Meta: Muse Wonder
Muse Wonder ist Metas multimodales Reasoning-Modell für lang laufende Agenten und komplexe Entwicklungsaufgaben. Es liest Text, Bilder, Video, Audio und PDF-Dokumente innerhalb von 1.048.576 Token Kontext und liefert Text, mit veröffentlichten Werkzeugaufrufen, strukturierter Ausgabe und einstellbarem Reasoning-Aufwand.
- Ailoot Ultra · OpenAI Chat
POST /v1/chat/completionsmeta/muse-wonder - Ailoot Ultra · Anthropic Messages
POST /v1/messagesmeta/muse-wonder
Über das Modell
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Muse Wonder ist Metas Reasoning-Modell für Aufgaben, die einen beständigen Plan über umfangreiche Belege hinweg benötigen. Seine veröffentlichten Eingaben umfassen Text, Bilder, Video, Audio und PDF-Dokumente, und seine Ausgabe ist Text. Eine einzelne Aufgabe kann somit ein Repository, eine Dokumentensammlung und visuelle Belege verbinden und dabei ein definiertes schriftliches Ergebnis behalten.
Planen Sie die Arbeit anhand des benötigten Ergebnisses
Beschreiben Sie, was die Arbeit liefern muss und wie das Ergebnis geprüft wird. Benennen Sie bei einer Softwareaufgabe das zu erhaltende Verhalten, die relevanten Dateien und die Prüfkriterien. Nennen Sie bei einer Dokumentanalyse die Frage, die Quellen und die Informationen, die der Abschlussbericht bewahren sollte.
Das veröffentlichte agentische Design umfasst Planung, delegierte Teilaufgaben, parallelen Werkzeugeinsatz und Erholung von Fehlern. Verbinden Sie diese Modellfähigkeiten in einer Anwendung mit einem kontrollierten Ausführungsablauf: Werkzeuge führen Aktionen aus, zurückgegebene Beobachtungen liefern Belege, und der nächste Modellschritt verwendet diese Beobachtungen. Bewahren Sie abgeschlossene Befunde auf, damit spätere Schritte bereits getroffene Entscheidungen nicht verlieren.
Arbeiten Sie über Dateien und Medien hinweg
Der dokumentierte Entwicklungseinsatz von Muse Wonder erstreckt sich über mehrere Dateien in einem vorhandenen Repository. Geben Sie einen zusammenhängenden Satz relevanten Codes und Einschränkungen an, statt einen unverbundenen Ausschnitt, wenn die Änderung Komponentengrenzen überschreitet. Fragen Sie neben den vorgeschlagenen Änderungen nach betroffenen Schnittstellen und Prüfungsschritten.
Stellen Sie für visuelle oder audiovisuelle Arbeit das Material bereit, das die Belege enthält. Ein Screenshot kann einen Layoutfehler verdeutlichen, ein Video eine Interaktionsfolge zeigen, ein Dokument Text, Tabellen und Abbildungen verbinden. Geben Sie an, was das Modell aus diesen Belegen extrahieren oder erklären soll, und verlangen Sie ein Textergebnis, das die nützlichen Beobachtungen bewahrt.
Reasoning und strukturierte Ausgabe
Die veröffentlichte Konfiguration von Muse Wonder enthält verpflichtendes Reasoning mit den Aufwandsstufen minimal, low, medium, high, xhigh und max, mit medium als Standardwert. Wählen Sie eine Einstellung anhand der Aufgabentiefe und geben Sie an, was die Antwort feststellen soll. Erhalten Sie beim Ergebnisvergleich über unterschiedliche Aufwandsstufen hinweg dieselben Kriterien.
Werkzeugaufrufe und schemagesteuerte strukturierte Ausgabe sind veröffentlichte Modellfähigkeiten. Ein Ablauf kann sie verwenden, um gekennzeichnete Befunde, Belegreferenzen, einen Änderungsplan oder eine Liste von Prüfungsergebnissen anzufordern. Konzentrieren Sie maschinell verarbeitete Felder auf den nächsten Schritt und erhalten Sie die menschenlesbare Erklärung, wenn eine prüfende Person eine Entscheidung verstehen muss.
