modeller

Meta: Muse Wonder

Markdown · JSON

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.

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-wonder

Meta /meta/muse-wonder

Start

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
FeltTypeKravVærdier og grænserStandard
FeltmodelTypestringKravPåkrævetVærdier og grænser
meta/muse-wonder
Standard—
FeltmessagesTypemessage[]KravPåkrævetVærdier og grænser
Minimumsantal elementer: 1
Standard—
Feltmessages[].roleTypestringKravPåkrævetVærdier og grænser
Afhænger af modellen
Standard—
Feltmessages[].contentTypestringKravValgfritVærdier og grænser
Gælder når: Tekstsamtale
Standard—
FeltstreamTypebooleanKravValgfritVærdier og grænserStandardfalse
Kombinationer af inputmaterialer

Tekst · UTF8-tekst

messages[].content

Metodeparametre og livscyklus
ParameterKontrakt
Parametercontent_typeKontraktapplication/json
ParameterrequiredKontraktmodel, messages
Parametermaterial_typesKontrakttext
ParametermessagesKontraktbeskedarray med strukturen role/content
Parameterfile_materialKontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes
Parameteroptional_controlsKontraktstream
Parametercontrol_scopeKontraktTekstsamtale; stream er en boolesk værdi og er som standard false.
Parameteroutput_modalitiesKontrakttext
Parameterhosted_operationsKontraktfalse
Parametermultimodal_input_bindingKontraktnull

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.

KonfigurationTakstplanKonteksttokens, mere endKonteksttokens, op til og medBeløb
KonfigurationGrundtakster for tokensTakstplanGrundtakstKonteksttokens, mere end—Konteksttokens, op til og medIngen øvre grænseBeløb
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 1Takstplan—Konteksttokens, mere end0Konteksttokens, op til og medIngen øvre grænseBeløb
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

curlPython SDK
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
FeltType
Feltchoices[].indexTypeinteger
Feltchoices[].message.contentTypestring|null
Feltchoices[].message.tool_callsTypetool_call[]
Feltchoices[].message.reasoning_contentTypestring
Feltchoices[].message.reasoning_detailsTypeobject|array
Feltchoices[].finish_reasonTypestring|null
FeltusageTypeobject
Fejl og næste trin
SvarBetingelseNæste trin
Svar400 · invalid_request_errorBetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdiNæste trinRet de angivne felter før en ny oprettelsesanmodning.

Aliaser

Modelaliaser

Ailoot Ultra meta/muse-wonder

Aliaser for metodestier

/chat/completions

Relaterede kalder-ID’er

meta/muse-wonder

Ailoot Ultra · Anthropic Messages POST /v1/messages meta/muse-wonder

meta/muse-wonder

Meta /meta/muse-wonder

Start

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
FeltTypeKravVærdier og grænserStandard
FeltmodelTypestringKravPåkrævetVærdier og grænser
meta/muse-wonder
Standard—
FeltmessagesTypemessage[]KravPåkrævetVærdier og grænserStandard—
Feltmessages[].roleTypestringKravPåkrævetVærdier og grænser
user, assistant
Standard—
Feltmessages[].contentTypestringKravPåkrævetVærdier og grænserStandard—
Feltmax_tokensTypeintegerKravPåkrævetVærdier og grænserStandard—
FeltstreamTypebooleanKravValgfritVærdier og grænserStandardfalse
Kombinationer af inputmaterialer

Tekst · UTF-8-tekst

messages[].content som streng

Metodeparametre og livscyklus
ParameterKontrakt
Parametercontent_typeKontraktapplication/json
ParameterrequiredKontraktmodel, messages, max_tokens
Parameteroptional_controlsKontraktstream
Parametermaterial_typesKontrakttext
Parametertext_file_materialKontraktLæs 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.

KonfigurationTakstplanKonteksttokens, mere endKonteksttokens, op til og medBeløb
KonfigurationGrundtakster for tokensTakstplanGrundtakstKonteksttokens, mere end—Konteksttokens, op til og medIngen øvre grænseBeløb
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 1Takstplan—Konteksttokens, mere end0Konteksttokens, op til og medIngen øvre grænseBeløb
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

Komplet minimalt requestbody i JSONcurl · brug dit UTF-8-dokumentPython · gem hele resultatet
{
  "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
FeltType
FeltidTypestring
FeltmodelTypestring
Feltcontent[]Typetext|thinking|tool_use|other content block
Feltstop_reasonTypestring|null
FeltusageTypeobject
Fejl og næste trin
SvarBetingelseNæste trin
Svar400 · invalid_request_errorBetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdiNæste trinRet de angivne felter før en ny oprettelsesanmodning.

Aliaser

Modelaliaser

Ailoot Ultra meta/muse-wonder

Aliaser for metodestier

/chat/completions

Relaterede kalder-ID’er

meta/muse-wonder

FAQ · Meta: Muse Wonder
Hvilke input og resultater er tilgængelige?

POST /v1/chat/completions · meta/muse-wonder: text → text

POST /v1/messages · meta/muse-wonder: text → json, sse

Hvilke felter bruger anmodningen?

POST /v1/chat/completions · meta/muse-wonder: model, messages, stream

POST /v1/messages · meta/muse-wonder: model, messages, max_tokens, stream

Hvilke grænser gælder?

POST /v1/chat/completions · meta/muse-wonder: messages.min_items: 1

Flere oplysninger

Tilslut Ailoot til Claude Code, OpenCode, Hermes eller din egen applikation.

Virksomheden og dens projektportefølje

Virksomheden og dens projektportefølje: millioner af kunder; månedligt salg for milliarder.

Køb tokens med rabat.

Abonnementsrabat til regelmæssigt arbejde. Rabatkoder giver op til 50% på tokenkøb.

Abonnement
Vælg et abonnement med rabat til dine regelmæssige anmodninger.
Rabatkode på op til 50%
Indtast koden ved købet. Prisen genberegnes efter den aktuelle kampagne.
Udgifter i historikken
Model, tokens og beløb gemmes for hver anmodning.

Vælg abonnement · Se modelpriser

Tilslut API’et til produktet, du sælger.

SaaS, apps og bots efter Ailoots tilbudsvilkår og licensaftale. Anmod om en forhandlerlicens til videresalg.

Kommerciel applikation
Byg generering af tekst, billeder, video og lyd ind i tjenestens betalte funktioner.
Licens til forhandlere
Send projektbeskrivelse og adgangsmodel. Bed om skriftlige vilkår for anvendelse og videresalg.
Dokumenter på websitet
Tilbudsvilkår, licensaftale og politik for behandling af data kan læses før tilslutning.

Anmod om forhandlerlicens · Tilbudsvilkår og licensaftale