Muse Wonder는 상당한 근거 자료를 다루면서 지속적인 계획이 필요한 작업을 위한 Meta의 추론 모델입니다. 공개된 입력에는 텍스트, 이미지, 비디오, 오디오, PDF 문서가 포함되며 출력은 텍스트입니다. 따라서 하나의 작업에 저장소, 문서 모음, 시각적 근거를 결합하면서 정해진 서면 결과물을 유지할 수 있습니다.
작업이 반드시 만들어내야 할 것과 결과를 확인할 방법을 설명하세요. 소프트웨어 작업에서는 보존할 동작, 관련 파일, 검증 기준을 식별하세요. 문서 분석에서는 질문, 소스, 최종 보고서에 유지하는 것이 바람직한 정보를 명시하세요.
공개된 에이전트 설계는 계획, 위임된 하위 작업, 병렬 도구 사용, 오류 복구를 포함합니다. 애플리케이션에서는 이러한 모델 기능을 통제된 실행 워크플로에 연결하세요. 도구가 작업을 수행하고, 반환된 관찰 자료가 근거를 제공하며, 모델의 다음 단계가 그 관찰 자료를 사용합니다. 이후 단계에서 이미 내려진 결정을 잃지 않도록 완료된 발견 사항을 유지하세요.
Muse Wonder의 문서화된 엔지니어링 활용은 기존 저장소의 여러 파일에 걸칩니다. 변경이 구성 요소 경계를 넘을 때는 단절된 발췌문보다 관련 코드와 제약을 일관된 묶음으로 제공하세요. 제안한 수정과 함께 영향을 받는 인터페이스와 검증 단계를 요청하세요.
시각적 또는 시청각 작업에서는 근거를 담은 자료를 제공하세요. 스크린샷은 레이아웃 결함을 명확하게 할 수 있고, 비디오는 상호작용 순서를 보여줄 수 있으며, 문서는 텍스트, 표, 그림을 결합할 수 있습니다. 모델이 해당 근거에서 추출하거나 설명하기를 바라는 내용을 명시하고 유용한 관찰 사항이 유지된 텍스트 결과를 요청하세요.
Muse Wonder의 공개된 설정에는 필수 추론이 포함되며, 노력 수준은 minimal, low, medium, high, xhigh, max이고 기본값은 medium입니다. 작업의 깊이에 맞춰 설정을 선택하고 답변이 밝혀내기를 바라는 내용을 지정하세요. 서로 다른 노력 수준의 결과를 비교할 때 같은 기준을 유지하세요.
도구 호출과 스키마 기반 구조화된 출력은 공개된 모델 기능입니다. 워크플로에서는 이를 활용해 식별된 발견 사항, 근거 참조, 변경 계획, 검증 결과 목록을 요청할 수 있습니다. 기계가 사용하는 필드는 다음 단계에 초점을 맞추고, 검토자가 결정을 이해해야 할 때는 사람이 읽을 수 있는 설명을 유지하세요.
공개된 컨텍스트 윈도는 1,048,576토큰입니다. 명확한 소스 이름과 섹션 경계로 긴 입력을 구성하고, 확인된 관찰 사항과 열린 가정을 구분하세요. 관련 없는 자료로 컨텍스트를 채우기보다 작업 전반의 중요한 결정을 유지하는 데 활용하세요.
유용한 최종 결과물은 바뀐 내용, 사용한 근거, 수행한 검사, 여전히 살펴봐야 할 질문을 식별합니다. 저장소 검토, 여러 파일의 변경 제안, 혼합 문서 모음 분석 등이 될 수 있습니다. Muse Wonder의 텍스트 출력은 작업을 설명하고 지시합니다. 이를 완료된 워크플로로 만드는 실행, 도구, 저장 공간은 주변 애플리케이션이 제공합니다.
meta/muse-wonderMuse Wonder는 장시간 실행되는 에이전트와 복잡한 엔지니어링 작업을 위한 Meta의 멀티모달 추론 모델입니다. 1,048,576토큰 컨텍스트 안에서 텍스트, 이미지, 비디오, 오디오, PDF 문서를 읽고 텍스트를 반환하며, 도구 호출, 구조화된 출력, 설정 가능한 추론 노력 기능이 공개되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Muse Wonder는 상당한 근거 자료를 다루면서 지속적인 계획이 필요한 작업을 위한 Meta의 추론 모델입니다. 공개된 입력에는 텍스트, 이미지, 비디오, 오디오, PDF 문서가 포함되며 출력은 텍스트입니다. 따라서 하나의 작업에 저장소, 문서 모음, 시각적 근거를 결합하면서 정해진 서면 결과물을 유지할 수 있습니다.
