mercor | 54.6%† | 66.1%† |
| Arena Agent | Arena (LMArena) | 2.6 | 1.8† |
| LiveBench Long Agentic | LiveBench | 45.3% | 46.2%† |
| LiveBench Browser | LiveBench | 49.3% | 60.0%† |
| LiveBench Agentic Coding | LiveBench | 54.0% | 62.7%† |
| Terminal-Bench 2.1 (Vals) | Vals AI | 73.4% | – |
| HiL-Bench | Scale AI SEAL | – | 79.7% |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 60.7% | 63.5%† |
| GDPval-AA v2.1 | Artificial Analysis | 1717 | 1770† |
| ITBench SRE (AA) | Artificial Analysis | 42.1% | – |
| Analyst Agent (AA) | Artificial Analysis | 52.5% | – |
| CUA-bench | Vals AI | – | 7.2%† |
| CyberBench | Vals AI | 69.5% | 80.4%† |
| Finance Agent v2 | Vals AI | 52.3% | 56.6%† |
| Finance Agent v2.1 | Vals AI | 60.6% | 65.5%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 18.3% | 23.8%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 12.5% | 17.1%† |
| Legal Research Bench | Vals AI | 47.1% | 50.5%† |
| Robo-bench | Vals AI | 0.2% | – |
| SREBench | Vals AI | 3.8% | – |
| Tax Agent Bench | Vals AI | 35.8% | 36.3%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 28.8% | 49.5%† |
| Terminal-Bench Science | Vals AI | 10.0% | 22.9%† |
| Arena Agent Task Completion | Arena (LMArena) | 5.1 | 5.4† |
| PostTrainBench | Epoch AI Benchmarking Hub | – | 24.2%† |
| Vending-Bench 2 | Andon Labs | 10536.8† | 9432.2 |
| AutomationBench | Artificial Analysis | 65.6% | 68.1%† |
| GDP.pdf (AA) | Artificial Analysis | 20.0% | 30.6%† |
| Harvey LAB-AA v1.1 | Harvey | 9.4% | 10.0%† |
| AA-Briefcase v1.1 | Artificial Analysis | 1636 | 1659† |
| GDPx | GDPx by SemiAnalysis | 3.9% | 6.8%† |
| Design Arena Agentic | Design Arena | 1277† | 1177† |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 11.4% | 25.7%† |
| CWE-Bench (AA) | Artificial Analysis | 68.3% | – |
| DeepSec-Bench (AA) | Artificial Analysis | 26.9% | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 74.0% | – |
| MKA (AA) | Artificial Analysis | 40.1% | 47.5%† |
| FACTS Search | 85.6%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 53.0% | 82.1%† |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 17.1% | 70.7%† |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 98.1% | 99.4%† |
| ProofBench | Vals AI | 26.0%† | 84.0% |
| LiveBench Mathematics | LiveBench | 95.7% | 96.5%† |
| Arena Maths | Arena (LMArena) | 1447 | 1490† |
| FrontierMath Erdős | Epoch AI Benchmarking Hub | 0.0% | – |
| 知识 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 56.0% | – |
| LiveBench 2.0 Data Analysis | LiveBench | 76.9% | 81.6%† |
| LiveBench Research | LiveBench | 89.5% | 93.0%† |
| LiveBench 1.0 Data Analysis | LiveBench | 76.9% | 81.6%† |
| AA-Omniscience v1.1 | Artificial Analysis | 31.2 | 25.1† |
| LegalBench | Vals AI | 84.4% | – |
| PRBench Finance | Scale AI SEAL | – | 58.7% |
| PRBench Legal | Scale AI SEAL | 47.6% | 58.4% |
| BioMysteryBench | Vals AI | 69.3% | 67.0%† |
| Excel Modeling Benchmark | Vals AI | 67.0% | 67.1%† |
| Excel Modeling Benchmark v1.1 | Vals AI | 71.5% | 72.5%† |
| MedCode | Vals AI | 49.5% | – |
| MedScribe | Vals AI | 89.4% | – |
| Public Benefits Bench v1.1 | Vals AI | 65.6% | 70.2%† |
| Access to Justice Benchmark | Vals AI | 73.7% | 73.0%† |
| Financial Coaching Bench | Vals AI | 74.1% | 73.8%† |
| Immigration Bench | Vals AI | 68.0% | 69.6%† |
| EBR-bench | Epoch AI Benchmarking Hub | – | 31.4%† |
| GDP.pdf | Epoch AI Benchmarking Hub | 22.8% | 30.8%† |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 42.7% | 38.0%† |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 80.0% | 79.1%† |
| HealthBench Professional (AA) | OpenAI | 55.8% | – |
| FACTS Parametric | 54.3%† | – | |
| 指令遵循 | |||
| LiveBench Language | LiveBench | 80.1% | 82.9%† |
