modeller

Meta: Muse Wonder

Markdown · JSON

Meta: Muse Wonder

Muse Wonder er Metas multimodale resonneringsmodell for langvarige agenter og komplekse utviklingsoppgaver. Den leser tekst, bilder, video, lyd og PDF-dokumenter innenfor en kontekst på 1 048 576 tokener og returnerer tekst, med publiserte funksjoner for verktøykall, strukturerte utdata og konfigurerbar resonneringsinnsats.

Om modellen

Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.

Muse Wonder er Metas resonneringsmodell for oppgaver som trenger en vedvarende plan gjennom et omfattende underlag. De publiserte inndataene omfatter tekst, bilder, video, lyd og PDF-dokumenter, og utdataene er tekst. Én oppgave kan derfor kombinere et kodelager, en dokumentsamling og visuelt underlag samtidig som et definert, skriftlig sluttresultat beholdes.

Planlegg arbeidet rundt det nødvendige resultatet

Beskriv hva arbeidet må produsere, og hvordan resultatet skal kontrolleres. For en programvareoppgave kan du identifisere atferden som skal bevares, de relevante filene og verifiseringskriteriene. For dokumentanalyse kan du navngi spørsmålet, kildene og informasjonen sluttrapporten bør beholde.

Den publiserte agentutformingen inkluderer planlegging, delegerte deloppgaver, parallell verktøybruk og gjenoppretting etter feil. I en applikasjon kan du knytte disse modellfunksjonene til en kontrollert utførelsesflyt: verktøy utfører handlingene, returnerte observasjoner gir underlag, og neste modelltrinn bruker observasjonene. Behold ferdige funn slik at senere trinn ikke mister beslutninger som allerede er tatt.

Arbeid på tvers av filer og medier

Muse Wonders dokumenterte utviklingsbruk omfatter flere filer i et eksisterende kodelager. Gi den et sammenhengende sett med relevant kode og begrensninger fremfor et løsrevet utdrag når endringen krysser komponentgrenser. Be om de berørte grensesnittene og verifiseringstrinnene sammen med de foreslåtte endringene.

For visuelt eller audiovisuelt arbeid kan du oppgi materialet som inneholder underlaget. Et skjermbilde kan tydeliggjøre en oppsettfeil; en video kan vise en samhandlingssekvens; et dokument kan kombinere tekst, tabeller og figurer. Angi hva modellen bør trekke ut eller forklare fra underlaget, og be om et tekstresultat som beholder de nyttige observasjonene.

Resonnering og strukturerte utdata

Muse Wonders publiserte konfigurasjon inkluderer obligatorisk resonnering med innsatsnivåene minimal, low, medium, high, xhigh og max, med medium som standard. Velg en innstilling ut fra oppgavens dybde og angi hva svaret bør fastslå. Behold de samme kriteriene når du sammenligner resultater ved ulike innsatsnivåer.

Verktøykall og skjemastyrte strukturerte utdata er publiserte modellfunksjoner. En arbeidsflyt kan bruke dem til å be om identifiserte funn, referanser til underlaget, en endringsplan eller en liste med verifiseringsresultater. Hold maskinbrukte felt fokusert på neste trinn, og behold den lesbare forklaringen når en leser trenger å forstå en beslutning.

Kontinuitet ved lang kontekst

Det publiserte kontekstvinduet er 1 048 576 tokener. Organiser lange inndata med tydelige kildenavn og avsnittsgrenser, og skill bekreftede observasjoner fra åpne antakelser. Bruk konteksten til å bevare viktige beslutninger gjennom en oppgave fremfor å fylle den med urelatert materiale.

Et nyttig sluttresultat identifiserer hva som ble endret, underlaget som ble brukt, kontrollene som ble utført, og spørsmålene som fortsatt trenger oppfølging. Dette kan være en gjennomgang av et kodelager, et endringsforslag for flere filer eller en analyse av et blandet dokumentsett. Muse Wonders tekstutdata beskriver og styrer arbeidet; den omkringliggende applikasjonen tilbyr utførelsen, verktøyene og lagringen som gjør det til en fullført arbeidsflyt.

