Muse Wonder vs. Grok 4.7: comparación de lanzamientos

Name: Inteligencia
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Comparación de los lanzamientos Muse Wonder y Grok 4.7: 2 y 3 modelos respectivamente, cada uno con distintas características de inteligencia, rendimiento y precio. A continuación se comparan las métricas clave de los 5 modelos.

En inteligencia, Muse Wonder obtiene la puntuación más alta: Muse Wonder (Max), con 44, frente a Grok 4.7 (Xhigh), con 35 de Grok 4.7.
En tiempo por tarea, Muse Wonder es el más rápido: Muse Wonder (High), con 9,0 min, frente a Grok 4.7 (Low), con 9,8 min de Grok 4.7.
En costo por tarea, Grok 4.7 es el más económico: Grok 4.7 (Low), con $2.92, frente a Muse Wonder (Max), con $6.95 de Muse Wonder.

Playground de modelos

Lanzamientos comparados


	Muse Wonder (max)	Muse Wonder (high)	Grok 4.7 (xhigh)	Grok 4.7 (high)	Grok 4.7 (low)
Intelligence Index	44	41	35	35	31
Finanzas y contabilidad	51	50	52	51	45
Estrategia y operaciones	54	54	55	53	49
Jurídico	47	46	47	47	44
Salud y medicina	49	--	47	46	43
Ingeniería	50	47	42	42	38
Economía	50	48	46	46	41
AA-Briefcase v1.1	1659	1610	1637	1629	1493
AutomationBench-AA	68.1%	67.2%	65.6%	63.5%	56.7%
Terminal-Bench 4.0	52.0%	38.4%	25.8%	24.7%	16.2%
FrontierCode 2.0	27.9%	26.6%	28.7%	27.8%	21.8%
AA-Omniscience v1.1	25	25	31	30	27
GDP.pdf	30.6%	29.2%	20.0%	23.2%	21.4%
HLE-Diamond	39.0%	34.5%	23.2%	23.6%	18.5%
CritPt v2 (Hard Subset)	50.5%	51.0%	33.5%	37.0%	43.5%
Terminal-Bench-Science 0.1	25.7%	21.9%	11.4%	9.5%	4.8%

Costo por tareaUSD	$6.95	--	$7.77	$6.18	$2.92
Precio de entradaUSD/1M tokens	$4.00	$4.00	$2.00	$2.00	$2.00
Precio de salidaUSD/1M tokens	$20.00	$20.00	$6.00	$6.00	$6.00
Precio de lectura de cachéUSD/1M tokens	$0.20	$0.20	$0.50	$0.50	$0.50
Precio de escritura de cachéUSD/1M tokens	--	--	--	--	--

Tiempo por tareaMinutos	12,1	9,0	24,2	20,6	9,8
Velocidad de salidatok/s	132	126	72	72	73
Tiempo hasta el primer token de respuestas	20,24	8,97	52,67	31,19	10,07
Tiempo hasta el primer tokens	20,24	8,97	52,67	31,19	10,07
Tiempo de extremo a extremoMedia de las cargas de solicitud única (s)	62,98	34,41	141,56	98,11	48,02

Ventana de contexto	1M	1M	500k	500k	500k
Creador	Meta	Meta	SpaceXAI	SpaceXAI	SpaceXAI
Licencia	Propietario	Propietario	Propietario	Propietario	Propietario
Modalidad de entrada	Admite: texto, imágenes, voz y video	Admite: texto, imágenes, voz y video	Admite: texto e imágenes	Admite: texto e imágenes	Admite: texto e imágenes
Modalidad de salida	Admite: texto	Admite: texto	Admite: texto	Admite: texto	Admite: texto
Proveedores

Updated

Inteligencia

Artificial Analysis Intelligence Index · Higher is better

Tiempo por tarea

Inference time (minutes) per Intelligence Index task · Lower is better

Costo por tarea

Weighted average cost (USD) per Intelligence Index task · Lower is better

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

No publicly available API

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Intelligence Index vs. costo por tarea

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Grok 4.7

Pareto line

AA-Briefcase v1.1

AutomationBench-AA

Costo por tarea (USD, escala logarítmica)

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Costo

Costo por tarea del Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

No publicly available API

Velocidad y latencia

Tiempo por tarea del Intelligence Index

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

No publicly available API

The weighted average time (minutes) per Artificial Analysis Intelligence Index task: output tokens per task divided by output speed, weighted by each benchmark's weight in the Intelligence Index.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Puntuaciones de capacidades

Índices de capacidades

Mide el rendimiento de los modelos en capacidades e industrias específicas

Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

Benchmarks

AA-PersonalityBenchNew

Modelo Avs.Modelo B

AA-PersonalityBench: índice Expressiveness, Muse Wonder (max) vs. Grok 4.7 (xhigh)

Probabilidad de que la respuesta de cada modelo sea juzgada como la que muestra más cada rasgo, según su diferencia de Elo · 50 % es un empate

Muse Wonder (max)

Grok 4.7 (xhigh)

Metaphorical

91 %

9 %

Literate

20 %

80 %

Lexically Varied

73 %

27 %

Eloquent

72 %

28 %

Natural Sounding

64 %

36 %

Muse Wonder vs. Grok 4.7: comparación de lanzamientos

Inteligencia

Tiempo por tarea

Costo por tarea

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Intelligence Index vs. costo por tarea

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Costo

Costo por tarea del Intelligence Index

Cost per Intelligence Index Task

Velocidad y latencia

Tiempo por tarea del Intelligence Index

Time per Intelligence Index Task

Time Period

Puntuaciones de capacidades

Índices de capacidades

Benchmarks

AA-PersonalityBenchNew

AA-PersonalityBench: índice Expressiveness, Muse Wonder (max) vs. Grok 4.7 (xhigh)