Meta: Muse Wonder contra ScaleDown: Extract
Uma comparação lado a lado entre Meta: Muse Wonder (US$ 14,00 / 1M fragmentos (≈ R$ 76,55)) e ScaleDown: Extract (US$ 0,14 / 1M fragmentos (≈ R$ 0,77)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.
Especificações
| Meta: Muse Wonder | ScaleDown: Extract | |
|---|---|---|
| Provedor | Meta | ScaleDown |
| Entrada | US$ 14,00 / 1M fragmentos (≈ R$ 76,55) | US$ 0,14 / 1M fragmentos (≈ R$ 0,77) |
| Saída | US$ 70,00 / 1M fragmentos (≈ R$ 382,77) | - |
| Leitura de cache | US$ 0,70 / 1M fragmentos (≈ R$ 3,83) | - |
| Busca na web | US$ 8,75 / 1 mil buscas (≈ R$ 47,85) | - |
| Janela de contexto | 1.048.576 | 1.000.000 |
| Saída máxima | 943.718 | 900.000 |
| Entrada | text, image, video, file, audio | text, image, file |
| Saída | text | text |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 12 de out. de 2026 | 13 de out. de 2026 |
Principais diferenças
- ScaleDown: Extract é 99% mais barato nos tokens de entrada.
- Só o Meta: Muse Wonder suporta chamada de ferramentas.
- Só o Meta: Muse Wonder suporta saída JSON estruturada.
- Só o Meta: Muse Wonder suporta controle do esforço de raciocínio.
- Uma requisição com 1.000 tokens de entrada e 500 de saída custa US$ 0,05 com Meta: Muse Wonder e US$ 0,000140 com ScaleDown: Extract.
Em detalhe
Meta: Muse Wonder é um modelo de texto da Meta, listado em api14 sob o id de modelo meta/muse-wonder. ScaleDown: Extract é um modelo de texto da ScaleDown, listado sob scaledown/extract. Ambos são modelos de texto para texto, no sentido de que a sua modalidade de saída é apenas texto, e ambos foram lançados com um dia de diferença um do outro em outubro de 2026, portanto nenhum deles é uma opção legada com que tenha de contornar. As diferenças interessantes estão naquilo que aceitam como entrada e naquilo que lhes pode pedir para fazer.
Muse Wonder aceita texto, imagem, vídeo, ficheiro e áudio como entrada, enquanto Extract aceita texto, imagem e ficheiro. Portanto, se o seu pipeline envolve áudio ou vídeo, Muse Wonder é o que consegue analisar esse material diretamente. O comprimento de contexto é suficientemente próximo para não dever conduzir a sua decisão: Muse Wonder lista 1.048.576 tokens e Extract lista 1.000.000, e a comparação qualitativa trata a diferença de contexto como não significativa. A maior divisão está nos parâmetros suportados. Muse Wonder expõe tools e tool_choice, structured_outputs e response_format, e a família de raciocínio (reasoning, reasoning_effort, include_reasoning), além dos controlos de amostragem habituais como temperature, top_p, top_k e repetition_penalty. Extract suporta apenas max_tokens. Isso significa que tudo o que envolva chamada de funções, esquemas JSON impostos ou controlo explícito de raciocínio tem de ir para Muse Wonder, porque Extract não lhe dá nenhuma alavanca para isso.
Para o trabalho do dia a dia, escolha com base no que a tarefa realmente precisa. Se está a extrair campos de documentos, imagens ou texto simples e só quer a resposta de volta, Extract é a opção de entrada mais barata e a sua superfície estreita de parâmetros não é uma desvantagem, já que só iria definir max_tokens de qualquer forma. Se precisa que o modelo chame ferramentas, devolva um objeto conforme ao esquema, ou despenda esforço de raciocínio deliberado num problema difícil, Muse Wonder é o único dos dois que o suporta. O mesmo se aplica se a sua entrada incluir áudio ou vídeo, que Extract não aceita. Para análise longa de multimédia mista em que também quer saída estruturada no final, Muse Wonder cobre todo o percurso numa única chamada.
Chamar qualquer um deles através de api14 funciona da mesma forma, porque a API é compatível com OpenAI. Aponta o seu cliente existente para o URL base da api14, envia o seu pedido habitual de chat completions, e altera apenas o campo model: meta/muse-wonder ou scaledown/extract. A estrutura da sua mensagem, o seu cabeçalho de autenticação e a análise da sua resposta mantêm-se como estão. A única coisa a que deve estar atento são os parâmetros: se mudar de Muse Wonder para Extract, remova tudo exceto max_tokens, já que Extract não lista suporte para temperature, tools ou response_format. No sentido inverso, pode começar a usar esses campos imediatamente.
Ainda há um caso para Extract mesmo quando Muse Wonder está disponível. Quando a tarefa é uma extração simples de texto, imagem ou ficheiro e não precisa de ferramentas, saída estruturada ou controlos de raciocínio, Extract é o modelo de entrada mais barato e não há razão para pagar por capacidade que não vai usar. Recorra a Muse Wonder quando a tarefa precisa de mais do que uma única passagem de leitura e resposta.
Troque com uma string
Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "meta/muse-wonder" para "scaledown/extract", prompts, streaming e ferramentas continuam funcionando.
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);
Mais comparações
- LiquidAI: LFM3-1.7B contra Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contra Crouton Alpha
- LiquidAI: LFM3-1.7B contra Tencent: Hy4
- LiquidAI: LFM3-1.7B contra Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contra Crouton Alpha
- Ricursive: Ripple 65B Preview contra Tencent: Hy4
- Ricursive: Ripple 65B Preview contra Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contra Tencent: Hy4