Meta: Muse Wonder
Muse Wonder er Metas multimodale ræsonneringsmodel til langvarige agenter og komplekse udviklingsopgaver. Den læser tekst, billeder, video, lyd og PDF-dokumenter i en kontekst på 1.048.576 tokens og returnerer tekst med offentliggjorte egenskaber til værktøjskald, struktureret output og konfigurerbar ræsonneringsindsats.
- Ailoot Ultra · OpenAI Chat
POST /v1/chat/completionsmeta/muse-wonder - Ailoot Ultra · Anthropic Messages
POST /v1/messagesmeta/muse-wonder
Om modellen
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Muse Wonder er Metas ræsonneringsmodel til opgaver, der kræver en vedvarende plan på tværs af et omfattende belægsgrundlag. Dens offentliggjorte input omfatter tekst, billeder, video, lyd og PDF-dokumenter, og outputtet er tekst. Én opgave kan derfor kombinere en kodebase, en dokumentsamling og visuelle belæg, mens et defineret skriftligt slutprodukt bevares.
Planlæg arbejdet omkring det påkrævede produkt
Beskriv, hvad arbejdet skal producere, og hvordan resultatet vil blive kontrolleret. Til en softwareopgave skal du identificere den adfærd, der skal bevares, de relevante filer og verificeringskriterierne. Til dokumentanalyse skal du angive spørgsmålet, kilderne og de oplysninger, slutrapporten bør bevare.
Det offentliggjorte agentdesign omfatter planlægning, delegerede delopgaver, parallel værktøjsbrug og genopretning efter fejl. I en applikation skal du forbinde disse modelegenskaber med et kontrolleret udførelsesforløb: værktøjer udfører handlingerne, returnerede observationer leverer belæg, og næste modeltrin bruger observationerne. Bevar afsluttede fund, så senere trin ikke mister allerede trufne beslutninger.
Arbejd på tværs af filer og medier
Muse Wonders dokumenterede udviklingsbrug spænder over flere filer i en eksisterende kodebase. Giv den et sammenhængende sæt relevant kode og begrænsninger frem for et løsrevet uddrag, når ændringen krydser komponentgrænser. Bed om de berørte grænseflader og verificeringstrin sammen med de foreslåede ændringer.
Til visuelt eller audiovisuelt arbejde skal du angive det materiale, der bærer belæggene. Et skærmbillede kan tydeliggøre en layoutfejl; en video kan vise en interaktionssekvens; et dokument kan kombinere tekst, tabeller og figurer. Angiv, hvad modellen bør udtrække eller forklare fra belæggene, og bed om et tekstresultat, som bevarer de nyttige observationer.
Ræsonnering og struktureret output
Muse Wonders offentliggjorte konfiguration omfatter obligatorisk ræsonnering med indsatsniveauerne minimal, low, medium, high, xhigh og max med medium som standard. Vælg en indstilling efter opgavens dybde, og specificér, hvad svaret bør fastlægge. Bevar de samme kriterier ved sammenligning af resultater på forskellige indsatsniveauer.
Værktøjskald og skemastyret struktureret output er offentliggjorte modelegenskaber. Et forløb kan bruge dem til at bede om identificerede fund, belægshenvisninger, en ændringsplan eller en liste over verificeringsresultater. Hold maskinbrugte felter fokuseret på næste trin, og bevar den menneskeligt læsbare forklaring, hvor en person har brug for at forstå en beslutning.
Kontinuitet med lang kontekst
Det offentliggjorte kontekstvindue er 1.048.576 tokens. Organisér lange input med tydelige kildenavne og afsnitsgrænser, og skeln mellem bekræftede observationer og åbne antagelser. Brug konteksten til at bevare vigtige beslutninger gennem en opgave frem for at fylde den med uvedkommende materiale.
Et nyttigt slutprodukt identificerer, hvad der blev ændret, de anvendte belæg, de udførte kontroller og de spørgsmål, som stadig kræver opmærksomhed. Det kan være en kodebasegennemgang, et ændringsforslag på tværs af filer eller en analyse af et blandet dokumentsæt. Muse Wonders tekstoutput beskriver og dirigerer arbejdet; den omgivende applikation leverer udførelsen, værktøjerne og lagringen, som gør det til et afsluttet forløb.
