Meta · OpenRouter
Muse Wonder
meta/muse-wonder
AA 综合指数
52
Muse Wonder（Max）
AA 单任务成本
$4.52
索引加权平均 · 上游费用口径
← 全部模型
MULTIMODAL / MODEL COMPARISON
Muse Wonder vs Gemini 4 Argon
两个百万上下文多模态模型，应该怎样选？从同机构 benchmark、官方补充成绩和三种价格口径，查看各自的表现与使用成本。
资料核验：2026-10-14 · 公开评测快照
Google · OpenRouter
Gemini 4 Argon
google/gemini-4-argon
AA 综合指数
53
Gemini 4 Argon（High）
AA 单任务成本
$1.99
索引加权平均 · 上游费用口径
同一评测机构的 benchmark 对比
Artificial Analysis Intelligence Index v4.3.2。以下为同一对比页的公开数值，均为越高越好。评测配置分别是 Max 与 High；分数表示这些设置下的结果。
| Benchmark | 评测重点 | Muse Wonder（Max） | Gemini 4 Argon（High） |
|---|---|---|---|
| Intelligence Index指数分 | 10 项评测加权综合指数 | 52 | 53 |
| AA-Briefcase v1.1Elo 分 | 复杂知识工作与交付物质量 | 1659 | 1487 |
| GDPval-AA v2.1Elo 分 | 真实职业任务与交付物质量 | 1770 | 1624 |
| AutomationBench-AA百分比 | SaaS 工作流与工具操作 | 68% | 78% |
| Terminal-Bench 4.0百分比 | 终端中的代理编程任务 | 52% | 57% |
| SciCode百分比 · 评测机构标记为复核中 | 科学计算代码生成 | 60% | 62% |
| Humanity's Last Exam百分比 | 跨学科知识与高难推理 | 50% | 57% |
| GDP.pdf百分比 | 依据长 PDF 完成专业任务 | 31% | 22% |
| CritPt百分比 · 评测机构标记为复核中 | 物理推理与计算问题 | 28% | 27% |
| AA-Omniscience指数分 | 知识可靠性与幻觉惩罚 | 25 | 42 |
| AA-LCR v1.1百分比 | 长上下文推理 | 81% | 80% |
综合指数与下面的单项成绩有重叠，不能把它们视为 11 次独立投票。Elo、百分比与指数分不宜直接相加。SciCode 和 CritPt 当前被 AA 标记为复核中；本页保留核验快照。
这些结果能提供什么选型线索？
Muse：把交付物与文档任务纳入验证
Muse 在 AA-Briefcase、GDPval-AA 和 GDP.pdf 的公开值较高。若你的核心任务是复杂材料综合、文档分析或交付物生成，可以优先检查这些任务在自己的数据上是否重现优势。
Gemini：检查自动化、知识与终端任务
Gemini 在 AutomationBench-AA、AA-Omniscience、HLE 和 Terminal-Bench 的公开值较高。综合指数仅相差 1 分，具体任务的质量、稳定性和总成本更适合指导实际选择。
官方补充成绩：另列口径
下面来自 Meta 发布页与 Google 模型卡。DeepSWE 的两项分数分别由两方发布；图表与视频测试目前只有 Google 一侧的可核对数值。
| Benchmark | Muse Wonder | Gemini 4 Argon | 口径说明 |
|---|---|---|---|
| DeepSWE v1.1 | 78.8% | 77.9% | 长程软件工程；跨发布方结果，配置可能不同 |
| Chartography | 未检索到同口径分数 | 71.6% | 图表理解；Google 官方报告 |
| LVBench | 未检索到同口径分数 | 91.7% | 长视频理解；Google 官方报告 |
Meta 模型卡将普通 Muse 的 DeepSWE 结果归于 Datacurve。这里按发布值呈现，不将它当成统一代理框架下的受控对跑。“未检索到”仅指本次核对的发布页与模型卡，不表示模型能力为零。
价格对比：区分上游现价与本站扣费
所有费率按每百万 tokens 计。上游现价反映核验时的 Standard 同步路由；credit 以原价为基础，沿用本站的目标毛利规则。
1. OpenRouter 当前公布价格
