modèles

Meta: Muse Wonder

Markdown · JSON

Meta: Muse Wonder

Muse Wonder est le modèle multimodal de raisonnement de Meta pour les agents de longue durée et les tâches d’ingénierie complexes. Il lit texte, images, vidéo, audio et PDF dans un contexte de 1 048 576 tokens et renvoie du texte, avec appels d’outils, sortie structurée et niveaux d’effort de raisonnement configurables publiés.

À propos du modèle

Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.

Muse Wonder est le modèle de raisonnement de Meta pour les tâches exigeant un plan soutenu sur un vaste ensemble d’éléments. Ses entrées publiées comprennent le texte, les images, la vidéo, l’audio et les documents PDF, et sa sortie est du texte. Une seule tâche peut donc réunir un dépôt, une collection documentaire et des éléments visuels tout en conservant un livrable écrit défini.

Planifiez le travail autour du livrable requis

Décrivez ce que le travail doit produire et comment le résultat sera vérifié. Pour une tâche logicielle, identifiez le comportement à préserver, les fichiers pertinents et les critères de vérification. Pour l’analyse documentaire, nommez la question, les sources et les informations que le rapport final devrait conserver.

La conception agentique publiée comprend la planification, des sous-tâches déléguées, l’usage parallèle d’outils et la récupération après erreurs. Dans une application, reliez ces capacités du modèle à un processus d’exécution contrôlé : les outils effectuent les actions, les observations renvoyées fournissent les éléments et l’étape suivante du modèle utilise ces observations. Conservez les constats achevés pour que les étapes suivantes ne perdent pas les décisions déjà prises.

Travaillez sur des fichiers et des médias

L’usage d’ingénierie documenté de Muse Wonder s’étend à plusieurs fichiers d’un dépôt existant. Donnez-lui un ensemble cohérent de code pertinent et de contraintes plutôt qu’un extrait isolé lorsque la modification franchit les limites des composants. Demandez les interfaces concernées et les étapes de vérification avec les modifications proposées.

Pour un travail visuel ou audiovisuel, fournissez le matériel porteur des éléments utiles. Une capture d’écran peut clarifier un défaut de mise en page ; une vidéo peut montrer une séquence d’interactions ; un document peut associer texte, tableaux et figures. Précisez ce que le modèle devrait extraire ou expliquer à partir de ces éléments et demandez un résultat textuel conservant les observations utiles.

Raisonnement et sortie structurée

La configuration publiée de Muse Wonder comprend un raisonnement obligatoire avec les niveaux d’effort minimal, low, medium, high, xhigh et max, avec medium par défaut. Choisissez un réglage selon la profondeur de la tâche et précisez ce que la réponse devrait établir. Conservez les mêmes critères lors de la comparaison de résultats à différents niveaux d’effort.

Les appels d’outils et la sortie structurée guidée par schéma sont des capacités publiées du modèle. Un processus peut les utiliser pour demander des constats identifiés, des références justificatives, un plan de modification ou une liste de résultats de vérification. Concentrez les champs consommés par machine sur l’étape suivante et conservez l’explication lisible lorsqu’une personne chargée de la vérification doit comprendre une décision.

Continuité dans un long contexte

La fenêtre de contexte publiée est de 1 048 576 tokens. Organisez les longues entrées avec des noms de sources et des limites de sections clairs, et distinguez les observations confirmées des hypothèses ouvertes. Utilisez le contexte pour préserver les décisions importantes au fil d’une tâche plutôt que de le remplir de matériel sans rapport.

Un livrable final utile identifie ce qui a changé, les éléments utilisés, les vérifications effectuées et les questions nécessitant encore de l’attention. Il peut s’agir d’un examen de dépôt, d’une proposition de modification sur plusieurs fichiers ou d’une analyse d’un ensemble documentaire mixte. La sortie textuelle de Muse Wonder décrit et dirige le travail ; l’application environnante fournit l’exécution, les outils et le stockage qui le transforment en processus achevé.

Capacités

  • Compréhension du texte, des images, de la vidéo, de l’audio et des PDF avec sortie textuelle.
  • Contexte publié de 1 048 576 tokens.
  • Planification, sous-tâches déléguées, usage parallèle d’outils et récupération après erreurs dans le travail agentique.
  • Processus de génie logiciel sur plusieurs fichiers.
  • Raisonnement obligatoire avec niveaux d’effort publiés et sortie guidée par schéma.

Cas d’utilisation

  • Tâche d’ingénierie sur plusieurs fichiers — Code pertinent, résultat souhaité et critères de vérification. Résultat : Un plan de modification ou un examen cohérent couvrant les composants concernés.
  • Agent contrôlé de longue durée — Un objectif, un dispositif d’exécution et des observations d’outils conservées. Résultat : Des décisions successives liées à un livrable final vérifiable.
  • Investigation multimodale — Documents et médias contenant les éléments nécessaires à une question précise. Résultat : Une analyse textuelle avec observations liées aux sources.
  • Synthèse d’un vaste ensemble d’éléments — Une collection organisée avec sources nommées et contrat de sortie. Résultat : Un rapport conservant conclusions, éléments justificatifs et hypothèses restant à clarifier.

