Muse Image — это агентная модель генерации изображений от Meta, которая генерирует и редактирует изображения на основе текста и референсных изображений. В отличие от однопроходных моделей изображений, она рассуждает перед рендерингом, разбивая многокомпонентные prompt'ы и уточняя свой вывод в рамках цепочки рассуждений, а также использует веб-поиск для проверки фактической точности при работе с prompt'ами, требующими обширных знаний. Модель поддерживает генерацию текста в изображение, целенаправленное редактирование изображений, композицию из нескольких изображений, обусловливание референсным изображением для обеспечения согласованности стиля и объекта в серии, а также точный рендеринг текста в сгенерированных изображениях. Итеративное редактирование работает путем передачи предыдущего выходного изображения обратно с новой инструкцией.
Провайдер для Meta: Muse Image
Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.
Модальности
Провайдеры
Запросы обслуживает один из провайдеров ниже — маршрутизация автоматически выбирает оптимального по доступности и скорости в момент запроса. Итоговая стоимость зависит от того, какой провайдер обслужил запрос, и от попадания в кэш: при повторяющемся контексте вход тарифицируется по цене чтения кэша — до 60–80 % дешевле. Цены — в рублях за 1 млн токенов.
Meta | — | — | — | — | 100,0 % |
Поддерживаемые параметры
Другие модели от meta
Meta: Muse Ember
Muse Ember — это самая маленькая и эффективная модель от Meta, разработанная для выполнения сложного логического вывода и задач, которые агенты повторяют изо дня в день: вызовы инструментов, подзадачи кодирующих агентов, маршрутизация, извлечение информации и анализ длинных документов. Muse Ember принимает текст, изображения, видео, аудио и PDF-документы и возвращает текст, с контекстным окном в 1M токенов.
Meta: Muse Spark Open
Muse Spark Open — это модель с открытым весом, оптимизированная для кодирования. Она специально обучена для агентских рабочих процессов кодирования, обеспечивая более высокую точность с первой попытки, надёжный вызов инструментов и глубокое понимание кодовой базы в репозиториях, с которыми фактически работают разработчики.
Meta: Muse Wonder
Muse Wonder — это передовая модель рассуждений от Meta, разработанная для сложных личных и профессиональных агентских задач. Она принимает текст, изображения, видео, аудио и PDF-документы, а возвращает текст, с контекстным окном в 1M токенов. Модель справляется с долгосрочной работой: она планирует, делегирует задачи субагентам, параллельно вызывает инструменты и восстанавливается после ошибок, поэтому многошаговые задачи выполняются до конца без пошаговых указаний. Она также может управлять браузерами, настольными и мобильными приложениями, и работать с множеством файлов в существующих репозиториях для внесения и проверки изменений. Muse Wonder переносит важный контекст между разговорами и извлекает детали, относящиеся к текущей задаче. И она обучена для Активного Фокуса, поэтому работает над вашей целью, даже когда задача становится сложной. В тестировании Meta она показала хорошие результаты в сложных инженерных задачах, расширенных агентских сессиях и рефакторинге нескольких файлов для решения самых требовательных задач разработчиков.
Meta: Muse Voice Transcribe 1.0
Muse Voice Transcribe 1.0 — это синхронная модель преобразования речи в текст от Meta. Она подходит для режима «нажми и говори», определения конечных точек и транскрипции с учетом говорящего, с предвзятостью по ключевым словам для доменных терминов и предвзятостью по языку через подсказки с названием языка. Модель принимает монофонический 16-битный PCM WAV-аудио с частотой 16 кГц или 24 кГц для записей до 10 минут. Она не предоставляет временные метки на уровне слов или оценки достоверности, а другие аудиоформаты должны быть преобразованы в WAV перед загрузкой.
Meta: Muse Spark 1.3 Contributor
Muse Spark 1.3 Contributor — это экономичный уровень модели Meta для мультимодальных рассуждений, предназначенный для экспериментов, обучения и ранних стадий агентных, мультиагентных и кодовых рабочих процессов. Он разработан для отслеживания информации в рамках расширенных задач, обработки противоречивых входных данных и запроса уточнений или подтверждений при необходимости. Подсказки и выходные данные могут использоваться для улучшения продуктов Meta.
Meta: Muse Spark 1.3
Muse Spark 1.3 — это мультимодальная модель рассуждений от Meta для длительных агентных, многоагентных и кодовых рабочих процессов. Она разработана для отслеживания информации в рамках расширенных задач, обработки противоречивых входных данных и запроса уточнений или подтверждений при необходимости, с акцентом на лаконичное выполнение.