Funksjoner

  • Forståelse av tekst, bilder, video, lyd og PDF med tekstutdata.
  • Publisert kontekst på 1 048 576 tokener.
  • Planlegging, delegerte deloppgaver, parallell verktøybruk og gjenoppretting etter feil i agentarbeid.
  • Arbeidsflyter for programvareutvikling på tvers av flere filer.
  • Obligatorisk resonnering med publiserte innsatsnivåer og skjemastyrte utdata.

Bruksområder

  • Utviklingsoppgave på tvers av flere filer — Relevant kode, et ønsket utfall og verifiseringskriterier. Resultat: En sammenhengende endringsplan eller gjennomgang på tvers av berørte komponenter.
  • Langvarig kontrollert agent — Et mål, et utførelsesoppsett og bevarte verktøyobservasjoner. Resultat: Påfølgende beslutninger knyttet til et sluttresultat som kan gjennomgås.
  • Multimodal undersøkelse — Dokumenter og medier som inneholder underlaget for et bestemt spørsmål. Resultat: En analyse i tekstform med kildeknyttede observasjoner.
  • Syntese av et stort underlagssett — En organisert samling med navngitte kilder og en utdatakontrakt. Resultat: En rapport som beholder konklusjoner, underlag og åpne antakelser.

Begrensninger

  • Kontekst — Publisert kontekstvindu: 1 048 576 tokener.
  • Utdata — Den publiserte utdatafamilien er tekst.
  • Resonnering — Resonnering er obligatorisk; kilden oppgir innsatsnivåene minimal, low, medium, high, xhigh og max.
  • Utførelse — Verktøy og den omkringliggende applikasjonen utfører handlinger og beholder utfallene.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions meta/muse-wonder

meta/muse-wonder

Meta /meta/muse-wonder

Start

Muse Wonder er Metas multimodale resonneringsmodell for langvarige agenter og komplekse utviklingsoppgaver. Den leser tekst, bilder, video, lyd og PDF-dokumenter innenfor en kontekst på 1 048 576 tokener og returnerer tekst, med publiserte funksjoner for verktøykall, strukturerte utdata og konfigurerbar resonneringsinnsats.

Godkjente inndata
Tekst
Resultater
Tekst

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Inndatatyper
text
Utdatatyper
text
Utdataformat
json eller SSE
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
meta/muse-wonder
Standard—
FeltmessagesTypemessage[]KravPåkrevdVerdier & grenser
Minste antall elementer: 1
Standard—
Feltmessages[].roleTypestringKravPåkrevdVerdier & grenser
Avhenger av modellen
Standard—
Feltmessages[].contentTypestringKravValgfrittVerdier & grenser
Gjelder når: Tekstsamtale
Standard—
FeltstreamTypebooleanKravValgfrittVerdier & grenserStandardfalse
Kombinasjoner av inngående materialer

Tekst · UTF8-tekst

messages[].content

Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, messages
Parametermaterial_typesAvtaletext
ParametermessagesAvtalemeldingstabell med role/content-struktur
Parameterfile_materialAvtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes
Parameteroptional_controlsAvtalestream
Parametercontrol_scopeAvtaleTekstsamtale; stream er en boolsk verdi med false som standard.
Parameteroutput_modalitiesAvtaletext
Parameterhosted_operationsAvtalefalse
Parametermultimodal_input_bindingAvtalenull

Metodealiaser: /chat/completions

Livssyklus: synchronous_or_streamed

Send eksakt modell-ID sammen med messages.

Kontekstlengde er ikke en outputgrense.

En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Ikke angitt Når hurtigmodus er valgt
Flex-modus
Ikke angitt Når flex-modus er valgt
Maksimal resonneringsinnsats
Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats

Ailoot-satser

Priser etter konfigurasjon

Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.

KonfigurasjonPrisplanKonteksttokener, mer ennKonteksttokener, opptil og medKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKonteksttokener, mer enn—Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.008 / 1K tokener
Utdata · Utgående tokener $0.04 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonNivå 1 for forespørselslengdePrisplan—Konteksttokener, mer enn0Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.008 / 1K tokener
Utdata · Utgående tokener $0.04 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

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"))

Motta og lagre resultater

Ailoot Ultra · OpenAI Chat

json eller SSE

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.

