Modelle

Meta: Muse Wonder

Markdown · JSON

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.

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-wonder

Meta /meta/muse-wonder

Start

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
FeldTypAnforderungWerte und LimitsStandard
FeldmodelTypstringAnforderungErforderlichWerte und Limits
meta/muse-wonder
Standard—
FeldmessagesTypmessage[]AnforderungErforderlichWerte und Limits
Mindestanzahl Elemente: 1
Standard—
Feldmessages[].roleTypstringAnforderungErforderlichWerte und Limits
Modellabhängig
Standard—
Feldmessages[].contentTypstringAnforderungOptionalWerte und Limits
Gilt, wenn: Textgespräch
Standard—
FeldstreamTypbooleanAnforderungOptionalWerte und LimitsStandardfalse
Kombinationen von Eingabematerialien

Text · UTF8-Text

messages[].content

Methodenparameter und Lebenszyklus
ParameterVertrag
Parametercontent_typeVertragapplication/json
ParameterrequiredVertragmodel, messages
Parametermaterial_typesVertragtext
ParametermessagesVertragNachrichtenarray mit role/content-Struktur
Parameterfile_materialVertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet
Parameteroptional_controlsVertragstream
Parametercontrol_scopeVertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false.
Parameteroutput_modalitiesVertragtext
Parameterhosted_operationsVertragfalse
Parametermultimodal_input_bindingVertragnull

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.

KonfigurationTarifstaffelKontexttoken, mehr alsKontexttoken, bis einschließlichGebühr
KonfigurationBasistarife für TokenTarifstaffelGrundtarifKontexttoken, mehr als—Kontexttoken, bis einschließlichKeine ObergrenzeGebühr
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 1Tarifstaffel—Kontexttoken, mehr als0Kontexttoken, bis einschließlichKeine ObergrenzeGebühr
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

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"))

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
FeldTyp
Feldchoices[].indexTypinteger
Feldchoices[].message.contentTypstring|null
Feldchoices[].message.tool_callsTyptool_call[]
Feldchoices[].message.reasoning_contentTypstring
Feldchoices[].message.reasoning_detailsTypobject|array
Feldchoices[].finish_reasonTypstring|null
FeldusageTypobject
Fehler und nächste Schritte
AntwortBedingungNächster Schritt
Antwort400 · invalid_request_errorBedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültigNächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren.

Aliasnamen

Modellaliasnamen

Ailoot Ultra meta/muse-wonder

Aliasnamen für Methodenpfade

/chat/completions

Zugehörige Aufrufer-IDs

meta/muse-wonder

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

meta/muse-wonder

Meta /meta/muse-wonder

Start

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
FeldTypAnforderungWerte und LimitsStandard
FeldmodelTypstringAnforderungErforderlichWerte und Limits
meta/muse-wonder
Standard—
FeldmessagesTypmessage[]AnforderungErforderlichWerte und LimitsStandard—
Feldmessages[].roleTypstringAnforderungErforderlichWerte und Limits
user, assistant
Standard—
Feldmessages[].contentTypstringAnforderungErforderlichWerte und LimitsStandard—
Feldmax_tokensTypintegerAnforderungErforderlichWerte und LimitsStandard—
FeldstreamTypbooleanAnforderungOptionalWerte und LimitsStandardfalse
Kombinationen von Eingabematerialien

Text · UTF-8-Text

Zeichenfolge messages[].content

Methodenparameter und Lebenszyklus
ParameterVertrag
Parametercontent_typeVertragapplication/json
ParameterrequiredVertragmodel, messages, max_tokens
Parameteroptional_controlsVertragstream
Parametermaterial_typesVertragtext
Parametertext_file_materialVertragDas 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.

KonfigurationTarifstaffelKontexttoken, mehr alsKontexttoken, bis einschließlichGebühr
KonfigurationBasistarife für TokenTarifstaffelGrundtarifKontexttoken, mehr als—Kontexttoken, bis einschließlichKeine ObergrenzeGebühr
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 1Tarifstaffel—Kontexttoken, mehr als0Kontexttoken, bis einschließlichKeine ObergrenzeGebühr
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

Vollständiger minimaler JSON-Bodycurl · eigenes UTF-8-Dokument verwendenPython · das vollständige Ergebnis speichern
{
  "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
FeldTyp
FeldidTypstring
FeldmodelTypstring
Feldcontent[]Typtext|thinking|tool_use|other content block
Feldstop_reasonTypstring|null
FeldusageTypobject
Fehler und nächste Schritte
AntwortBedingungNächster Schritt
Antwort400 · invalid_request_errorBedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültigNächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren.

Aliasnamen

Modellaliasnamen

Ailoot Ultra meta/muse-wonder

Aliasnamen für Methodenpfade

/chat/completions

Zugehörige Aufrufer-IDs

meta/muse-wonder

FAQ · Meta: Muse Wonder
Welche Eingaben und Ergebnisse sind verfügbar?

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

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

Welche Felder verwendet die Anfrage?

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

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

Welche Grenzen gelten?

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

Weitere Details

Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung.

Das Unternehmen und sein Projektportfolio

Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe.

Tokens mit Rabatt kaufen.

Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf.

Abo
Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen.
Aktionscode bis 50%
Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet.
Ausgaben in der Historie
Modell, Tokens und Betrag werden für jede Anfrage gespeichert.

Abo wählen · Modellpreise ansehen

Verbinden Sie die API mit dem Produkt, das Sie verkaufen.

SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an.

Kommerzielle Anwendung
Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes.
Reseller-Lizenz
Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an.
Dokumente auf der Website
Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich.

Reseller-Lizenz anfordern · Offizielles Angebot und Lizenzvertrag