Vercel добавил в AI Gateway новую модель Meta — Muse Wonder. Она ориентирована не на короткий чат, а на coding, long-running agent workflows и computer use.

Самая заметная цифра — context window до 1 миллиона токенов.

Но интереснее не сам размер контекста, а набор agent capabilities: модель умеет планировать длинные задачи, делегировать работу sub-agents, использовать tools и продолжать работу после ошибок.

Что умеет Muse Wonder

По описанию Vercel, модель рассчитана на:

• coding tasks;
• long-running agents;
• computer use;
• multi-step planning;
• delegation to sub-agents;
• error recovery;
• tool calling;
• structured output.

На вход можно передавать:

• text;
• images;
• PDF.

1M tokens — зачем столько агенту

Обычный chat редко нуждается в таком объёме.

Но coding agent может работать с:

• большим repository;
• несколькими specification files;
• screenshots;
• PDF-документацией;
• историей предыдущих действий;
• tool outputs;
• логами.

Большой context позволяет дольше удерживать рабочее состояние задачи без постоянного агрессивного сжатия.

Модель доступна через один API key

Vercel AI Gateway позволяет использовать Muse Wonder без создания отдельного Meta provider account.

Model identifier:

meta/muse-wonder-1.0

Для AI SDK модель вызывается через тот же Gateway API, что и другие providers.

Что даёт AI Gateway поверх самой модели

Gateway — это отдельный infrastructure layer.

Он даёт:

• единый API;
• usage tracking;
• cost tracking;
• request traces;
• routing;
• retries;
• failover.

То есть модель можно менять или дополнять другими providers, не переписывая весь agent runtime.

Можно использовать в coding agents

Vercel отдельно предлагает команду:

npx vercel ai-gateway setup

После этого Muse Wonder можно выбрать в настройках agent.

Это показывает, что Vercel рассматривает AI Gateway не только как backend для chat app, но и как инфраструктуру coding agents.

Computer use расширяет область задач

Если модель умеет работать с browser/desktop tooling, она может выполнять задачи, для которых недостаточно API.

Например:

• навигация по web UI;
• работа с admin panels;
• проверка интерфейса;
• визуальная верификация результата;
• заполнение форм.

Мы недавно разбирали похожую тему в кейсе Asana browser-agent, где стоимость сильно зависела от architecture history и screenshots.

Большой context не отменяет caching

1M tokens не означает, что выгодно каждый раз отправлять миллион токенов.

Для production agent всё равно важны:

• prompt caching;
• retrieval;
• history management;
• удаление устаревших screenshots;
• сжатие старых tool outputs.

Иначе большой context быстро превращается в большой bill.

Sub-agents требуют контроля бюджета

Delegation удобна, но один parent agent может породить несколько параллельных веток.

Поэтому нужно ограничивать:

• максимальное число sub-agents;
• количество steps;
• общий token budget;
• доступные tools;
• время выполнения.

Structured output полезен для automation

Agent не всегда должен отвечать prose.

Для workflow удобнее получить schema:

{
  "status": "ready",
  "files_changed": 7,
  "needs_review": true
}

Structured output проще передавать следующему шагу pipeline.

Images и PDF дают более широкий рабочий контекст

Для coding/automation задачи source code часто недостаточно.

Agent может получить:

• Figma screenshot;
• PDF technical specification;
• архитектурную схему;
• ошибку из UI;
• документацию в PDF.

Muse Wonder может обрабатывать эти inputs в одном workflow.

Когда 1M context действительно полезен

Большой context особенно имеет смысл для:

• monorepo analysis;
• long-running migrations;
• agentic refactoring;
• больших technical specs;
• multi-document research;
• computer-use sessions с длинной историей.

Когда он не нужен

Для короткого классификатора, simple support bot или небольшой функции 1M context может не дать никакого преимущества.

Модель нужно выбирать под workload, а не только по максимальной цифре в specifications.

Связь с остальным Vercel Agent Stack

Vercel постепенно собирает полный runtime для agent applications.

Мы уже писали про Sandbox, который теперь возвращается уже готовым к первой команде, и про покупку доменов агентами через CLI.

Muse Wonder добавляет ещё одну модель для long-running agent layer.

Практический вывод

Muse Wonder интересен как модель именно для длинных agent workflows: большой context, multimodal input, tool calling, delegation и recovery.

Через AI Gateway её можно подключить тем же способом, что и другие модели, сохранив routing, traces и cost control на стороне Vercel.

Официальный источник

Vercel Changelog — Muse Wonder now available on AI Gateway