基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗DISCOVER & COMPARE
AIモデルを探す 85001
Llama Guard 4 is a Llama 4 Scout-derived multimodal pretrained model, fine-tuned for content safety classification. Similar to previous versions, it can be used to classify content in both LLM...
翻訳待ち・原文を表示
入力 画像 · テキスト→ 出力 テキスト
$0.18 / 100万入力トークンOpenRouter · meta-llama/llama-guard-4-12b
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗LlamaGuard-7b
Meta基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗MetaMath-Mistral-7B
meta-math基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Meta-Llama-3-70B
Meta基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Meta-Llama-3-8B
Meta基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Muse-Glimmer-30B-assistant
meta-models**Authors:** Meta Superintelligence Lab **Model Release Date:** August 2026 **License:** Apache 2.0 > [!NOTE] This model card is for the lightweight "drafter" model for Muse Glimmer 30B, based on DFlash. The DFlash block-diffusion model predicts entire blocks of 16 tokens in a single forward pass. The main model then verifies these proposals in parallel, accepting correct tokens and correcting wrong ones. This technique lets Muse Glimmer generate text significantly faster than standard token-by-token generation while producing identical output quality. Muse Glimmer is a 30-billion-parameter causal language model with a dedicated perception encoder, distilled from Muse Spark and purpose-built for autonomous agentic tasks on consumer hardware. The model integrates multi-step reasoning, reliable tool use, multimodal understanding, and failure recovery into a single model that runs locally without requiring cloud infrastructure or network access.
翻訳待ち・原文を表示
入力 テキスト · 画像→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Muse-Glimmer-30B-ExecuTorch-PTE
meta-models基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト · 画像→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Muse-Glimmer-30B-GGUF
meta-models**Authors:** Meta Superintelligence Lab **Model Release Date:** August 2026 **License:** Apache 2.0 > [!NOTE] > This repo contains GGUF conversions of `meta-models/Muse-Glimmer-30B` for llama.cpp: two quantized text builds, a perception encoder for image input, and a DFlash drafter for speculative decoding. > Everything you need to install, download and serve them is on this page. No bf16 GGUF is published here — use the base repo if you need full precision. Muse Glimmer is a 30-billion-parameter causal language model with a dedicated perception encoder, distilled from Muse Spark and purpose-built for autonomous agentic tasks on consumer hardware. The model integrates multi-step reasoning, reliable tool use, multimodal understanding, and failure recovery into a single model that runs locally without requiring cloud infrastructure or network access.
翻訳待ち・原文を表示
入力 テキスト · 画像→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Muse-Spark-Open-816B-A42B-NVFP4
meta-models基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト · 画像→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Muse Ember
MetaMuse Ember is the smallest and most efficient model from Meta that’s designed for complex reasoning execution and the work agents repeat all day: tool calls, coding agent subtasks, routing,...
翻訳待ち・原文を表示
入力 テキスト · 画像 · 動画 · ファイル · 音声→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Muse Glimmer 30B
MetaMuse Glimmer 30B is a dense, open-weight multimodal model from Meta Superintelligence Labs, distilled from Muse Spark and optimized for autonomous agents on consumer hardware. It is suited for long-horizon...
翻訳待ち・原文を表示
入力 テキスト · 画像→ 出力 テキスト
$0.3 / 100万入力トークンOpenRouter · meta/muse-glimmer-30b
詳細を見る ↗Muse Spark
Meta基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Muse Spark 1.1
MetaMuse Spark 1.1 is a multimodal reasoning model from Meta, built for agentic tasks. It accepts text, images, video, and PDF documents and returns text, with a 1M-token context window....
翻訳待ち・原文を表示
入力 テキスト · 画像 · 動画 · ファイル→ 出力 テキスト
$1.25 / 100万入力トークンOpenRouter · meta/muse-spark-1.1
詳細を見る ↗Muse Spark 1.2
MetaMuse Spark 1.2 is a reasoning model from Meta, designed for complex agentic tasks. It accepts text, images, video, and PDF documents, returns text, and offers a 1M-token context window....
翻訳待ち・原文を表示
入力 テキスト · 画像 · 動画 · ファイル→ 出力 テキスト
$1.25 / 100万入力トークンOpenRouter · meta/muse-spark-1.2
詳細を見る ↗Muse Spark 1.2 contributor tier is a reasoning model from Meta designed for developers who want to start building at an even lower cost. It’s meaningfully cheaper than Muse Spark...
翻訳待ち・原文を表示
入力 テキスト · 画像 · 動画 · ファイル→ 出力 テキスト
$0.1 / 100万入力トークンOpenRouter · meta/muse-spark-1.2-contributor
詳細を見る ↗Muse Spark 1.3
MetaMuse Spark 1.3は、Metaが提供するマルチモーダル推論モデルで、長時間にわたるエージェント型、マルチエージェント型、およびコーディングワークフロー向けです。拡張されたタスク全体にわたって情報を保持し、...を処理できるよう設計されています。
入力 テキスト · 画像 · 動画 · ファイル→ 出力 テキスト
$1.25 / 100万入力トークンOpenRouter · meta/muse-spark-1.3
詳細を見る ↗Muse Spark 1.3 Contributor is the cost-efficient contributor tier of Meta’s multimodal reasoning model for experimentation, learning, and early-stage agentic, multi-agent, and coding workflows. It is designed to track information...
翻訳待ち・原文を表示
入力 テキスト · 画像 · 動画 · ファイル→ 出力 テキスト
$0.1 / 100万入力トークンOpenRouter · meta/muse-spark-1.3-contributor
詳細を見る ↗該当するモデルがありません
提供元・分類・入出力の条件を変更してください。新しいモデルを随時追加しています。
COST EXPLORER
モデル選びに、費用の視点も。
月間トークン数を調整してAPI費用を比較。
1 M = 100万トークン・米ドル
同一チャネルの基本テキスト料金を比較
同一チャネルの基本テキスト料金を比較
収集済みの比較可能な100万トークン当たり米ドル料金です。キャッシュ割引、段階料金、追加推論出力、税金は含みません。最新料金は出典で確認してください。
MODEL HANDBOOK
モデルを理解して選ぶ
API料金はどう比較しますか？+
入力・出力・キャッシュ料金を分け、同じ用途と使用量で総費用を比較します。画像・音声・動画は枚数、時間、解像度で課金される場合があります。
オープンウェイトは無料で商用利用できますか？+
必ずしもそうではありません。バージョンごとのライセンス、商用制限、ポリシーを確認してください。自前運用には計算資源と保守費用も必要です。
ランキング1位が最適ですか？+
順位はテスト、バージョン、評価方法によります。実際の業務データで精度、遅延、安定性、費用を比較してください。