Muse Wonder vs. Claude Fable 5.1: Meta’s new model came closer than I expected
内容提要
Meta于10月12日发布Muse Wonder，标准版通过Model API和Muse Code提供，Full版仅限Muse Code高级订阅。定价为每百万输入4美元、输出20美元，比Anthropic的Fable 5.1便宜60%。实测三项任务：两者均通过事件调查；Fable修复漏洞略优；但Fable因“网络安全”误判拒绝常规后端项目，Muse完成并满分。Muse性能接近Fable，但token消耗更高，总成本反而更贵。
延伸解读
价格优势可能被高token消耗抵消
Muse Wonder标准版每百万输入4美元、输出20美元，比Fable 5.1的10美元和50美元便宜60%。但实测中Muse消耗的token约为Fable的两倍，导致总成本反而更高：三项任务总花费2.25美元对1.85美元，两项共同完成的任务为1.78美元对1.28美元。因此，低单价不等于低成本，实际支出取决于任务中的token用量。
Fable的网络安全误判可能中断常规开发
在第三项后端任务中，Fable 5.1因“网络安全”分类拒绝执行，50轮中有34轮被拒，包括最终交付物和测验，导致得分为零。该任务只是普通webhook中继，与网络安全无关。Anthropic建议为被拒请求设置回退模型，但作者未采用。使用Fable的开发者若处理类似代码，可能遇到请求被中途拦截的情况。
性能接近但细节仍有差距
在事件调查任务中，两者均得10分；在漏洞修复任务中，Fable通过全部6个隐藏测试，Muse通过5个，因修复后仍将旧尝试次数发送给失败事件。Muse在第三项任务中得25分，而Fable因拒绝得零分。总体看，Muse在agentic任务上接近Fable，但Meta自己的基准表显示标准版在OSWorld等测试上落后于Fable 5.1。
测试局限：单次运行与默认推理设置
作者每个测试只运行一次，且使用默认推理设置，而Meta的对比使用了最大推理努力。因此结果可能因运行而异，不能视为稳定结论。此外，Fable因拒绝而未能完成记忆测试，该测试无法反映其长会话记忆能力。这些限制意味着对比结果应谨慎解读。
Q&A
Muse Wonder 和 Claude Fable 5.1 的价格分别是多少？
Muse Wonder 标准版每百万输入 token 4 美元、输出 20 美元；Claude Fable 5.1 每百万输入 10 美元、输出 50 美元。Muse Wonder 比 Fable 5.1 便宜 60%。
Muse Wonder 有哪些版本？如何获取？
Muse Wonder 有两个版本：标准版通过 Meta 的 Model API 和 Muse Code 提供；Full 版仅限 Muse Code 高级订阅计划。
在实测中，Muse Wonder 和 Fable 5.1 在修复漏洞任务上表现如何？
两者都正确追踪了第一个 bug 并修复了第三个 bug，且未破坏 22 个回归测试。但 Fable 通过了全部 6 个隐藏测试，而 Muse 只通过了 5 个，因为其修复仍将旧尝试次数发送到作业失败事件。
为什么 Fable 5.1 在第三个测试中得零分？
Fable 5.1 在第三个测试中因 Anthropic API 返回“网络安全”类别的拒绝而失败。该测试要求从环境变量读取中继目标 URL，但 Fable 在 50 轮中拒绝了 34 轮，包括最终交付物和测验。该项目是普通的 webhook 中继，与网络安全无关。
在成本方面，Muse Wonder 和 Fable 5.1 的实测总花费分别是多少？
在实测中，Muse Wonder 总花费 2.25 美元，Fable 5.1 总花费 1.85 美元。尽管 Muse 单价更低，但由于其 token 使用量更高，总成本反而更贵。
作者最终推荐使用哪个模型？为什么？
作者仍推荐 Fable 5.1 用于智能体调试和调查，因为它更准确、使用轮次更少且总成本更低。但当 Fable 的网络安全防护阻止工作时，Muse Wonder 可作为替代方案。
