Meta: Muse Wonder tegen ScaleDown: Extract
Een vergelijking naast elkaar van Meta: Muse Wonder (US$ 14,00 / 1M tekstdelen (≈ € 12,47)) en ScaleDown: Extract (US$ 0,14 / 1M tekstdelen (≈ € 0,12)) met actuele USD-prijzen en mogelijkheden uit de catalogus van api14. Beide werken via dezelfde OpenAI-compatibele API.
Specificaties
| Meta: Muse Wonder | ScaleDown: Extract | |
|---|---|---|
| Aanbieder | Meta | ScaleDown |
| Invoer | US$ 14,00 / 1M tekstdelen (≈ € 12,47) | US$ 0,14 / 1M tekstdelen (≈ € 0,12) |
| Uitvoer | US$ 70,00 / 1M tekstdelen (≈ € 62,33) | - |
| Cache lezen | US$ 0,70 / 1M tekstdelen (≈ € 0,62) | - |
| Webzoeken | US$ 8,75 / 1K zoekopdrachten (≈ € 7,79) | - |
| Contextvenster | 1.048.576 | 1.000.000 |
| Maximale output | 943.718 | 900.000 |
| Invoer | text, image, video, file, audio | text, image, file |
| Uitvoer | text | text |
| tool-aanroepen | ||
| Gestructureerde output | ||
| Instelbaar redeneren | ||
| Toegevoegd | 12 okt 2026 | 13 okt 2026 |
Belangrijkste verschillen
- ScaleDown: Extract is 99% goedkoper op inputtokens.
- Alleen Meta: Muse Wonder ondersteunt tool-aanroepen.
- Alleen Meta: Muse Wonder ondersteunt gestructureerde JSON-output.
- Alleen Meta: Muse Wonder ondersteunt instelbare redeneerinspanning.
- Een verzoek met 1.000 input- en 500 outputtokens kost US$ 0,05 met Meta: Muse Wonder en US$ 0,000140 met ScaleDown: Extract.
In detail
Meta: Muse Wonder is een tekstmodel van Meta, vermeld op api14 onder het model-id meta/muse-wonder. ScaleDown: Extract is een tekstmodel van ScaleDown, vermeld onder scaledown/extract. Beide zijn tekst-in, tekst-uit modellen in de zin dat hun uitvoermodaliteit alleen tekst is, en beide zijn binnen een dag van elkaar uitgebracht in oktober 2026, dus geen van beide is een legacy-optie waar je omheen moet werken. De interessante verschillen zitten in wat ze als invoer accepteren en wat je ze kunt vragen te doen.
Muse Wonder accepteert tekst, afbeelding, video, bestand en audio als invoer, terwijl Extract tekst, afbeelding en bestand accepteert. Dus als je pipeline audio of video bevat, is Muse Wonder degene die dat materiaal direct kan bekijken. De contextlengte ligt dicht genoeg bij elkaar dat die je beslissing niet zou moeten sturen: Muse Wonder vermeldt 1.048.576 tokens en Extract vermeldt 1.000.000, en de kwalitatieve vergelijking behandelt het contextverschil als niet betekenisvol. De grotere splitsing zit in de ondersteunde parameters. Muse Wonder biedt tools en tool_choice, structured_outputs en response_format, en de reasoning-familie (reasoning, reasoning_effort, include_reasoning), plus de gebruikelijke sampling-regelaars zoals temperature, top_p, top_k en repetition_penalty. Extract ondersteunt alleen max_tokens. Dat betekent dat alles met function calling, afgedwongen JSON-schema's of expliciete reasoning-besturing naar Muse Wonder moet, omdat Extract je daarvoor geen enkele hendel geeft.
Voor dagelijks werk kies je op basis van wat de taak daadwerkelijk nodig heeft. Als je velden extraheert uit documenten, afbeeldingen of platte tekst en je wilt alleen het antwoord terug, is Extract de goedkopere invoeroptie en zijn smalle parameteroppervlak is geen handicap, aangezien je toch alleen max_tokens zou instellen. Als je wilt dat het model tools aanroept, een schema-conform object retourneert, of bewust reasoning-inspanning besteedt aan een moeilijk probleem, is Muse Wonder de enige van de twee die dat ondersteunt. Hetzelfde geldt als je invoer audio of video bevat, wat Extract niet accepteert. Voor lange mixed-media-analyse waarbij je aan het eind ook gestructureerde uitvoer wilt, dekt Muse Wonder het hele pad in één aanroep.
Het aanroepen van een van beide via api14 werkt op dezelfde manier, omdat de API OpenAI-compatibel is. Je richt je bestaande client op de api14 base-URL, stuurt je gebruikelijke chat completions-verzoek en wijzigt alleen het model-veld: meta/muse-wonder of scaledown/extract. Je berichtstructuur, je auth-header en je response-parsing blijven zoals ze zijn. Het enige waar je op moet letten zijn parameters: als je overschakelt van Muse Wonder naar Extract, laat alles vallen behalve max_tokens, aangezien Extract geen ondersteuning vermeldt voor temperature, tools of response_format. De andere kant op kun je die velden onmiddellijk gaan gebruiken.
Er is nog steeds een geval voor Extract, zelfs wanneer Muse Wonder beschikbaar is. Wanneer de taak een rechttoe rechtaan tekst-, afbeelding- of bestandsextractie is en je geen tools, gestructureerde uitvoer of reasoning-besturing nodig hebt, is Extract het goedkopere invoermodel en is er geen reden om te betalen voor capaciteit die je niet zult aanroepen. Grijp naar Muse Wonder wanneer de taak meer nodig heeft dan een enkele ronde van lezen en antwoorden.
Wissel met één string
Beide modellen gebruiken hetzelfde endpoint en dezelfde verzoekstructuur. Verander de waarde van model van "meta/muse-wonder" naar "scaledown/extract", prompts, streaming en tools blijven werken.
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);
Meer vergelijkingen
- LiquidAI: LFM3-1.7B tegen Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B tegen Crouton Alpha
- LiquidAI: LFM3-1.7B tegen Tencent: Hy4
- LiquidAI: LFM3-1.7B tegen Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview tegen Crouton Alpha
- Ricursive: Ripple 65B Preview tegen Tencent: Hy4
- Ricursive: Ripple 65B Preview tegen Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha tegen Tencent: Hy4