modele

Meta: Muse Wonder

Markdown · JSON

Meta: Muse Wonder

Muse Wonder to multimodalny model rozumowania Meta dla długo działających agentów i złożonych zadań inżynierskich. Czyta tekst, obrazy, wideo, dźwięk i dokumenty PDF w kontekście 1 048 576 tokenów i zwraca tekst, z opublikowanym wywoływaniem narzędzi, ustrukturyzowanym wyjściem i konfigurowalnym wysiłkiem rozumowania.

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

Muse Wonder to model rozumowania Meta do zadań wymagających utrzymania planu na obszernym zbiorze dowodów. Opublikowane wejścia obejmują tekst, obrazy, wideo, dźwięk i dokumenty PDF, a wyjściem jest tekst. Jedno zadanie może więc łączyć repozytorium, zbiór dokumentów i dowody wizualne, zachowując określony pisemny rezultat.

Planuj pracę wokół wymaganego rezultatu

Opisz, co praca musi wytworzyć i jak wynik zostanie sprawdzony. Dla zadania programistycznego wskaż zachowanie, które należy utrzymać, odpowiednie pliki i kryteria weryfikacji. Dla analizy dokumentów nazwij pytanie, źródła i informacje, które raport końcowy powinien zachować.

Opublikowany projekt agentowy obejmuje planowanie, delegowane podzadania, równoległe użycie narzędzi i odzyskiwanie po błędach. W aplikacji połącz te możliwości modelu z kontrolowanym procesem wykonania: narzędzia wykonują działania, zwrócone obserwacje zapewniają dowody, a następny krok modelu wykorzystuje te obserwacje. Zachowuj ukończone ustalenia, aby późniejsze kroki nie traciły już podjętych decyzji.

Pracuj z wieloma plikami i mediami

Udokumentowane zastosowanie inżynierskie Muse Wonder obejmuje wiele plików w istniejącym repozytorium. Dostarcz spójny zestaw odpowiedniego kodu i ograniczeń zamiast niepowiązanego fragmentu, gdy zmiana przekracza granice komponentów. Poproś o objęte zmianą interfejsy i kroki weryfikacji wraz z proponowanymi edycjami.

Dla pracy wizualnej lub audiowizualnej dostarcz materiał niosący dowody. Zrzut ekranu może wyjaśniać wadę układu; wideo może pokazywać sekwencję interakcji; dokument może łączyć tekst, tabele i ilustracje. Określ, co model powinien wyodrębnić lub wyjaśnić z tych dowodów, i poproś o wynik tekstowy zachowujący użyteczne obserwacje.

Rozumowanie i ustrukturyzowane wyjście

Opublikowana konfiguracja Muse Wonder obejmuje obowiązkowe rozumowanie z poziomami wysiłku minimal, low, medium, high, xhigh i max, z medium jako wartością domyślną. Wybierz ustawienie odpowiadające głębokości zadania i określ, co odpowiedź powinna ustalić. Zachowuj te same kryteria przy porównywaniu wyników na różnych poziomach wysiłku.

Wywoływanie narzędzi i ustrukturyzowane wyjście kierowane schematem są opublikowanymi funkcjami modelu. Proces może używać ich do żądania zidentyfikowanych ustaleń, odniesień do dowodów, planu zmiany lub listy wyników weryfikacji. Utrzymuj pola wykorzystywane maszynowo skupione na następnym kroku i zachowuj wyjaśnienie czytelne dla człowieka, gdy osoba oceniająca potrzebuje zrozumieć decyzję.

Ciągłość w długim kontekście

Opublikowane okno kontekstu wynosi 1 048 576 tokenów. Organizuj długie wejścia z jasnymi nazwami źródeł i granicami sekcji oraz odróżniaj potwierdzone obserwacje od otwartych założeń. Wykorzystuj kontekst do zachowywania ważnych decyzji w ramach zadania zamiast wypełniać go niepowiązanym materiałem.

Użyteczny końcowy rezultat wskazuje, co się zmieniło, wykorzystane dowody, wykonane kontrole i pytania nadal wymagające uwagi. Może to być przegląd repozytorium, propozycja zmiany w wielu plikach lub analiza mieszanego zbioru dokumentów. Tekstowe wyjście Muse Wonder opisuje pracę i nią kieruje; otaczająca aplikacja zapewnia wykonanie, narzędzia i przechowywanie, które zamieniają ją w ukończony proces.

Możliwości

  • Rozumienie tekstu, obrazów, wideo, dźwięku i PDF z wyjściem tekstowym.
  • Opublikowany kontekst 1 048 576 tokenów.
  • Planowanie, delegowane podzadania, równoległe użycie narzędzi i odzyskiwanie po błędach w pracy agentowej.
  • Procesy inżynierii oprogramowania obejmujące wiele plików.
  • Obowiązkowe rozumowanie z opublikowanymi poziomami wysiłku i wyjściem kierowanym schematem.

