Source: https://ailoot.ai/models/es-mx/meta-muse-wonder/
Canonical: https://ailoot.ai/models/es-mx/meta-muse-wonder/
Language: es-mx

# Meta: Muse Wonder

[Markdown](https://ailoot.ai/models/es-mx/meta-muse-wonder/index.md) · [JSON](https://ailoot.ai/models/es-mx/meta-muse-wonder/facts.json)

## [Meta: Muse Wonder](https://ailoot.ai/models/es-mx/meta-muse-wonder/)

Muse Wonder es el modelo de razonamiento multimodal de Meta para agentes de larga duración y tareas complejas de ingeniería. Lee texto, imágenes, video, audio y documentos PDF en un contexto de 1,048,576 tokens y devuelve texto, con funciones publicadas de llamadas a herramientas, salida estructurada y esfuerzo de razonamiento configurable.

- [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `meta/muse-wonder`](https://ailoot.ai/models/es-mx/meta-muse-wonder/#method-0)
- [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `meta/muse-wonder`](https://ailoot.ai/models/es-mx/meta-muse-wonder/#method-1)

Sobre el modelo

Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.

Muse Wonder es el modelo de razonamiento de Meta para tareas que necesitan un plan sostenido sobre un conjunto considerable de pruebas. Sus entradas publicadas incluyen texto, imágenes, video, audio y documentos PDF y su salida es texto. Por tanto, una sola tarea puede combinar un repositorio, una colección documental y pruebas visuales manteniendo un entregable escrito definido.

#### Planifique el trabajo en torno al artefacto requerido

Describa qué debe producir el trabajo y cómo se comprobará el resultado. Para una tarea de software, identifique el comportamiento que debe conservarse, los archivos pertinentes y los criterios de verificación. Para análisis documental, nombre la pregunta, las fuentes y la información que debería conservar el informe final.

El diseño publicado de agentes incluye planificación, subtareas delegadas, uso paralelo de herramientas y recuperación de errores. En una aplicación, conecte esas capacidades del modelo con un flujo de ejecución controlado: las herramientas realizan las acciones, las observaciones devueltas aportan pruebas y el siguiente paso del modelo utiliza esas observaciones. Conserve los hallazgos completados para que los pasos posteriores no pierdan las decisiones ya tomadas.

#### Trabaje con archivos y medios

El uso de ingeniería documentado de Muse Wonder abarca varios archivos en un repositorio existente. Proporcione un conjunto coherente de código y restricciones pertinentes, en lugar de un extracto desconectado cuando el cambio cruce límites de componentes. Solicite las interfaces afectadas y los pasos de verificación junto a las modificaciones propuestas.

Para trabajo visual o audiovisual, aporte el material que contiene las pruebas. Una captura puede aclarar un defecto de disposición visual; un video puede mostrar una secuencia de interacción; un documento puede combinar texto, tablas y figuras. Indique qué debería extraer o explicar el modelo a partir de esas pruebas y solicite un resultado textual que conserve las observaciones útiles.

#### Razonamiento y salida estructurada

La configuración publicada de Muse Wonder incluye razonamiento obligatorio con niveles de esfuerzo minimal, low, medium, high, xhigh y max, con medium como valor predeterminado. Elija un ajuste según la profundidad de la tarea y especifique qué debería establecer la respuesta. Conserve los mismos criterios al comparar resultados con distintos niveles de esfuerzo.

Las llamadas a herramientas y la salida estructurada guiada por esquemas son funciones publicadas del modelo. Un flujo puede utilizarlas para solicitar hallazgos identificados, referencias de pruebas, un plan de cambios o una lista de resultados de verificación. Mantenga los campos consumidos por máquinas enfocados en el siguiente paso y conserve la explicación legible cuando un revisor necesite comprender una decisión.

#### Continuidad de contexto largo

La ventana de contexto publicada es de 1,048,576 tokens. Organice las entradas largas con nombres claros de fuentes y límites de secciones, y distinga las observaciones confirmadas de las suposiciones abiertas. Utilice el contexto para conservar decisiones importantes durante una tarea, en lugar de llenarlo de material no relacionado.

