Alltokens

Meta: Muse Wonder

MetaMetaОбновлено: 12 октября 2026 г.

Meta: Muse Wonder — это передовая мультимодальная модель с глубоким логическим выводом, способная обрабатывать текст, изображения, видео, аудио и PDF-документы. Благодаря рекордному контекстному окну в 1 миллион токенов, она идеально подходит для решения сложных агентских задач и анализа огромных массивов данных.

Использовать через API

Метрики

Вход

460 ₽/M

Выход

2 300 ₽/M

Контекст

1M tokens

Параметры

12

Релиз

12 октября 2026 г.

Поддерживаемые параметры

include_reasoningmax_tokensreasoningreasoning_effortrepetition_penaltyresponse_formatstructured_outputstemperaturetool_choicetoolstop_ktop_p

Технический обзор

Muse Wonder — это передовая модель рассуждений от Meta, предназначенная для выполнения сложных личных и профессиональных агентских задач. Она принимает на вход текст, изображения, видео, аудио и PDF-документы, а возвращает текст.

Кодинг
Инструменты
Длинный контекст
Мультимодальность
Веб-автоматизация

Смежные подборки

Сравнение с похожими моделями

Модель

Meta: Muse WonderТекущая

Для чего

Meta: Muse Wonder — это передовая мультимодальная модель с глубоким логическим выводом, способная обрабатывать текст, изображения, видео, аудио и PDF-документы. Благодаря рекордному контекстному окну в 1 миллион токенов, она идеально подходит для решения сложных агентских задач и анализа огромных массивов данных.

Контекст

1M

Цена ₽

460 / 2 300

Для чего

Обе модели поддерживают работу с видео и аудио, а также обладают сопоставимым объемом контекстного окна для анализа длинных документов.

Контекст

—

Цена ₽

— / —

Для чего

Модели являются прямыми конкурентами в области мультимодальной обработки данных и выполнения сложных логических цепочек.

Контекст

1M

Цена ₽

173 / 1 035

Когда выбирать

  • Необходим глубокий анализ длинных видеофайлов или многостраничных PDF-документов в одном запросе.
  • Требуется модель с поддержкой продвинутого логического рассуждения (reasoning) для решения многоэтапных задач.
  • Нужна высокая точность при работе с различными типами входных данных, включая аудио и изображения одновременно.

Когда не выбирать

  • Требуется генерация медиаконтента на выходе, так как модель возвращает только текстовые ответы.
  • Для простых задач, не требующих глубокого логического вывода и обработки сверхдлинного контекста.
  • В проектах, где критически важна минимальная задержка ответа, характерная для более легких моделей без блока рассуждений.

FAQ

МИРVisaMastercardСБП
AllTokens

© 2026 Alltokens. Все права защищены.

ИП Наумов Евгений Алексеевич · ИНН 434522560555 · ОГРНИП 324430000002724 · support@alltokens.ru