Hvis det opprinnelige svaret må kontrolleres

Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.

Svarfelter
FeltType
Feltchoices[].indexTypeinteger
Feltchoices[].message.contentTypestring|null
Feltchoices[].message.tool_callsTypetool_call[]
Feltchoices[].message.reasoning_contentTypestring
Feltchoices[].message.reasoning_detailsTypeobject|array
Feltchoices[].finish_reasonTypestring|null
FeltusageTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

Ailoot Ultra meta/muse-wonder

Aliaser for metodestier

/chat/completions

Tilknyttede anroper-ID-er

meta/muse-wonder

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

meta/muse-wonder

Meta /meta/muse-wonder

Start

Muse Wonder er Metas multimodale resonneringsmodell for langvarige agenter og komplekse utviklingsoppgaver. Den leser tekst, bilder, video, lyd og PDF-dokumenter innenfor en kontekst på 1 048 576 tokener og returnerer tekst, med publiserte funksjoner for verktøykall, strukturerte utdata og konfigurerbar resonneringsinnsats.

Godkjente inndata
Tekst
Resultater
json · sse

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · Anthropic Messages POST /v1/messages
Inndatatyper
text
Utdatatyper
json, sse
Utdataformat
JSON eller SSE
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
meta/muse-wonder
Standard—
FeltmessagesTypemessage[]KravPåkrevdVerdier & grenserStandard—
Feltmessages[].roleTypestringKravPåkrevdVerdier & grenser
user, assistant
Standard—
Feltmessages[].contentTypestringKravPåkrevdVerdier & grenserStandard—
Feltmax_tokensTypeintegerKravPåkrevdVerdier & grenserStandard—
FeltstreamTypebooleanKravValgfrittVerdier & grenserStandardfalse
Kombinasjoner av inngående materialer

Tekst · UTF-8-tekst

messages[].content-streng

Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, messages, max_tokens
Parameteroptional_controlsAvtalestream
Parametermaterial_typesAvtaletext
Parametertext_file_materialAvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen.

Livssyklus: synchronous_or_streamed

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Ikke angitt Når hurtigmodus er valgt
Flex-modus
Ikke angitt Når flex-modus er valgt
Maksimal resonneringsinnsats
Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats

Ailoot-satser

Priser etter konfigurasjon

Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.

KonfigurasjonPrisplanKonteksttokener, mer ennKonteksttokener, opptil og medKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKonteksttokener, mer enn—Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.008 / 1K tokener
Utdata · Utgående tokener $0.04 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonNivå 1 for forespørselslengdePrisplan—Konteksttokener, mer enn0Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.008 / 1K tokener
Utdata · Utgående tokener $0.04 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

Ailoot Ultra · Anthropic Messages

Komplett, minimal JSON-kroppcurl · bruk UTF-8-dokumentet dittPython · lagre hele resultatet
{
  "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))

Motta og lagre resultater

Ailoot Ultra · Anthropic Messages

JSON eller SSE

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.

Hvis det opprinnelige svaret må kontrolleres

Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.

Svarfelter
FeltType
FeltidTypestring
FeltmodelTypestring
Feltcontent[]Typetext|thinking|tool_use|other content block
Feltstop_reasonTypestring|null
FeltusageTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

Ailoot Ultra meta/muse-wonder

Aliaser for metodestier

/chat/completions

Tilknyttede anroper-ID-er

meta/muse-wonder

FAQ · Meta: Muse Wonder
Hvilke inndata og resultater er tilgjengelige?

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

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

Hvilke felt bruker forespørselen?

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

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

Hvilke grenser gjelder?

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

Flere detaljer

Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon.

Selskapet og dets prosjektportefølje

Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder.

Kjøp tokener med rabatt.

Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp.

Abonnement
Velg et rabattabonnement for faste forespørsler.
Kampanjekode opptil 50%
Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje.
Kostnader i historikken
Modell, tokener og beløp lagres for hver forespørsel.

Velg abonnement · Se modellpriser

Koble API-et til produktet du selger.

SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg.

Kommersiell applikasjon
Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten.
Forhandlerlisens
Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg.
Dokumenter på nettstedet
Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling.

Be om forhandlerlisens · Offentlig tilbud og lisensavtale