Funktioner
- Tekst-, billed-, video-, lyd- og PDF-forståelse med tekstoutput.
- Offentliggjort kontekst på 1.048.576 tokens.
- Planlægning, delegerede delopgaver, parallel værktøjsbrug og genopretning efter fejl i agentarbejde.
- Softwareudviklingsforløb på tværs af filer.
- Obligatorisk ræsonnering med offentliggjorte indsatsniveauer og skemastyret output.
Brugsscenarier
- Udviklingsopgave på tværs af filer — Relevant kode, ønsket udfald og verificeringskriterier. Resultat: En sammenhængende ændringsplan eller gennemgang på tværs af berørte komponenter.
- Langvarig kontrolleret agent — Et mål, en udførelsesramme og bevarede værktøjsobservationer. Resultat: Successive beslutninger knyttet til et slutprodukt, som kan gennemgås.
- Multimodal undersøgelse — Dokumenter og medier, som bærer belæg for et specifikt spørgsmål. Resultat: En analyse i tekstform med kildeknyttede observationer.
- Sammenstilling af store belægsgrundlag — En organiseret samling med navngivne kilder og en outputkontrakt. Resultat: En rapport, som bevarer konklusioner, belæg og åbne antagelser.
Begrænsninger
- Kontekst — Offentliggjort kontekstvindue: 1.048.576 tokens.
- Output — Den offentliggjorte outputfamilie er tekst.
- Ræsonnering — Ræsonnering er obligatorisk; kilden angiver indsatsniveauerne minimal, low, medium, high, xhigh og max.
- Udførelse — Værktøjer og den omgivende applikation udfører handlinger og bevarer deres udfald.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions meta/muse-wonder
meta/muse-wonderStart
Muse Wonder er Metas multimodale ræsonneringsmodel til langvarige agenter og komplekse udviklingsopgaver. Den læser tekst, billeder, video, lyd og PDF-dokumenter i en kontekst på 1.048.576 tokens og returnerer tekst med offentliggjorte egenskaber til værktøjskald, struktureret output og konfigurerbar ræsonneringsindsats.
- Accepterede input
- Tekst
- Resultater
- Tekst
Tilgængelig i Ailoot · input og metoder
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
- Inputtyper
text- Outputtyper
text- Outputformat
- json eller SSE
| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser meta/muse-wonder | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Kombinationer af inputmaterialer
Tekst · UTF8-tekst
messages[].content
Metodeparametre og livscyklus
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream |
Parametercontrol_scope | KontraktTekstsamtale; stream er en boolesk værdi og er som standard false. |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Metodealiaser: /chat/completions
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Priser
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
- Hurtig tilstand
- Ikke angivet Når hurtig tilstand er valgt
- flex-tilstand
- Ikke angivet Når flex-tilstanden er valgt
- Maksimal ræsonneringsindsats
- Ikke angivet Når default-justeringen anvendes ved maksimal ræsonneringsindsats
Ailoot-takster
Priser efter konfiguration
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.008 / 1K tokens Output · Outputtokens $0.04 / 1K tokens Input · Cachelæsning $0.0004 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.008 / 1K tokens Output · Outputtokens $0.04 / 1K tokens Input · Cachelæsning $0.0004 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
Eksempelanmodninger
Ailoot Ultra · OpenAI Chat
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model":"meta/muse-wonder","messages":[{"role":"user","content":"hello"}],"stream":false}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os
if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model="meta/muse-wonder", messages=[{"role":"user","content":"hello"}], stream=False)
import base64, json
from pathlib import Path
def save_result(data, stem="result"):