Kontinuität bei langem Kontext
Das veröffentlichte Kontextfenster beträgt 1.048.576 Token. Organisieren Sie lange Eingaben mit klaren Quellnamen und Abschnittsgrenzen und unterscheiden Sie bestätigte Beobachtungen von offenen Annahmen. Nutzen Sie den Kontext, um wichtige Entscheidungen über eine Aufgabe hinweg zu erhalten, statt ihn mit unpassendem Material zu füllen.
Ein hilfreiches Endergebnis benennt die Änderungen, verwendeten Belege, durchgeführten Prüfungen und weiterhin offenen Fragen. Das kann eine Repository-Prüfung, ein dateiübergreifender Änderungsvorschlag oder eine Analyse gemischter Dokumente sein. Die Textausgabe von Muse Wonder beschreibt und steuert die Arbeit; die umgebende Anwendung liefert Ausführung, Werkzeuge und Speicherung, die daraus einen abgeschlossenen Ablauf machen.
Fähigkeiten
- Verständnis von Text, Bildern, Video, Audio und PDFs mit Textausgabe.
- Veröffentlichter Kontext von 1.048.576 Token.
- Planung, delegierte Teilaufgaben, paralleler Werkzeugeinsatz und Fehlerbehebung bei agentischer Arbeit.
- Softwareentwicklungsabläufe über mehrere Dateien.
- Verpflichtendes Reasoning mit veröffentlichten Aufwandsstufen und schemagesteuerter Ausgabe.
Anwendungsfälle
- Entwicklungsaufgabe über mehrere Dateien — Relevanter Code, ein gewünschtes Ergebnis und Prüfkriterien. Ergebnis: Ein zusammenhängender Änderungsplan oder eine Prüfung über betroffene Komponenten hinweg.
- Lang laufender kontrollierter Agent — Ein Ziel, eine Steuerungsumgebung für die Ausführung und erhaltene Werkzeugbeobachtungen. Ergebnis: Aufeinanderfolgende Entscheidungen, die mit einem überprüfbaren Endergebnis verbunden sind.
- Multimodale Untersuchung — Dokumente und Medien mit Belegen für eine bestimmte Frage. Ergebnis: Eine Textanalyse mit quellenbezogenen Beobachtungen.
- Zusammenführung umfangreicher Belege — Eine organisierte Sammlung mit benannten Quellen und einer Ausgabevorgabe. Ergebnis: Ein Bericht, der Schlussfolgerungen, Belege und offene Annahmen erhält.
Grenzen
- Kontext — Veröffentlichtes Kontextfenster: 1.048.576 Token.
- Ausgabe — Der veröffentlichte Ausgabetyp ist Text.
- Reasoning — Reasoning ist verpflichtend; die Quelle nennt die Aufwandsstufen minimal, low, medium, high, xhigh und max.
- Ausführung — Werkzeuge und die umgebende Anwendung führen Aktionen aus und bewahren deren Ergebnisse auf.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions meta/muse-wonder
meta/muse-wonderStart
Muse Wonder ist Metas multimodales Reasoning-Modell für lang laufende Agenten und komplexe Entwicklungsaufgaben. Es liest Text, Bilder, Video, Audio und PDF-Dokumente innerhalb von 1.048.576 Token Kontext und liefert Text, mit veröffentlichten Werkzeugaufrufen, strukturierter Ausgabe und einstellbarem Reasoning-Aufwand.
