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.
- Ailoot Ultra · Chat OpenAI
POST /v1/chat/completionsmeta/muse-wonder - Ailoot Ultra · Messages Anthropic
POST /v1/messagesmeta/muse-wonder
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-wonderPremiers 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
| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites meta/muse-wonder | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— |
Champmessages[].content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Combinaisons d’éléments d’entrée
Texte · Texte UTF8
messages[].content
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream |
Paramètrecontrol_scope | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
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.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût 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 requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.008 / 1K tokens Sortie · Tokens en sortie $0.04 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Exemples de requêtes
Ailoot Ultra · Chat OpenAI
set -eu
: "${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
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
Erreurs et étapes suivantes
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape 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
Ailoot Ultra · Messages Anthropic POST /v1/messages meta/muse-wonder
meta/muse-wonderPremiers 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
| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites meta/muse-wonder | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Combinaisons d’éléments d’entrée
Texte · Texte UTF-8
chaîne messages[].content
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez 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.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût 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 requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.008 / 1K tokens Sortie · Tokens en sortie $0.04 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Exemples de requêtes
Ailoot Ultra · Messages Anthropic
{
"model": "meta/muse-wonder",
"max_tokens": 128,
"messages": [
{
"role": "user",
"content": "Summarize the incident report."
}
],
"stream": false
}set -eu
: "${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
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
Erreurs et étapes suivantes
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape 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
FAQ · Meta: Muse Wonder
- Quelles entrées et quels résultats sont disponibles ?
POST /v1/chat/completions·meta/muse-wonder:text→textPOST /v1/messages·meta/muse-wonder:text→json,sse- Quels champs la requête utilise-t-elle ?
POST /v1/chat/completions·meta/muse-wonder:model,messages,streamPOST /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