Zastosowania

  • Wieloplikowe zadanie inżynierskie — Odpowiedni kod, pożądany wynik i kryteria weryfikacji. Wynik: Spójny plan zmiany lub przegląd obejmujący komponenty objęte zmianą.
  • Długo działający kontrolowany agent — Cel, mechanizm wykonawczy i zachowane obserwacje narzędzi. Wynik: Kolejne decyzje powiązane z końcowym rezultatem możliwym do przeglądu.
  • Badanie multimodalne — Dokumenty i media niosące dowody dla konkretnego pytania. Wynik: Analiza tekstowa z obserwacjami powiązanymi ze źródłami.
  • Synteza dużego zbioru dowodów — Uporządkowany zbiór z nazwanymi źródłami i kontraktem wyjścia. Wynik: Raport zachowujący wnioski, dowody i otwarte założenia.

Ograniczenia

  • Kontekst — Opublikowane okno kontekstu: 1 048 576 tokenów.
  • Wyjście — Opublikowaną rodziną wyjścia jest tekst.
  • Rozumowanie — Rozumowanie jest obowiązkowe; źródło wymienia poziomy wysiłku minimal, low, medium, high, xhigh i max.
  • Wykonanie — Narzędzia i otaczająca aplikacja wykonują działania oraz zachowują ich wyniki.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions meta/muse-wonder

meta/muse-wonder

Meta /meta/muse-wonder

Start

Muse Wonder to multimodalny model rozumowania Meta dla długo działających agentów i złożonych zadań inżynierskich. Czyta tekst, obrazy, wideo, dźwięk i dokumenty PDF w kontekście 1 048 576 tokenów i zwraca tekst, z opublikowanym wywoływaniem narzędzi, ustrukturyzowanym wyjściem i konfigurowalnym wysiłkiem rozumowania.

Akceptowane dane wejściowe
Tekst
Wyniki
Tekst

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Wejście
text
Wyjście
text
Format wyjściowy
json lub SSE
PoleTypWymaganieWartości i limityDomyślnie
PolemodelTypstringWymaganieWymaganeWartości i limity
meta/muse-wonder
Domyślnie—
PolemessagesTypmessage[]WymaganieWymaganeWartości i limity
Minimalna liczba elementów: 1
Domyślnie—
Polemessages[].roleTypstringWymaganieWymaganeWartości i limity
Zależy od modelu
Domyślnie—
Polemessages[].contentTypstringWymaganieOpcjonalneWartości i limity
Obowiązuje, gdy: Rozmowa tekstowa
Domyślnie—
PolestreamTypbooleanWymaganieOpcjonalneWartości i limityDomyślniefalse
Kombinacje materiałów wejściowych

Tekst · tekst UTF8

messages[].content

Parametry i cykl życia metody
ParametrKontrakt
Parametrcontent_typeKontraktapplication/json
ParametrrequiredKontraktmodel, messages
Parametrmaterial_typesKontrakttext
ParametrmessagesKontrakttablica wiadomości o strukturze role/content
Parametrfile_materialKontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku
Parametroptional_controlsKontraktstream
Parametrcontrol_scopeKontraktRozmowa tekstowa; stream jest wartością logiczną i domyślnie wynosi false.
Parametroutput_modalitiesKontrakttext
Parametrhosted_operationsKontraktfalse
Parametrmultimodal_input_bindingKontraktnull

Aliasy metody: /chat/completions

Cykl życia: synchronous_or_streamed

Wyślij dokładne ID modelu wraz z messages.

Długość kontekstu nie jest limitem wyjścia.

Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.

Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki
Nie określono Gdy wybrany jest tryb szybki
Tryb flex
Nie określono Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania
Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)

Stawki Ailoot

Ceny według konfiguracji

Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.

KonfiguracjaTabela stawekTokeny kontekstu, więcej niżTokeny kontekstu, do podanej wartości włącznieOpłata
KonfiguracjaPodstawowe stawki za tokenyTabela stawekStawka podstawowaTokeny kontekstu, więcej niż—Tokeny kontekstu, do podanej wartości włącznieBez górnej granicyOpłata
Wejście · Tokeny wejściowe $0.008 / 1K tokenów
Wyjście · Tokeny wyjściowe $0.04 / 1K tokenów
Wejście · Odczyt cache $0.0004 / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów
KonfiguracjaPrzedział długości żądania 1Tabela stawek—Tokeny kontekstu, więcej niż0Tokeny kontekstu, do podanej wartości włącznieBez górnej granicyOpłata
Wejście · Tokeny wejściowe $0.008 / 1K tokenów
Wyjście · Tokeny wyjściowe $0.04 / 1K tokenów
Wejście · Odczyt cache $0.0004 / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

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"))

Odbieranie i zapisywanie wyników

Ailoot Ultra · OpenAI Chat

json lub SSE

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.

Pola odpowiedzi
PoleTyp
Polechoices[].indexTypinteger
Polechoices[].message.contentTypstring|null
Polechoices[].message.tool_callsTyptool_call[]
Polechoices[].message.reasoning_contentTypstring
Polechoices[].message.reasoning_detailsTypobject|array
Polechoices[].finish_reasonTypstring|null
PoleusageTypobject
Błędy i dalsze kroki
OdpowiedźWarunekNastępny krok
Odpowiedź400 · invalid_request_errorWarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametruNastępny krokPopraw wskazane pola przed nowym żądaniem utworzenia.

