Muse Wonder
Réseau Neuronal
Muse Wonder est un modèle de raisonnement Meta pour les tâches d'agent complexes : accepte texte, images, vidéo, audio et PDF.
Caractéristiques
- Entrée
- texte, images, documents
- Sortie
- texte
- Taille du contexte
- 1 048 576 tokens
- Longueur maximale de la réponse
- 943 718 tokens
- Niveaux de raisonnement
- minimal, faible, moyen, élevé, très élevé, max
- Fonctionnalités
- raisonnement, appel de fonctions
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche Muse Wonder?
Muse Wonder est un modèle de raisonnement de Meta pour les tâches d'agent complexes : il décompose les requêtes, maintient la logique et gère les processus multi-étapes. Il accepte texte, images, vidéo, audio et PDF, et répond par du texte, permettant d'analyser scans, réunions ou vidéos avec un seul modèle. Via BotHub, accédez sans VPN ni carte étrangère : payez en roubles avec une carte russe uniquement pour les jetons consommés, qui n'expirent pas. Plus de 250 réseaux de neurones dans une interface unique pour comparer les réponses. L'API compatible OpenAI facilite l'intégration et le remplacement des modèles sans réécriture. Données sécurisées par chiffrement AES-GCM. Pour les entreprises : contrats, factures, EDI et panneau d'administration avec limites. Utile pour l'analyse de rapports PDF, la conception de scénarios d'agents, la transcription de réunions, l'analyse de supports visuels et la recherche documentaire.Questions fréquentes sur Muse Wonder
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
C'est un modèle textuel de Meta avec un contexte de 1 048 576 jetons. Adapté aux longs documents et bases de code : analyse, refactoring, débogage, analytique. Il raisonne avant de répondre, accepte images et documents, et appelle des fonctions externes.
La limite de sortie est de 943 718 jetons par réponse, soit le volume d'un livre entier ou d'un grand module de code sans découpage. Cela évite de devoir assembler des réponses à partir de dizaines de requêtes pour la documentation ou les rapports.
Oui, le mode de raisonnement est confirmé. Le modèle élabore d'abord une solution, puis donne le résultat. Utile pour les tâches STEM, les mathématiques, l'analyse de logique complexe dans le code et les situations nécessitant une chaîne de déduction.
Oui, le 'function calling' et la sortie JSON structurée sont pris en charge. Le modèle peut être intégré dans des scénarios d'agents, connecté à des services externes et des bases de données. BotHub propose une API compatible OpenAI, facilitant le changement de modèle.
Selon nos données, le modèle accepte des images et des documents, avec un traitement natif des fichiers. Vous pouvez envoyer une capture d'écran, un schéma, un graphique, un PDF ou un tableau pour obtenir une analyse textuelle. Le modèle génère du texte.
Nous n'avons pas de données sur les performances du modèle avec des langues spécifiques, veuillez tester avec votre cas d'usage. L'interface BotHub et le paiement par carte russe sont accessibles sans VPN, payez uniquement pour les jetons utilisés.