Un artefacto final útil identifica qué cambió, las pruebas utilizadas, las comprobaciones realizadas y las preguntas que aún requieren atención. Puede ser una revisión de repositorio, una propuesta de cambios en varios archivos o un análisis de un conjunto de documentos combinados. La salida textual de Muse Wonder describe y dirige el trabajo; la aplicación circundante proporciona la ejecución, las herramientas y el almacenamiento que lo convierten en un flujo completado.

#### Capacidades

- Comprensión de texto, imagen, video, audio y PDF, con salida de texto.
- Contexto publicado de 1,048,576 tokens.
- Planificación, subtareas delegadas, uso de herramientas en paralelo y recuperación tras errores en el trabajo con agentes.
- Flujos de ingeniería de software con varios archivos.
- Razonamiento obligatorio con niveles de esfuerzo publicados y salida guiada por esquema.

#### Casos de uso

- **Tarea de ingeniería con varios archivos** — Código relevante, un resultado deseado y criterios de verificación. Resultado: Un plan de cambios o revisión coherentes que abarcan los componentes afectados.
- **Agente controlado de larga duración** — Un objetivo, un entorno de ejecución y observaciones conservadas de herramientas. Resultado: Decisiones sucesivas relacionadas con un artefacto final revisable.
- **Investigación multimodal** — Documentos y medios que contienen las pruebas para una pregunta concreta. Resultado: Un análisis en forma de texto con observaciones vinculadas a fuentes.
- **Síntesis de un conjunto amplio de pruebas** — Una colección organizada con fuentes identificadas por nombre y un contrato de salida. Resultado: Un informe que conserva conclusiones, pruebas y suposiciones abiertas.

#### Límites

- **Contexto** — Ventana de contexto publicada: 1,048,576 tokens.
- **Salida** — La familia publicada de salida es texto.
- **Razonamiento** — El razonamiento es obligatorio; la fuente enumera niveles de esfuerzo minimal, low, medium, high, xhigh y max.
- **Ejecución** — Las herramientas y la aplicación circundante ejecutan acciones y conservan sus resultados.

**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `meta/muse-wonder`

[`meta/muse-wonder`](https://ailoot.ai/models/es-mx/#m=meta%2Fmuse-wonder&route=Ultra&caller=meta%2Fmuse-wonder&fmt=chat)

Meta /`meta/muse-wonder`

### Inicio

Muse Wonder es el modelo de razonamiento multimodal de Meta para agentes de larga duración y tareas complejas de ingeniería. Lee texto, imágenes, video, audio y documentos PDF en un contexto de 1,048,576 tokens y devuelve texto, con funciones publicadas de llamadas a herramientas, salida estructurada y esfuerzo de razonamiento configurable.

Entradas aceptadas

Texto

Resultados

Texto

### Disponible en Ailoot · entradas y métodos

**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions`

Entrada

`text`

Salida

`text`

Formato de salida

json o SSE

| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
| --- | --- | --- | --- | --- |
| Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites meta/muse-wonder | Predeterminado— |
| Campo`messages` | Tipo`message[]` | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
| Campo`messages[].role` | Tipo`string` | RequisitoObligatorio | Valores y límites Depende del modelo | Predeterminado— |
| Campo`messages[].content` | Tipo`string` | RequisitoOpcional | Valores y límites Se aplica cuando: Conversación textual | Predeterminado— |
| Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores y límites | Predeterminadofalse |

Combinaciones de materiales de entrada

**Texto** · Texto UTF8

`messages[].content`

Parámetros del método y ciclo de vida

| Parámetro | Contrato |
| --- | --- |
| Parámetro`content_type` | Contratoapplication/json |
| Parámetro`required` | Contratomodel, messages |
| Parámetro`material_types` | Contratotext |
| Parámetro`messages` | Contratomatriz de mensajes con estructura role/content |
| Parámetro`file_material` | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
| Parámetro`optional_controls` | Contratostream |
| Parámetro`control_scope` | ContratoConversación textual; stream es un booleano y su valor predeterminado es false. |
| Parámetro`output_modalities` | Contratotext |
| Parámetro`hosted_operations` | Contratofalse |
| Parámetro`multimodal_input_binding` | Contratonull |

Alias de método: `/chat/completions`

Ciclo de vida: `synchronous_or_streamed`

Envía el ID exacto del modelo junto con messages.