Aliasy

Aliasy modelu

Ailoot Ultra meta/muse-wonder

Aliasy ścieżek metod

/chat/completions

Powiązane ID modeli

meta/muse-wonder

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

meta/muse-wonder

Meta /meta/muse-wonder

Start

Muse Wonder to multimodalny model rozumowania Meta dla długo działających agentów i złożonych zadań inżynierskich. Czyta tekst, obrazy, wideo, dźwięk i dokumenty PDF w kontekście 1 048 576 tokenów i zwraca tekst, z opublikowanym wywoływaniem narzędzi, ustrukturyzowanym wyjściem i konfigurowalnym wysiłkiem rozumowania.

Akceptowane dane wejściowe
Tekst
Wyniki
json · sse

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · Anthropic Messages POST /v1/messages
Wejście
text
Wyjście
json, sse
Format wyjściowy
JSON lub SSE
PoleTypWymaganieWartości i limityDomyślnie
PolemodelTypstringWymaganieWymaganeWartości i limity
meta/muse-wonder
Domyślnie—
PolemessagesTypmessage[]WymaganieWymaganeWartości i limityDomyślnie—
Polemessages[].roleTypstringWymaganieWymaganeWartości i limity
user, assistant
Domyślnie—
Polemessages[].contentTypstringWymaganieWymaganeWartości i limityDomyślnie—
Polemax_tokensTypintegerWymaganieWymaganeWartości i limityDomyślnie—
PolestreamTypbooleanWymaganieOpcjonalneWartości i limityDomyślniefalse
Kombinacje materiałów wejściowych

Tekst · tekst UTF-8

ciąg messages[].content

Parametry i cykl życia metody
ParametrKontrakt
Parametrcontent_typeKontraktapplication/json
ParametrrequiredKontraktmodel, messages, max_tokens
Parametroptional_controlsKontraktstream
Parametrmaterial_typesKontrakttext
Parametrtext_file_materialKontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości.

Cykl życia: synchronous_or_streamed

Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki
Nie określono Gdy wybrany jest tryb szybki
Tryb flex
Nie określono Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania
Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)

Stawki Ailoot

Ceny według konfiguracji

Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.

KonfiguracjaTabela stawekTokeny kontekstu, więcej niżTokeny kontekstu, do podanej wartości włącznieOpłata
KonfiguracjaPodstawowe stawki za tokenyTabela stawekStawka podstawowaTokeny kontekstu, więcej niż—Tokeny kontekstu, do podanej wartości włącznieBez górnej granicyOpłata
Wejście · Tokeny wejściowe $0.008 / 1K tokenów
Wyjście · Tokeny wyjściowe $0.04 / 1K tokenów
Wejście · Odczyt cache $0.0004 / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów
KonfiguracjaPrzedział długości żądania 1Tabela stawek—Tokeny kontekstu, więcej niż0Tokeny kontekstu, do podanej wartości włącznieBez górnej granicyOpłata
Wejście · Tokeny wejściowe $0.008 / 1K tokenów
Wyjście · Tokeny wyjściowe $0.04 / 1K tokenów
Wejście · Odczyt cache $0.0004 / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

Ailoot Ultra · Anthropic Messages

Kompletna minimalna treść żądania JSONcurl · użyj swojego dokumentu UTF-8Python · zapisz kompletny wynik
{
  "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))

Odbieranie i zapisywanie wyników

Ailoot Ultra · Anthropic Messages

JSON lub SSE

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.

Pola odpowiedzi
PoleTyp
PoleidTypstring
PolemodelTypstring
Polecontent[]Typtext|thinking|tool_use|other content block
Polestop_reasonTypstring|null
PoleusageTypobject
Błędy i dalsze kroki
OdpowiedźWarunekNastępny krok
Odpowiedź400 · invalid_request_errorWarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametruNastępny krokPopraw wskazane pola przed nowym żądaniem utworzenia.

Aliasy

Aliasy modelu

Ailoot Ultra meta/muse-wonder

Aliasy ścieżek metod

/chat/completions

Powiązane ID modeli

meta/muse-wonder

FAQ · Meta: Muse Wonder
Jakie dane wejściowe i wyniki są dostępne?

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

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

Jakich pól używa żądanie?

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

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

Jakie limity obowiązują?

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

Więcej szczegółów

Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją.

Firma i jej portfel projektów

Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach.

Kupuj tokeny z rabatem.

Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny.

Subskrypcja
Wybierz plan z rabatem do regularnych żądań.
Kod promocyjny do 50%
Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji.
Koszty w historii
Model, tokeny i kwota są zapisywane dla każdego żądania.

Wybierz subskrypcję · Sprawdź ceny modeli

Połącz API z produktem, który sprzedajesz.

SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską.

Aplikacja komercyjna
Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi.
Licencja resellerska
Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży.
Dokumenty na stronie
Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem.

Poproś o licencję resellerską · Oferta i umowa licencyjna