Limites

  • Contexte — Fenêtre de contexte publiée : 1 048 576 tokens.
  • Sortie — Le type de sortie publié est le texte.
  • Raisonnement — Le raisonnement est obligatoire ; la source liste les niveaux d’effort minimal, low, medium, high, xhigh et max.
  • Exécution — Les outils et l’application environnante exécutent les actions et conservent leurs résultats.
Ailoot Ultra · Chat OpenAI POST /v1/chat/completions meta/muse-wonder

meta/muse-wonder

Meta /meta/muse-wonder

Premiers pas

Muse Wonder est le modèle multimodal de raisonnement de Meta pour les agents de longue durée et les tâches d’ingénierie complexes. Il lit texte, images, vidéo, audio et PDF dans un contexte de 1 048 576 tokens et renvoie du texte, avec appels d’outils, sortie structurée et niveaux d’effort de raisonnement configurables publiés.

Entrées acceptées
Texte
Résultats
Texte

Disponible dans Ailoot · entrées et méthodes

Ailoot Ultra · Chat OpenAI POST /v1/chat/completions
Types d’entrée
text
Types de sortie
text
Format de sortie
json ou SSE
ChampTypeExigenceValeurs et limitesPar défaut
ChampmodelTypestringExigenceObligatoireValeurs et limites
meta/muse-wonder
Par défaut—
ChampmessagesTypemessage[]ExigenceObligatoireValeurs et limites
Nombre minimal d’éléments: 1
Par défaut—
Champmessages[].roleTypestringExigenceObligatoireValeurs et limites
Selon le modèle
Par défaut—
Champmessages[].contentTypestringExigenceFacultatifValeurs et limites
S’applique lorsque: Conversation textuelle
Par défaut—
ChampstreamTypebooleanExigenceFacultatifValeurs et limitesPar défautfalse
Combinaisons d’éléments d’entrée

Texte · Texte UTF8

messages[].content

Paramètres et cycle de vie de la méthode
ParamètreContrat
Paramètrecontent_typeContratapplication/json
ParamètrerequiredContratmodel, messages
Paramètrematerial_typesContrattext
ParamètremessagesContrattableau de messages avec une structure role/content
Paramètrefile_materialContratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit
Paramètreoptional_controlsContratstream
Paramètrecontrol_scopeContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false.
Paramètreoutput_modalitiesContrattext
Paramètrehosted_operationsContratfalse
Paramètremultimodal_input_bindingContratnull

Alias de méthode : /chat/completions

Cycle de vie : synchronous_or_streamed

Envoyez l’identifiant exact du modèle avec messages.

La longueur du contexte n’est pas un plafond de sortie.

Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.

Tarifs

Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.

Mode rapide
Non précisé Lorsque le mode rapide est sélectionné
Mode Flex
Non précisé Lorsque le mode flex est sélectionné
Effort de raisonnement maximal
Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)

Tarifs Ailoot

Prix par configuration

Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.

ConfigurationBarème tarifaireTokens de contexte, plus deTokens de contexte, jusqu’à la limite incluseCoût
ConfigurationTarifs de base des tokensBarème tarifaireTarif de baseTokens de contexte, plus de—Tokens de contexte, jusqu’à la limite incluseSans borne supérieureCoût
Entrée · Tokens en entrée $0.008 / 1K tokens
Sortie · Tokens en sortie $0.04 / 1K tokens
Entrée · Lecture du cache $0.0004 / 1K tokens
Entrée · Écriture dans le cache — / 1K tokens
Entrée · Écriture dans le cache, 1 h — / 1K tokens
ConfigurationPalier 1 de longueur de requêteBarème tarifaire—Tokens de contexte, plus de0Tokens de contexte, jusqu’à la limite incluseSans borne supérieureCoût
Entrée · Tokens en entrée $0.008 / 1K tokens
Sortie · Tokens en sortie $0.04 / 1K tokens
Entrée · Lecture du cache $0.0004 / 1K tokens
Entrée · Écriture dans le cache — / 1K tokens
Entrée · Écriture dans le cache, 1 h — / 1K tokens

Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →

Exemples de requêtes

Ailoot Ultra · Chat OpenAI

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"))

Recevoir et enregistrer les résultats

Ailoot Ultra · Chat OpenAI

json ou SSE

Conserver tous les résultats terminés

Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.

Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.

Si la réponse d’origine doit être vérifiée

Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.

Champs de la réponse
ChampType
Champchoices[].indexTypeinteger
Champchoices[].message.contentTypestring|null
Champchoices[].message.tool_callsTypetool_call[]
Champchoices[].message.reasoning_contentTypestring
Champchoices[].message.reasoning_detailsTypeobject|array
Champchoices[].finish_reasonTypestring|null
ChampusageTypeobject
Erreurs et étapes suivantes
RéponseConditionÉtape suivante
Réponse400 · invalid_request_errorConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non validesÉtape suivanteCorrigez les champs indiqués avant une nouvelle requête de création.