# Keep every field, including usage, IDs, reasoning and tool requests.
Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
print(json.dumps(data, ensure_ascii=False, indent=2))
def save_blob(encoded, suffix, label):
raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
file = Path(stem + "-" + label + "." + ext)
file.write_bytes(raw)
print("Saved", file)
for index, block in enumerate(data.get("content") or []):
print("Content", index, json.dumps(block, ensure_ascii=False))
for choice in data.get("choices") or []:
print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
for index, item in enumerate(data.get("output") or []):
print("Output", index, json.dumps(item, ensure_ascii=False))
if item.get("type") == "image_generation_call" and item.get("result"):
save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
for ci, candidate in enumerate(data.get("candidates") or []):
for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
blob = part.get("inlineData") or part.get("inline_data")
if blob and blob.get("data"):
mime = blob.get("mimeType") or blob.get("mime_type")
suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))
save_result(result.to_dict(mode="json"))
Hent og gem resultater
Ailoot Ultra · OpenAI Chat
json eller SSE
Behold alle færdige resultater
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Hvis det oprindelige svar skal kontrolleres
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
Svarfelter
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
Fejl og næste trin
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Aliaser
Modelaliaser
Ailoot Ultra meta/muse-wonder
Aliaser for metodestier
/chat/completions
Relaterede kalder-ID’er
Ailoot Ultra · Anthropic Messages POST /v1/messages meta/muse-wonder
meta/muse-wonderStart
Muse Wonder er Metas multimodale ræsonneringsmodel til langvarige agenter og komplekse udviklingsopgaver. Den læser tekst, billeder, video, lyd og PDF-dokumenter i en kontekst på 1.048.576 tokens og returnerer tekst med offentliggjorte egenskaber til værktøjskald, struktureret output og konfigurerbar ræsonneringsindsats.
- Accepterede input
- Tekst
- Resultater
- json · sse
Tilgængelig i Ailoot · input og metoder
Ailoot Ultra · Anthropic Messages POST /v1/messages
- Inputtyper
text- Outputtyper
json,sse- Outputformat
- JSON eller SSE
| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser meta/muse-wonder | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Kombinationer af inputmaterialer
Tekst · UTF-8-tekst
messages[].content som streng
Metodeparametre og livscyklus
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Priser
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
- Hurtig tilstand
- Ikke angivet Når hurtig tilstand er valgt
- flex-tilstand
- Ikke angivet Når flex-tilstanden er valgt
- Maksimal ræsonneringsindsats
- Ikke angivet Når default-justeringen anvendes ved maksimal ræsonneringsindsats
Ailoot-takster
Priser efter konfiguration
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.008 / 1K tokens Output · Outputtokens $0.04 / 1K tokens Input · Cachelæsning $0.0004 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.008 / 1K tokens Output · Outputtokens $0.04 / 1K tokens Input · Cachelæsning $0.0004 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
Eksempelanmodninger
Ailoot Ultra · Anthropic Messages
{
"model": "meta/muse-wonder",
"max_tokens": 128,
"messages": [
{
"role": "user",
"content": "Summarize the incident report."
}
],
"stream": false
}set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path
source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
raise SystemExit('Choose a document containing text')
payload = {'model': 'meta/muse-wonder', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
-H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path
source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
raise SystemExit('Choose a document containing text')
payload = {'model': 'meta/muse-wonder', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError
api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
with urlopen(request, timeout=120) as response:
raw = response.read()
Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
Path('result.json').write_bytes(error.read())
Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path
result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
Hent og gem resultater
Ailoot Ultra · Anthropic Messages
JSON eller SSE
Behold alle færdige resultater
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Hvis det oprindelige svar skal kontrolleres
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
Svarfelter
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
Fejl og næste trin
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Aliaser
Modelaliaser
Ailoot Ultra meta/muse-wonder
Aliaser for metodestier
/chat/completions
Relaterede kalder-ID’er
FAQ · Meta: Muse Wonder
- Hvilke input og resultater er tilgængelige?
POST /v1/chat/completions·meta/muse-wonder:text→textPOST /v1/messages·meta/muse-wonder:text→json,sse- Hvilke felter bruger anmodningen?
POST /v1/chat/completions·meta/muse-wonder:model,messages,streamPOST /v1/messages·meta/muse-wonder:model,messages,max_tokens,stream- Hvilke grænser gælder?
POST /v1/chat/completions·meta/muse-wonder:messages.min_items:1