Muse Wonder 和 Claude Opus 5.5 在各自的第一方 API 上定价完全相同：每百万输入 token $4，每百万输出 $20，缓存输入 $0.20，两者都提供 1M token 的上下文窗口。这让它成为本季度最干净的一次正面对决，因为价格因素被排除，只剩下实际工作的比拼。在独立的 Artificial Analysis 指数上，Opus 5.5 得 58 分，Wonder 得 52 分。在 Meta 的 Agent 基准测试中，Wonder 更大的兄弟模型在长时编码任务和法律任务上领先，而即使是 API 版本的 Wonder，也在 SWE-Marathon 上击败了 Opus。按任务计，Wonder 更便宜：$4.52 对 $5.98。
本文将两者在规格、基准测试、单任务成本、工具链、数据条款，以及真正重要的问题——谁适合干哪种活——上并排对比。如果只想单独了解 Meta 的这个模型，请看 Muse Wonder 解析一文。
AI Coding 交流群
如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。
规格
| Muse Wonder | Claude Opus 5.5 | |
|---|---|---|
| 模型 ID | muse-wonder-1.0 |
claude-opus-5-5 |
| 每 1M 的输入 / 输出 / 缓存 | $4 / $20 / $0.20 | $4 / $20 / $0.20 缓存读取 |
| 上下文 | 1M tokens | 1M tokens |
| 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 兼容接口） |
| 推理控制 | effort 从 minimal 到 max；始终进行推理 |
effort 个级别；扩展思考 |
| 速率限制（第一方） | 每个团队 3,000 RPM、4M TPM | 按消费额度分层 |
| 更大的兄弟模型 | Muse Wonder Full（仅限 Muse Code） | 无 |
| 权重 | 闭源 | 闭源 |
在看任何基准测试之前，有两处差异已经很明显。Wonder 原生支持视频和音频，Opus 5.5 则不支持。而 Opus 5.5 是 Anthropic 产品线中的旗舰，Wonder 却是 Meta 两个模型中明确更小的那个。当 Meta 的图表显示超越 Opus 时，要看清那根柱子属于 Wonder 还是 Full。
基准测试：Meta 的表格
以下数据来自 Meta 模型卡在最大推理强度下的结果，是可通过 API 调用的 Wonder 对比 Opus 5.5：
| 基准测试 | 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 |
在 Meta 自己的表格里，Opus 八项中赢下五项。Wonder 赢下两项软件工程和一项法律。SWE-Marathon 上 6.8 分的差距，是 Meta 主打的卖点：需要 Agent 持续进行的长时编码任务。
基准测试：独立视角
Artificial Analysis 在最大推理强度下对两者进行了评分：
| 指标 | Muse Wonder | Claude Opus 5.5 |
|---|---|---|
| 智能指数 v4.3 | 52 | 58 |
| AA-Omniscience（知识） | 25 | 46 |
| 幻觉率 | 27% | 不在同一张表中 |
| GDPval-AA（Elo） | n/a（Full：1857） | 1866 |
| Coding Agents Index | 63 | 66（Claude Code） |
| 每个指数任务的输出 token | ~54,000 | 未说明 |
| 每个指数任务的成本 | $4.52 | $5.98 |
知识差距是双向对比中最大的一项差异：按这一指标，Opus 掌握的事实几乎是 Wonder 的两倍。对于检索密集型的应用，Wonder 需要 Opus 有时可以跳过的知识支撑（grounding）。在编码 Agent 上，跑在 Opus 5.5 上的 Claude Code 以 66 比 63 略胜 Wonder；只有 Wonder Full 能达到 68。
按任务计成本，而非按 token
相同的价目表，不同的账单。Wonder 每个指数任务 $4.52，Opus 是 $5.98，差异来自输出量：Wonder 的 $4.52 里只有 $1.08 花在输出 token 上，$3.43 花在输入上，其中大部分是缓存写入和读取。Opus 的成本则偏向输出。哪种模式对你更便宜，取决于你的工作负载。一个反复重发稳定前缀的长时 Agent 循环，更青睐 Wonder 这种以缓存为主的模式，缓存百万 token 仅 $0.20。而用短 prompt 生成长答案的任务则会缩小差距。
Opus 5.5 的缓存计算和 Muse Wonder 的定价文章都各自用示例做了推演。对两者都适用的规则是：在每次响应中读取 usage，并为自己实际的流量算价。
工具链与生态
Opus 5.5 的生态更深厚：Claude Code、Agent SDK、Managed Agents，在 Bedrock、Google Cloud 和 Microsoft Foundry 上的可用性，以及一整年的第三方集成积累。它 18 小时的任务运行时长，为 API 上的长时程 Agent 树立了标杆。