La longitud del contexto no es un límite máximo de salida.

Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.

### Tarifas

Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.

Modo fast

Sin especificar Cuando se selecciona el modo fast

Modo flex

Sin especificar Cuando se selecciona el modo flex

Esfuerzo máximo de razonamiento

Sin especificar Cuando el esfuerzo máximo de razonamiento usa el ajuste default

#### Tarifas de Ailoot

#### Precios por configuración

Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.

| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
| --- | --- | --- | --- | --- |
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada **$0.008** / 1K tokens Salida · Tokens de salida **$0.04** / 1K tokens Entrada · Lectura de caché **$0.0004** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada **$0.008** / 1K tokens Salida · Tokens de salida **$0.04** / 1K tokens Entrada · Lectura de caché **$0.0004** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens |

Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/)

### Solicitudes de ejemplo

#### Ailoot Ultra · OpenAI Chat

curlPython SDK

```bash
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
```

```python
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"))
```

### Recibir y guardar resultados

#### Ailoot Ultra · OpenAI Chat

json o SSE

##### Conserva todos los resultados completados

Conserva todas las respuestas, archivos y partes de contenido completos recibidos.

Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.

##### Si es necesario revisar la respuesta original

Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.

Campos de respuesta

| Campo | Tipo |
| --- | --- |
| Campo`choices[].index` | Tipointeger |
| Campo`choices[].message.content` | Tipostring\|null |
| Campo`choices[].message.tool_calls` | Tipotool\_call\[\] |
| Campo`choices[].message.reasoning_content` | Tipostring |
| Campo`choices[].message.reasoning_details` | Tipoobject\|array |
| Campo`choices[].finish_reason` | Tipostring\|null |
| Campo`usage` | Tipoobject |

Errores y siguientes pasos

| Respuesta | Condición | Siguiente paso |
| --- | --- | --- |
| Respuesta400 · `invalid_request_error` | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |

### Alias

#### Alias del modelo

**Ailoot Ultra** [`meta/muse-wonder`](https://ailoot.ai/models/es-mx/#m=meta%2Fmuse-wonder&route=Ultra&caller=meta%2Fmuse-wonder&fmt=chat)

#### Alias de rutas de métodos

`/chat/completions`

#### ID de modelo relacionados

[`meta/muse-wonder`](https://ailoot.ai/models/es-mx/#m=meta%2Fmuse-wonder&route=Ultra&caller=meta%2Fmuse-wonder&fmt=chat)

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

[`meta/muse-wonder`](https://ailoot.ai/models/es-mx/#m=meta%2Fmuse-wonder&route=Ultra&caller=meta%2Fmuse-wonder&fmt=messages)

Meta /`meta/muse-wonder`

### Inicio

Muse Wonder es el modelo de razonamiento multimodal de Meta para agentes de larga duración y tareas complejas de ingeniería. Lee texto, imágenes, video, audio y documentos PDF en un contexto de 1,048,576 tokens y devuelve texto, con funciones publicadas de llamadas a herramientas, salida estructurada y esfuerzo de razonamiento configurable.