Gemini 当前有五折促销；Muse 使用常规公布价。缓存命中后的输入按缓存读取价格计，促销与服务商路由价格可能变化。
| 用量类型 | Muse Wonder | Gemini 4 Argon |
|---|---|---|
| 普通输入 | $4.00 | $2.00 |
| 缓存读取 | $0.20 | $0.10 |
| 输出 | $20.00 | $10.00 |
2. 本站 credit 的原价依据
两模型的输入、缓存读取和输出原价目前相同。本站按这些原价制定 Gemini credit 费率，上游促销折扣不改变该费率。
| 用量类型 | Muse Wonder | Gemini 4 Argon |
|---|---|---|
| 普通输入 | $4.00 | $4.00 |
| 缓存读取 | $0.20 | $0.20 |
| 输出 | $20.00 | $20.00 |
3. 本站公布费率与 credits
下面为模型卡、内页和 Playground 展示的本站费率，包含现有的 30% 目标毛利规则。每次成功请求最低 1 credit。
| 用量类型 | Muse Wonder | Gemini 4 Argon |
|---|---|---|
| 普通输入 | $5.72 · 57,200 credits | $5.72 · 57,200 credits |
| 缓存读取 | $0.29 · 2,900 credits | $0.29 · 2,900 credits |
| 输出 | $28.58 · 285,800 credits | $28.58 · 285,800 credits |
固定用量的上游算术示例
假设 10,000 个普通输入 tokens、2,000 个输出 tokens，且不命中缓存：按当前公布上游价计算，Muse 为 $0.08，Gemini 为 $0.04。这个例子固定了 token 用量；两模型处理同一任务时可能产生不同用量，也可能发生重试。
两者的公布费率相同，实际账单仍受 token 用量、缓存、推理输出和逐次取整影响。Gemini 按本站公布 token 费率结算；Muse 保留按 OpenRouter 返回实际成本加价结算的方式。AA 单任务成本是独立评测的加权上游指标，与本表的本站费用口径不同。
在本站可使用的能力
两者复用同一多模态 Playground 和对话 API，可以在相同输入材料下分别试用。
| 项目 | Muse Wonder | Gemini 4 Argon |
|---|---|---|
| 上游上下文 | 1,048,576 tokens | 1,048,576 tokens |
| 本站接受的输入 | 文本、图片、视频、音频、PDF | 文本、图片、视频、音频、PDF |
| 输出形式 | 文本 | 文本 |
| 本站单次输出上限 | 8,192 tokens | 8,192 tokens |
| 对话 API | /v1/chat/completions | /v1/chat/completions |
输入文件数量、大小和输出上限属于本站使用限制，需与上游模型的规格分开理解。
阅读 benchmark 时保留这些条件
明确比较的版本与推理设置
主表比较普通 Muse Wonder（Max）与 Gemini 4 Argon（High）。Muse Wonder Full 是单独版本。Max 和 High 是各模型的评测配置名称，并不代表投入了相同计算量。
理解指数的覆盖范围
AA Intelligence Index 主要由英语文本任务组成。图片、音频、视频与多语言评测另行进行，综合指数不能直接替代这些能力的测试。
按任务解读分数差距
52 与 53 的公开点值不构成统计显著性的证明。表中保留原始单位与来源，不将不同单位的单项成绩相加，也不把小分差当成稳定胜出。
对齐复现环境
本站 Playground 当前提供非流式文本与媒体对话，上限为 8,192 输出 tokens；没有代理工具执行或可调推理努力参数。复现代理基准需要相应工具框架、推理设置和输出预算。本页整理公开结果，没有声称进行本站同条件 benchmark 对跑。
原始资料与核验来源
资料核验：2026-10-14 · 公开评测快照
综合指数、10 项单项成绩、推理设置和索引加权单任务成本。
指数版本、权重、任务范围、评分单位与运行条件。
DeepSWE、Chartography、LVBench 官方成绩及模型能力。
普通 Muse 与 Full 的区分、DeepSWE 发布值和原价。
配置和评测方法，包含 DeepSWE 的 Datacurve 结果归属。
本站调用的模型 ID、输入能力与当前公布价格。
本站调用的模型 ID、输入能力与 Standard 路由促销价格。