Muse Wonder 于 2026 年 10 月 12 日发布，因此其生态仅有几天。它有支持三种请求格式的 Meta API、Muse Code、Vercel AI Gateway 和 Cloudflare Workers AI。Meta 的文档展示了如何把 Claude Code 和 Codex 指向 api.meta.ai 来在其上运行，这直接瞄准了 Anthropic 和 OpenAI 工具链的用户。目前还没有 Managed Agents 的对应物，而且 Meta 上的零数据留存会禁用服务端状态、后台请求、文件上传和网页搜索。
发布周里 Muse Code 还出现了一个配额耗尽的 bug，当天就已修复。预计一个月内还会有各种毛糙之处。
安全与数据
两家厂商都建议在 Agent 执行有重大影响的动作前由人工确认。Meta 训练 Wonder 在重要操作前先请示，并在未经许可时避免分享隐私信息；其完整安全报告仍待发布，且无法排除在缺乏防护措施时存在高风险化学与生物能力。Anthropic 在发布时公布系统卡，我们关于 Opus 5.5 的 prompt 注入文章也介绍了它 85% 这一数字。在数据方面，Meta 的 API Standard 模式不会用你的流量训练；Muse Code 订阅默认使用 Contributor 模式，而该模式会。Anthropic 默认不会用 API 流量训练。
哪种活该用哪个模型
| 任务 | 选择 | 原因 |
|---|---|---|
| 长时间运行的编码 Agent，步骤多，预期会遇到阻碍 | 试试 Wonder | SWE-Marathon 53.1 对 46.3；以缓存为主的成本结构 |
| 法律文档 Agent | 试试 Wonder | Harvey LAB 10.0 对 4.2 |
| 事实问答、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、专业建议 | Opus 5.5 | HealthBench 65.6 对 60.5 |
| 视频或音频输入 | Wonder | Opus 5.5 不支持这些输入 |
| 任何跑在 Bedrock、Google Cloud 或 Foundry 上的东西 | Opus 5.5 | Wonder 仅限第一方、Vercel 和 Cloudflare |
| 用最强的模型做交互式编码 | 通过 API 用 Opus 5.5，或通过 Muse Code 用 Wonder Full | Full 仅限订阅 |
坦率的总结：Opus 5.5 是更智能的通用模型，也是更稳妥的默认选择。当你的工作负载像 Meta 的基准测试那样——带工具的长时 Agent 运行，且视频或音频输入很重要时——才值得去试 Wonder。
在 Apifox 中跑这次对比
由于两个模型都接受 OpenAI 风格和 Anthropic 风格的请求，一个 Apifox 项目就能对两者跑同一套测试。创建两个环境，Meta 的用 base_url https://api.meta.ai/v1，Anthropic 的用它的前置 URL，各自把 key 设为密钥变量。为 Wonder 构建一个 Responses 请求，为 Opus 构建一个 Messages 请求，使用相同的 system prompt、工具和任务。对你需要的结构化输出做断言，并添加一个后置操作，记录 usage 以及每次运行计算出的美元成本。按你实际上线时会用的推理强度运行，而不是最大值。你自己做的十个任务，比任何一方的表格都更能说明问题。下载 Apifox，把两者并排放在一起。
常见问题
Muse Wonder 比 Claude Opus 5.5 更好吗？ 整体上不是。Opus 5.5 以 58 比 52 领跑独立指数，并在 Meta 自己的表格中八项赢下五项。Wonder 在软件工程和法律基准测试上领先，且单任务成本更低。
两者价格一样吗？ 挂牌价是一样的：每百万 $4 / $20 / $0.20。按任务计，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 接口跑在 Wonder 上，而 Coding Agents Index 显示 Claude Code 跑在 Opus 上得 66，跑在 Wonder 上得 63。只有用 Wonder Full 才能缩小差距，而它没有 API。
Muse Wonder Full 会改变结论吗？ 在基准测试上会：指数得分 56，并在大多数 Agent 相关项目中领先。但实际使用中不会，除非你在 Muse Code 里工作；Full 无法部署。
下一步
拿出你最长的一个 Agent 任务，按你实际上线时会用的推理强度在两个模型上都跑一遍，比较人工介入次数、输出质量以及 usage。价格在这里不是决胜因素，让实际表现来决定。
HiFox ：将 Agent 变成真正的队友
另外，我们也在思考，AI 如何从个人提效走进团队协作。
HiFox 是一个让人和 AI Agent 在同一个工作现场协作的平台：你可以像给同事分派任务一样指派 Agent，在任务看板中跟踪进度、查看结果，让 Agent 成为团队里的队友。
👉 立即体验 Hifox：https://hifox.com
AI Coding 交流群
如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。