작업이 반드시 만들어내야 할 것과 결과를 확인할 방법을 설명하세요. 소프트웨어 작업에서는 보존할 동작, 관련 파일, 검증 기준을 식별하세요. 문서 분석에서는 질문, 소스, 최종 보고서에 유지하는 것이 바람직한 정보를 명시하세요.
공개된 에이전트 설계는 계획, 위임된 하위 작업, 병렬 도구 사용, 오류 복구를 포함합니다. 애플리케이션에서는 이러한 모델 기능을 통제된 실행 워크플로에 연결하세요. 도구가 작업을 수행하고, 반환된 관찰 자료가 근거를 제공하며, 모델의 다음 단계가 그 관찰 자료를 사용합니다. 이후 단계에서 이미 내려진 결정을 잃지 않도록 완료된 발견 사항을 유지하세요.
Muse Wonder의 문서화된 엔지니어링 활용은 기존 저장소의 여러 파일에 걸칩니다. 변경이 구성 요소 경계를 넘을 때는 단절된 발췌문보다 관련 코드와 제약을 일관된 묶음으로 제공하세요. 제안한 수정과 함께 영향을 받는 인터페이스와 검증 단계를 요청하세요.
시각적 또는 시청각 작업에서는 근거를 담은 자료를 제공하세요. 스크린샷은 레이아웃 결함을 명확하게 할 수 있고, 비디오는 상호작용 순서를 보여줄 수 있으며, 문서는 텍스트, 표, 그림을 결합할 수 있습니다. 모델이 해당 근거에서 추출하거나 설명하기를 바라는 내용을 명시하고 유용한 관찰 사항이 유지된 텍스트 결과를 요청하세요.
Muse Wonder의 공개된 설정에는 필수 추론이 포함되며, 노력 수준은 minimal, low, medium, high, xhigh, max이고 기본값은 medium입니다. 작업의 깊이에 맞춰 설정을 선택하고 답변이 밝혀내기를 바라는 내용을 지정하세요. 서로 다른 노력 수준의 결과를 비교할 때 같은 기준을 유지하세요.
도구 호출과 스키마 기반 구조화된 출력은 공개된 모델 기능입니다. 워크플로에서는 이를 활용해 식별된 발견 사항, 근거 참조, 변경 계획, 검증 결과 목록을 요청할 수 있습니다. 기계가 사용하는 필드는 다음 단계에 초점을 맞추고, 검토자가 결정을 이해해야 할 때는 사람이 읽을 수 있는 설명을 유지하세요.
공개된 컨텍스트 윈도는 1,048,576토큰입니다. 명확한 소스 이름과 섹션 경계로 긴 입력을 구성하고, 확인된 관찰 사항과 열린 가정을 구분하세요. 관련 없는 자료로 컨텍스트를 채우기보다 작업 전반의 중요한 결정을 유지하는 데 활용하세요.
유용한 최종 결과물은 바뀐 내용, 사용한 근거, 수행한 검사, 여전히 살펴봐야 할 질문을 식별합니다. 저장소 검토, 여러 파일의 변경 제안, 혼합 문서 모음 분석 등이 될 수 있습니다. Muse Wonder의 텍스트 출력은 작업을 설명하고 지시합니다. 이를 완료된 워크플로로 만드는 실행, 도구, 저장 공간은 주변 애플리케이션이 제공합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 meta/muse-wonder | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 텍스트 대화 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream |
매개변수control_scope | 명세텍스트 대화. stream은 불리언이며 기본값은 false입니다. |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
메서드 별칭: /chat/completions
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.008 / 1K 토큰 출력 · 출력 토큰 $0.04 / 1K 토큰 입력 · 캐시 읽기 $0.0004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.008 / 1K 토큰 출력 · 출력 토큰 $0.04 / 1K 토큰 입력 · 캐시 읽기 $0.0004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"meta/muse-wonder","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="meta/muse-wonder", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra meta/muse-wonder
/chat/completions
meta/muse-wonderMuse Wonder는 장시간 실행되는 에이전트와 복잡한 엔지니어링 작업을 위한 Meta의 멀티모달 추론 모델입니다. 1,048,576토큰 컨텍스트 안에서 텍스트, 이미지, 비디오, 오디오, PDF 문서를 읽고 텍스트를 반환하며, 도구 호출, 구조화된 출력, 설정 가능한 추론 노력 기능이 공개되어 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Muse Wonder는 상당한 근거 자료를 다루면서 지속적인 계획이 필요한 작업을 위한 Meta의 추론 모델입니다. 공개된 입력에는 텍스트, 이미지, 비디오, 오디오, PDF 문서가 포함되며 출력은 텍스트입니다. 따라서 하나의 작업에 저장소, 문서 모음, 시각적 근거를 결합하면서 정해진 서면 결과물을 유지할 수 있습니다.
