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.
- Ailoot Ultra · OpenAI Chat
POST /v1/chat/completionsmeta/muse-wonder - Ailoot Ultra · Anthropic Messages
POST /v1/messagesmeta/muse-wonder
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-wonderStart
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
| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity meta/muse-wonder | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Rozmowa tekstowa | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Kombinacje materiałów wejściowych
Tekst · tekst UTF8
messages[].content
Parametry i cykl życia metody
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream |
Parametrcontrol_scope | KontraktRozmowa tekstowa; stream jest wartością logiczną i domyślnie wynosi false. |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
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.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata 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 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.008 / 1K tokenów Wyjście · Tokeny wyjściowe $0.04 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
Przykładowe żądania
Ailoot Ultra · OpenAI Chat
set -eu
: "${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
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
Błędy i dalsze kroki
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Aliasy
Aliasy modelu
Ailoot Ultra meta/muse-wonder
Aliasy ścieżek metod
/chat/completions
Powiązane ID modeli
Ailoot Ultra · Anthropic Messages POST /v1/messages meta/muse-wonder
meta/muse-wonderStart
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
| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity meta/muse-wonder | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Kombinacje materiałów wejściowych
Tekst · tekst UTF-8
ciąg messages[].content
Parametry i cykl życia metody
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj 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.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata 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 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.008 / 1K tokenów Wyjście · Tokeny wyjściowe $0.04 / 1K tokenów Wejście · Odczyt cache $0.0004 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
Przykładowe żądania
Ailoot Ultra · Anthropic Messages
{
"model": "meta/muse-wonder",
"max_tokens": 128,
"messages": [
{
"role": "user",
"content": "Summarize the incident report."
}
],
"stream": false
}set -eu
: "${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
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
Błędy i dalsze kroki
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Aliasy
Aliasy modelu
Ailoot Ultra meta/muse-wonder
Aliasy ścieżek metod
/chat/completions
Powiązane ID modeli
FAQ · Meta: Muse Wonder
- Jakie dane wejściowe i wyniki są dostępne?
POST /v1/chat/completions·meta/muse-wonder:text→textPOST /v1/messages·meta/muse-wonder:text→json,sse- Jakich pól używa żądanie?
POST /v1/chat/completions·meta/muse-wonder:model,messages,streamPOST /v1/messages·meta/muse-wonder:model,messages,max_tokens,stream- Jakie limity obowiązują?
POST /v1/chat/completions·meta/muse-wonder:messages.min_items:1