Meta: Muse Wonder vs. ScaleDown: Extract
Ein direkter Vergleich von Meta: Muse Wonder (14,00 $ / 1 Mio. Tokens (≈ 12,47 €)) und ScaleDown: Extract (0,14 $ / 1 Mio. Tokens (≈ 0,12 €)) mit aktuellen USD-Preisen und Funktionen aus dem api14-Katalog. Beide laufen über dieselbe OpenAI-kompatible API.
Technische Daten
| Meta: Muse Wonder | ScaleDown: Extract | |
|---|---|---|
| Anbieter | Meta | ScaleDown |
| Eingabe | 14,00 $ / 1 Mio. Tokens (≈ 12,47 €) | 0,14 $ / 1 Mio. Tokens (≈ 0,12 €) |
| Ausgabe | 70,00 $ / 1 Mio. Tokens (≈ 62,33 €) | - |
| Cache-Lesen | 0,70 $ / 1 Mio. Tokens (≈ 0,62 €) | - |
| Websuche | 8,75 $ / 1.000 Suchen (≈ 7,79 €) | - |
| Kontextfenster | 1.048.576 | 1.000.000 |
| Max. Ausgabe | 943.718 | 900.000 |
| Eingabe | text, image, video, file, audio | text, image, file |
| Ausgabe | text | text |
| Tool Calling | ||
| Strukturierte Ausgabe | ||
| Reasoning-Steuerung | ||
| Hinzugefügt | 12.10.2026 | 13.10.2026 |
Die wichtigsten Unterschiede
- ScaleDown: Extract ist bei Eingabe-Tokens 99% günstiger.
- Nur Meta: Muse Wonder unterstützt Tool Calling.
- Nur Meta: Muse Wonder unterstützt strukturierte JSON-Ausgabe.
- Nur Meta: Muse Wonder unterstützt Steuerung des Reasoning-Aufwands.
- Eine Anfrage mit 1.000 Eingabe- und 500 Ausgabe-Tokens kostet mit Meta: Muse Wonder 0,05 $ und mit ScaleDown: Extract 0,000140 $.
Im Detail
Meta: Muse Wonder ist ein Textmodell von Meta, gelistet auf api14 unter der Modell-ID meta/muse-wonder. ScaleDown: Extract ist ein Textmodell von ScaleDown, gelistet unter scaledown/extract. Beide sind Text-in-, Text-out-Modelle in dem Sinne, dass ihre Ausgabemodalität ausschließlich Text ist, und beide wurden innerhalb eines Tages im Oktober 2026 veröffentlicht, sodass keines von beiden eine Legacy-Option ist, um die man herumarbeiten muss. Die interessanten Unterschiede liegen darin, was sie als Eingabe akzeptieren und was man sie tun lassen kann.
Muse Wonder nimmt Text, Bild, Video, Datei und Audio als Eingabe, während Extract Text, Bild und Datei nimmt. Wenn Ihre Pipeline also Audio oder Video umfasst, ist Muse Wonder das Modell, das dieses Material direkt betrachten kann. Die Kontextlänge ist nah genug beieinander, dass sie Ihre Entscheidung nicht bestimmen sollte: Muse Wonder listet 1.048.576 Tokens und Extract listet 1.000.000, und der qualitative Vergleich behandelt den Kontextunterschied als nicht bedeutsam. Die größere Trennung liegt bei den unterstützten Parametern. Muse Wonder stellt tools und tool_choice, structured_outputs und response_format sowie die Reasoning-Familie (reasoning, reasoning_effort, include_reasoning) bereit, dazu die üblichen Sampling-Steuerungen wie temperature, top_p, top_k und repetition_penalty. Extract unterstützt nur max_tokens. Das bedeutet, dass alles, was Function Calling, erzwungene JSON-Schemas oder explizite Reasoning-Steuerung betrifft, an Muse Wonder gehen muss, weil Extract Ihnen dafür keinen Hebel bietet.
Für die tägliche Arbeit wählen Sie danach, was die Aufgabe tatsächlich braucht. Wenn Sie Felder aus Dokumenten, Bildern oder reinem Text extrahieren und einfach nur die Antwort zurückhaben wollen, ist Extract die günstigere Eingabeoption, und seine schmale Parameteroberfläche ist kein Handicap, da Sie ohnehin nur max_tokens gesetzt hätten. Wenn das Modell Tools aufrufen, ein schema-konformes Objekt zurückgeben oder bewussten Reasoning-Aufwand für ein schwieriges Problem betreiben soll, ist Muse Wonder das einzige der beiden, das dies unterstützt. Dasselbe gilt, wenn Ihre Eingabe Audio oder Video enthält, was Extract nicht akzeptiert. Für lange Mixed-Media-Analysen, bei denen Sie am Ende auch strukturierte Ausgabe wollen, deckt Muse Wonder den gesamten Pfad in einem Aufruf ab.
Der Aufruf beider Modelle über api14 funktioniert gleich, weil die API OpenAI-kompatibel ist. Sie richten Ihren bestehenden Client auf die api14-Basis-URL, senden Ihre übliche Chat-Completions-Anfrage und ändern nur das Feld model: meta/muse-wonder oder scaledown/extract. Ihre Nachrichtenstruktur, Ihr Auth-Header und Ihr Response-Parsing bleiben, wie sie sind. Worauf Sie achten sollten, sind die Parameter: Wenn Sie von Muse Wonder zu Extract wechseln, entfernen Sie alles außer max_tokens, da Extract keine Unterstützung für temperature, tools oder response_format listet. In die andere Richtung können Sie diese Felder sofort nutzen.
Wechseln mit einem String
Beide Modelle nutzen denselben Endpunkt und dieselbe Anfragestruktur. Ändern Sie den model-Wert von "meta/muse-wonder" auf "scaledown/extract", Prompts, Streaming und Tools funktionieren weiter.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "scaledown/extract",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Weitere Vergleiche
- LiquidAI: LFM3-1.7B vs. Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B vs. Crouton Alpha
- LiquidAI: LFM3-1.7B vs. Tencent: Hy4
- LiquidAI: LFM3-1.7B vs. Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview vs. Crouton Alpha
- Ricursive: Ripple 65B Preview vs. Tencent: Hy4
- Ricursive: Ripple 65B Preview vs. Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha vs. Tencent: Hy4