- Zulässige Eingaben
- Text
- Ergebnisse
- Text
In Ailoot verfügbar · Eingaben und Methoden
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
- Eingabetypen
text- Ausgabetypen
text- Ausgabeformat
- json oder SSE
| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits meta/muse-wonder | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Kombinationen von Eingabematerialien
Text · UTF8-Text
messages[].content
Methodenparameter und Lebenszyklus
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarife
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
- Schnellmodus
- Nicht angegeben Wenn der Schnellmodus ausgewählt ist
- Flex-Modus
- Nicht angegeben Wenn der Modus flex ausgewählt ist
- Maximaler Denkaufwand
- Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird
Ailoot-Tarife
Preise nach Konfiguration
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Token Ausgabe · Ausgabetoken $0.04 / 1K Token Eingabe · Cache-Lesen $0.0004 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Token Ausgabe · Ausgabetoken $0.04 / 1K Token Eingabe · Cache-Lesen $0.0004 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Beispielanfragen
Ailoot Ultra · OpenAI Chat
set -eu
: "${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"))
Ergebnisse abrufen und speichern
Ailoot Ultra · OpenAI Chat
json oder SSE
Alle fertiggestellten Ergebnisse aufbewahren
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Wenn die ursprüngliche Antwort geprüft werden muss
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
Antwortfelder
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
Fehler und nächste Schritte
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Aliasnamen
Modellaliasnamen
Ailoot Ultra meta/muse-wonder
Aliasnamen für Methodenpfade
/chat/completions
Zugehörige Aufrufer-IDs
Ailoot Ultra · Anthropic Messages POST /v1/messages meta/muse-wonder
meta/muse-wonderStart
Muse Wonder ist Metas multimodales Reasoning-Modell für lang laufende Agenten und komplexe Entwicklungsaufgaben. Es liest Text, Bilder, Video, Audio und PDF-Dokumente innerhalb von 1.048.576 Token Kontext und liefert Text, mit veröffentlichten Werkzeugaufrufen, strukturierter Ausgabe und einstellbarem Reasoning-Aufwand.
- Zulässige Eingaben
- Text
- Ergebnisse
- json · sse
In Ailoot verfügbar · Eingaben und Methoden
Ailoot Ultra · Anthropic Messages POST /v1/messages
- Eingabetypen
text- Ausgabetypen
json,sse- Ausgabeformat
- JSON oder SSE
| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits meta/muse-wonder | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Kombinationen von Eingabematerialien
Text · UTF-8-Text
Zeichenfolge messages[].content
Methodenparameter und Lebenszyklus
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarife
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
- Schnellmodus
- Nicht angegeben Wenn der Schnellmodus ausgewählt ist
- Flex-Modus
- Nicht angegeben Wenn der Modus flex ausgewählt ist
- Maximaler Denkaufwand
- Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird
Ailoot-Tarife
Preise nach Konfiguration
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Token Ausgabe · Ausgabetoken $0.04 / 1K Token Eingabe · Cache-Lesen $0.0004 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Token Ausgabe · Ausgabetoken $0.04 / 1K Token Eingabe · Cache-Lesen $0.0004 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Beispielanfragen
Ailoot Ultra · Anthropic Messages
{
"model": "meta/muse-wonder",
"max_tokens": 128,
"messages": [
{
"role": "user",
"content": "Summarize the incident report."
}
],
"stream": false
}set -eu
: "${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))
Ergebnisse abrufen und speichern
Ailoot Ultra · Anthropic Messages
JSON oder SSE
Alle fertiggestellten Ergebnisse aufbewahren
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Wenn die ursprüngliche Antwort geprüft werden muss
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
Antwortfelder
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
Fehler und nächste Schritte
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Aliasnamen
Modellaliasnamen
Ailoot Ultra meta/muse-wonder
Aliasnamen für Methodenpfade
/chat/completions
Zugehörige Aufrufer-IDs
FAQ · Meta: Muse Wonder
- Welche Eingaben und Ergebnisse sind verfügbar?
POST /v1/chat/completions·meta/muse-wonder:text→textPOST /v1/messages·meta/muse-wonder:text→json,sse- Welche Felder verwendet die Anfrage?
POST /v1/chat/completions·meta/muse-wonder:model,messages,streamPOST /v1/messages·meta/muse-wonder:model,messages,max_tokens,stream- Welche Grenzen gelten?
POST /v1/chat/completions·meta/muse-wonder:messages.min_items:1