Entradas aceptadas

Texto

Resultados

json · sse

### Disponible en Ailoot · entradas y métodos

**Ailoot Ultra · Anthropic Messages** `POST /v1/messages`

Entrada

`text`

Salida

`json`, `sse`

Formato de salida

JSON o SSE

| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
| --- | --- | --- | --- | --- |
| Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites meta/muse-wonder | Predeterminado— |
| Campo`messages` | Tipo`message[]` | RequisitoObligatorio | Valores y límites | Predeterminado— |
| Campo`messages[].role` | Tipo`string` | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
| Campo`messages[].content` | Tipo`string` | RequisitoObligatorio | Valores y límites | Predeterminado— |
| Campo`max_tokens` | Tipo`integer` | RequisitoObligatorio | Valores y límites | Predeterminado— |
| Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores y límites | Predeterminadofalse |

Combinaciones de materiales de entrada

**Texto** · Texto UTF-8

`cadena messages[].content`

Parámetros del método y ciclo de vida

| Parámetro | Contrato |
| --- | --- |
| Parámetro`content_type` | Contratoapplication/json |
| Parámetro`required` | Contratomodel, messages, max\_tokens |
| Parámetro`optional_controls` | Contratostream |
| Parámetro`material_types` | Contratotext |
| Parámetro`text_file_material` | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |

Ciclo de vida: `synchronous_or_streamed`

### Tarifas

Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.

Modo fast

Sin especificar Cuando se selecciona el modo fast

Modo flex

Sin especificar Cuando se selecciona el modo flex

Esfuerzo máximo de razonamiento

Sin especificar Cuando el esfuerzo máximo de razonamiento usa el ajuste default

#### Tarifas de Ailoot

#### Precios por configuración

Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.

| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
| --- | --- | --- | --- | --- |
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada **$0.008** / 1K tokens Salida · Tokens de salida **$0.04** / 1K tokens Entrada · Lectura de caché **$0.0004** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada **$0.008** / 1K tokens Salida · Tokens de salida **$0.04** / 1K tokens Entrada · Lectura de caché **$0.0004** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens |

Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/)

### Solicitudes de ejemplo

#### Ailoot Ultra · Anthropic Messages

Cuerpo JSON mínimo completocurl · usa tu documento en UTF-8Python · guarda el resultado completo

```json
{
  "model": "meta/muse-wonder",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
```

```bash
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
```

```python
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))
```

### Recibir y guardar resultados

#### Ailoot Ultra · Anthropic Messages

JSON o SSE

##### Conserva todos los resultados completados

Conserva todas las respuestas, archivos y partes de contenido completos recibidos.

Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.

##### Si es necesario revisar la respuesta original

Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.

Campos de respuesta

| Campo | Tipo |
| --- | --- |
| Campo`id` | Tipostring |
| Campo`model` | Tipostring |
| Campo`content[]` | Tipotext\|thinking\|tool\_use\|other content block |
| Campo`stop_reason` | Tipostring\|null |
| Campo`usage` | Tipoobject |

Errores y siguientes pasos

| Respuesta | Condición | Siguiente paso |
| --- | --- | --- |
| Respuesta400 · `invalid_request_error` | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |

### Alias

#### Alias del modelo

**Ailoot Ultra** [`meta/muse-wonder`](https://ailoot.ai/models/es-mx/#m=meta%2Fmuse-wonder&route=Ultra&caller=meta%2Fmuse-wonder&fmt=messages)

#### Alias de rutas de métodos

`/chat/completions`

#### ID de modelo relacionados

[`meta/muse-wonder`](https://ailoot.ai/models/es-mx/#m=meta%2Fmuse-wonder&route=Ultra&caller=meta%2Fmuse-wonder&fmt=messages)

FAQ · Meta: Muse Wonder

¿Qué entradas y resultados están disponibles?

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

¿Qué campos utiliza la solicitud?

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

¿Qué límites se aplican?

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

Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación.

## La empresa y su cartera de proyectos

La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes.

## Compra tokens con descuento.

Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens.

Suscripción

Elige un plan con descuento para tus peticiones habituales.

Código de hasta el 50%

Introduce el código al comprar. El precio se recalcula según la promoción vigente.

Gasto en el historial

Modelo, tokens e importe quedan guardados por cada petición.

[Elegir suscripción](https://ailoot.ai/docs/es-mx/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es-mx/)

## Conecta la API al producto que vendes.

SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso.

Aplicación comercial

Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio.

Licencia para revendedores

Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa.

Documentos en la web

La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar.

[Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es-mx)

## Ailoot · La empresa y su cartera de proyectos





Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI.





La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes.





Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.