| LiveBench Instruction Following | LiveBench | 75.3% | 73.0%† |
| Arena Instruction Following | Arena (LMArena) | 1435 | 1498† |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1443 | 1511† |
| EQ-Bench 4 | EQ-Bench | – | 1325 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 2012† | 2007 |
| Arena Creative Writing | Arena (LMArena) | 1421 | 1491† |
| Arena Multi-turn | Arena (LMArena) | 1435 | 1525† |
| Arena Longer Queries | Arena (LMArena) | 1454 | 1507† |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1230 | – |
| LiveBench Design | LiveBench | 75.0% | 70.9%† |
| MMMU-Pro | Artificial Analysis | 78.2%† | 83.8%† |
| SAGE | Vals AI | 88.7% | – |
| Humanity's Sixth Sense | Scale AI SEAL | – | 43.7%† |
| GeoBench | GeoBench | 61.0%† | – |
| Blueprint-Bench 2 | Epoch AI Benchmarking Hub | 32.5%† | 31.7% |
| Furniture Assembly | Epoch AI Benchmarking Hub | 20.8% | 54.2%† |
| VIALS-AA | Handshake AI | 37.9% | 55.3%† |
| Code2Video-AA | Artificial Analysis | 1127 | 997† |
| AA-3D | Artificial Analysis | 992 | – |
| FACTS Multimodal | 40.9%† | – | |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 76.7% | 80.7%† |
| MLCR | Artificial Analysis | 20.0% | 22.2%† |
| FACTS Grounding | 68.6%† | – | |
| 综合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 156.2† | 161.7 |
| LiveBench 2.0 | LiveBench | 67.9% | 70.7%† |
| LiveBench 1.0 | LiveBench | 77.4% | 81.2%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 35.5 | 43.6† |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 46.5 | 52.4† |
| AA Progress Index v1 | Artificial Analysis | 322.7 | 335.8† |
| Vals Index | Vals AI | 58.6 | 64.9† |
| Vals Finance Index | Vals AI | 58.8% | 61.2%† |
| Vals RSI Index | Vals AI | 20.2% | – |
| Vals Science Index | Vals AI | 34.8% | 39.1%† |
| Vals Router Index | Vals AI | 58.6%† | 64.9% |
| Vals Legal Index | Vals AI | 72.7% | 75.3%† |
| AA Cyber Index | Artificial Analysis | 56.4 | – |
| 安全与诚实 | |||
| DistressBench | Scale AI SEAL | 52.4%† | 85.9% |
数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。
DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
变化
- Grok 4.7 (xhigh):BenchLeader Index 58.0 → 57.4。
- Muse Wonder:BenchLeader Index 63.0 → 64.4。
- Grok 4.7 (xhigh):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
- Muse Wonder:BenchLeader Index 63.5 → 63.0。
- Grok 4.7 (xhigh):1 项新结果(MirrorCode)。
- Grok 4.7 (xhigh):1 项新结果(ALE-Bench)。
- Muse Wonder:1 项新结果(Blueprint-Bench 2)。
- Muse Wonder:BenchLeader Index 64.3 → 63.5。
- Grok 4.7 (xhigh):2 项分数修订。
- Muse Wonder:5 项分数修订。
相关对比
- Grok 4.7 vs Claude Opus 5.5
- Grok 4.7 vs GPT-6 Astra
- Grok 4.7 vs Claude Fable 5.1
- Muse Wonder vs Claude Fable 5.2
- Muse Wonder vs Gemini 4 Carbon
- Muse Wonder vs Claude Opus 5.5
- Muse Wonder vs GPT-6 Astra
- Grok 4.6 vs Muse Wonder
排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型
Grok 4.7 vs Muse Wonder:常见问题
- Muse Wonder 比 Grok 4.7 更好吗?
- 质量上 Muse Wonder 领先:64.4 比 57.4。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Muse Wonder 总体领先,但请结合你的用途查看各类别得分。
- Grok 4.7 和 Muse Wonder 哪个更便宜?价格会变吗?
- 目前 Grok 4.7 更便宜:每百万 token $3.00 比 $8.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
- Grok 4.7 和 Muse Wonder 哪个更快?
- Muse Wonder 输出更快(输出 70 比 68 token/秒,Artificial Analysis 7 日中位数)。
- 智能体和工具调用用 Grok 4.7 还是 Muse Wonder 更好?
- Muse Wonder 在智能体任务方面得分更高(类别得分 76 比 57,50 为平均水平)。
- 处理长文档哪个更好?
- Muse Wonder 支持更长的上下文:1,048,576 token,Grok 4.7 为 500,000 token。
更多问题(3)
- 哪个延迟更低?
- Muse Wonder 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 3.3 秒比 55.9 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
- 第三方基准测试对 Grok 4.7 和 Muse Wonder 的看法一致吗?
- 在两者都有结果的 3 项基准测试中,Grok 4.7 领先 1 项,Muse Wonder 领先 2 项。所有同时评测两者的综合评分都认为 Muse Wonder 更强。
- Muse Wonder 是什么时候发布的?
- Muse Wonder 于 2026年10月12日 发布。