Alias

Alias du modèle

Ailoot Ultra meta/muse-wonder

Alias des chemins de méthode

/chat/completions

ID d’appel associés

meta/muse-wonder

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

meta/muse-wonder

Meta /meta/muse-wonder

Premiers pas

Muse Wonder est le modèle multimodal de raisonnement de Meta pour les agents de longue durée et les tâches d’ingénierie complexes. Il lit texte, images, vidéo, audio et PDF dans un contexte de 1 048 576 tokens et renvoie du texte, avec appels d’outils, sortie structurée et niveaux d’effort de raisonnement configurables publiés.

Entrées acceptées
Texte
Résultats
json · sse

Disponible dans Ailoot · entrées et méthodes

Ailoot Ultra · Messages Anthropic POST /v1/messages
Types d’entrée
text
Types de sortie
json, sse
Format de sortie
JSON ou SSE
ChampTypeExigenceValeurs et limitesPar défaut
ChampmodelTypestringExigenceObligatoireValeurs et limites
meta/muse-wonder
Par défaut—
ChampmessagesTypemessage[]ExigenceObligatoireValeurs et limitesPar défaut—
Champmessages[].roleTypestringExigenceObligatoireValeurs et limites
user, assistant
Par défaut—
Champmessages[].contentTypestringExigenceObligatoireValeurs et limitesPar défaut—
Champmax_tokensTypeintegerExigenceObligatoireValeurs et limitesPar défaut—
ChampstreamTypebooleanExigenceFacultatifValeurs et limitesPar défautfalse
Combinaisons d’éléments d’entrée

Texte · Texte UTF-8

chaîne messages[].content

Paramètres et cycle de vie de la méthode
ParamètreContrat
Paramètrecontent_typeContratapplication/json
ParamètrerequiredContratmodel, messages, max_tokens
Paramètreoptional_controlsContratstream
Paramètrematerial_typesContrattext
Paramètretext_file_materialContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message.

Cycle de vie : synchronous_or_streamed

Tarifs

Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.

Mode rapide
Non précisé Lorsque le mode rapide est sélectionné
Mode Flex
Non précisé Lorsque le mode flex est sélectionné
Effort de raisonnement maximal
Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)

Tarifs Ailoot

Prix par configuration

Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.

ConfigurationBarème tarifaireTokens de contexte, plus deTokens de contexte, jusqu’à la limite incluseCoût
ConfigurationTarifs de base des tokensBarème tarifaireTarif de baseTokens de contexte, plus de—Tokens de contexte, jusqu’à la limite incluseSans borne supérieureCoût
Entrée · Tokens en entrée $0.008 / 1K tokens
Sortie · Tokens en sortie $0.04 / 1K tokens
Entrée · Lecture du cache $0.0004 / 1K tokens
Entrée · Écriture dans le cache — / 1K tokens
Entrée · Écriture dans le cache, 1 h — / 1K tokens
ConfigurationPalier 1 de longueur de requêteBarème tarifaire—Tokens de contexte, plus de0Tokens de contexte, jusqu’à la limite incluseSans borne supérieureCoût
Entrée · Tokens en entrée $0.008 / 1K tokens
Sortie · Tokens en sortie $0.04 / 1K tokens
Entrée · Lecture du cache $0.0004 / 1K tokens
Entrée · Écriture dans le cache — / 1K tokens
Entrée · Écriture dans le cache, 1 h — / 1K tokens

Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →

Exemples de requêtes

Ailoot Ultra · Messages Anthropic

Corps JSON minimal completcurl · utilisez votre document UTF-8Python · enregistrez le résultat complet
{
  "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))

Recevoir et enregistrer les résultats

Ailoot Ultra · Messages Anthropic

JSON ou SSE

Conserver tous les résultats terminés

Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.

Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.

Si la réponse d’origine doit être vérifiée

Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.

Champs de la réponse
ChampType
ChampidTypestring
ChampmodelTypestring
Champcontent[]Typetext|thinking|tool_use|other content block
Champstop_reasonTypestring|null
ChampusageTypeobject
Erreurs et étapes suivantes
RéponseConditionÉtape suivante
Réponse400 · invalid_request_errorConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non validesÉtape suivanteCorrigez les champs indiqués avant une nouvelle requête de création.

Alias

Alias du modèle

Ailoot Ultra meta/muse-wonder

Alias des chemins de méthode

/chat/completions

ID d’appel associés

meta/muse-wonder

FAQ · Meta: Muse Wonder
Quelles entrées et quels résultats sont disponibles ?

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

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

Quels champs la requête utilise-t-elle ?

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

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

Quelles limites s’appliquent ?

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

Plus de détails

Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application.

L’entreprise et son portefeuille de projets

L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois.

Achetez des tokens à prix réduit.

Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens.

Abonnement
Choisissez une offre à tarif réduit pour vos requêtes régulières.
Code promo jusqu’à 50%
Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours.
Dépenses dans l’historique
Modèle, tokens et montant sont enregistrés pour chaque requête.

Choisir un abonnement · Voir les prix des modèles

Connectez l’API au produit que vous vendez.

SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur.

Application commerciale
Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service.
Licence revendeur
Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente.
Documents sur le site
L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion.

Demander une licence revendeur · Offre officielle et contrat de licence