작업이 반드시 만들어내야 할 것과 결과를 확인할 방법을 설명하세요. 소프트웨어 작업에서는 보존할 동작, 관련 파일, 검증 기준을 식별하세요. 문서 분석에서는 질문, 소스, 최종 보고서에 유지하는 것이 바람직한 정보를 명시하세요.
공개된 에이전트 설계는 계획, 위임된 하위 작업, 병렬 도구 사용, 오류 복구를 포함합니다. 애플리케이션에서는 이러한 모델 기능을 통제된 실행 워크플로에 연결하세요. 도구가 작업을 수행하고, 반환된 관찰 자료가 근거를 제공하며, 모델의 다음 단계가 그 관찰 자료를 사용합니다. 이후 단계에서 이미 내려진 결정을 잃지 않도록 완료된 발견 사항을 유지하세요.
Muse Wonder의 문서화된 엔지니어링 활용은 기존 저장소의 여러 파일에 걸칩니다. 변경이 구성 요소 경계를 넘을 때는 단절된 발췌문보다 관련 코드와 제약을 일관된 묶음으로 제공하세요. 제안한 수정과 함께 영향을 받는 인터페이스와 검증 단계를 요청하세요.
시각적 또는 시청각 작업에서는 근거를 담은 자료를 제공하세요. 스크린샷은 레이아웃 결함을 명확하게 할 수 있고, 비디오는 상호작용 순서를 보여줄 수 있으며, 문서는 텍스트, 표, 그림을 결합할 수 있습니다. 모델이 해당 근거에서 추출하거나 설명하기를 바라는 내용을 명시하고 유용한 관찰 사항이 유지된 텍스트 결과를 요청하세요.
Muse Wonder의 공개된 설정에는 필수 추론이 포함되며, 노력 수준은 minimal, low, medium, high, xhigh, max이고 기본값은 medium입니다. 작업의 깊이에 맞춰 설정을 선택하고 답변이 밝혀내기를 바라는 내용을 지정하세요. 서로 다른 노력 수준의 결과를 비교할 때 같은 기준을 유지하세요.
도구 호출과 스키마 기반 구조화된 출력은 공개된 모델 기능입니다. 워크플로에서는 이를 활용해 식별된 발견 사항, 근거 참조, 변경 계획, 검증 결과 목록을 요청할 수 있습니다. 기계가 사용하는 필드는 다음 단계에 초점을 맞추고, 검토자가 결정을 이해해야 할 때는 사람이 읽을 수 있는 설명을 유지하세요.
공개된 컨텍스트 윈도는 1,048,576토큰입니다. 명확한 소스 이름과 섹션 경계로 긴 입력을 구성하고, 확인된 관찰 사항과 열린 가정을 구분하세요. 관련 없는 자료로 컨텍스트를 채우기보다 작업 전반의 중요한 결정을 유지하는 데 활용하세요.
유용한 최종 결과물은 바뀐 내용, 사용한 근거, 수행한 검사, 여전히 살펴봐야 할 질문을 식별합니다. 저장소 검토, 여러 파일의 변경 제안, 혼합 문서 모음 분석 등이 될 수 있습니다. Muse Wonder의 텍스트 출력은 작업을 설명하고 지시합니다. 이를 완료된 워크플로로 만드는 실행, 도구, 저장 공간은 주변 애플리케이션이 제공합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 meta/muse-wonder | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.008 / 1K 토큰 출력 · 출력 토큰 $0.04 / 1K 토큰 입력 · 캐시 읽기 $0.0004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.008 / 1K 토큰 출력 · 출력 토큰 $0.04 / 1K 토큰 입력 · 캐시 읽기 $0.0004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "meta/muse-wonder",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'meta/muse-wonder', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'meta/muse-wonder', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra meta/muse-wonder
/chat/completions