Introducción
Muse Wonder 1.0 es el modelo estándar de la serie Muse Wonder de Meta, presentado como un modelo de vanguardia para programar, ejecutar agentes de larga duración y usar la computadora. Este endpoint de chat acepta texto, imágenes, video y audio en una misma lista de mensajes, procesa hasta 1,048,576 tokens de entrada, transmite la respuesta en streaming y devuelve llamadas a funciones que tu aplicación ejecuta. Wonder Full, la variante más grande, es un producto aparte.
| Campo | Valor |
|---|---|
| Entrada | Texto |
| Salida | Texto |
| Presupuesto de entrada | 1,048,576 tokens |
| Límite de max_tokens | 1,048,576 |
| Entradas | texto / imágenes / video / audio |
Funciones y aspectos destacados
Proyectos completos en una sola solicitud
Meta sitúa a Muse Wonder en los cambios que afectan a varios archivos de bases de código grandes y en tareas que duran horas, y el presupuesto de entrada de 1,048,576 tokens es lo que lo hace práctico aquí. Puedes enviar juntos los archivos, el registro del fallo y la pregunta abierta, en lugar de recuperar fragmentos y confiar en que caigan los correctos. Etiqueta cada archivo, indica cuál versión es la autorizada y plantea la tarea con claridad: una ventana grande ayuda con las pruebas, no con una solicitud vaga.
Llamadas a herramientas que controla tu código
El modelo puede devolver varias llamadas a funciones en un mismo turno, y parallel_tool_calls está activado por defecto. Tu aplicación valida los argumentos, ejecuta cada operación y responde con un mensaje tool que lleva el tool_call_id correspondiente. Así el paso que propone el modelo queda separado de la acción que realmente ejecutas, que es la forma segura para los bucles de agentes que tocan archivos, tickets o despliegues. En este endpoint, tool_choice acepta solo auto; para obtener texto plano, omite tools.
Pantallas, clips y grabaciones como entrada
Los mensajes pueden incluir partes image_url, video_url, audio_url e input_audio (wav o mp3) junto al texto. Los usos típicos son una captura de una interfaz rota, la grabación de pantalla de un error o la grabación de una reunión de la que hay que sacar una lista de acciones. Indica al modelo a qué adjunto se refiere la pregunta; los medios sin etiquetar en un hilo largo son la causa más común de que las respuestas se desvíen.
Sube o baja el nivel de razonamiento
reasoning_effort va de minimal a max y por defecto es high. Minimal o low encajan en clasificación, extracción y ediciones rápidas; xhigh y max son para depuración difícil y planificación. Los tokens de razonamiento se cobran como salida y cuentan dentro de max_tokens, así que un ajuste alto con un límite pequeño puede agotar todo el presupuesto antes de que empiece la respuesta visible.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
messages | Sí | Envía a Muse Wonder 1.0 la conversación en orden con las fuentes para actualizar una biblioteca de base de datos; vincula cada resultado de herramienta con su |
max_tokens | No | En Muse Wonder 1.0, |
reasoning_effort | No | Muse Wonder 1.0 acepta minimal, low, medium, high, xhigh, max, con high como valor predeterminado; compara ajustes para actualizar una biblioteca de base de datos y revisa el co… |
stop | No | Detén la salida de Muse Wonder 1.0 con una secuencia o una lista de hasta cuatro; la coincidencia no se incluye en el texto final. mínimo 1 caracteres · mínimo 1 elementos · máximo 4 elementos |
temperature | No | temperature ajusta el muestreo de Muse Wonder 1.0; conserva su valor predeterminado para actualizar una biblioteca de base de datos salvo que necesites otro estilo de respuesta. |
top_p | No |
|
tools | No | Define para Muse Wonder 1.0 hasta 128 funciones en formato OpenAI para actualizar una biblioteca de base de datos; tu aplicación valida los argumentos y ejecuta las operaciones… máximo 128 elementos |
parallel_tool_calls | No | Permite que Muse Wonder 1.0 proponga varias funciones independientes en un turno; tu aplicación sigue controlando su ejecución. Valor predeterminado: |
tool_choice | No | En Muse Wonder 1.0, |
response_format | No | Pide a Muse Wonder 1.0 texto o JSON estructurado para actualizar una biblioteca de base de datos y valida los campos que tu aplicación espera recibir. |
Precios
Entrada $4 / Salida $20 por 1 millón de tokens
Casos de uso
Refactorizaciones y revisiones de varios archivos
Pega los módulos relevantes, la salida de las pruebas y la solicitud de cambio, y pide un plan ordenado con los archivos afectados y la comprobación que confirma cada paso. Como todo el contexto cabe, el plan puede citar nombres reales de funciones en lugar de suposiciones. Pide un diff o una llamada a herramienta y revísalo antes de aplicar nada.
Bucles de agentes de larga duración
Ejecuta un bucle de planificar, actuar y observar en el que cada turno añade los resultados de las herramientas a la lista de mensajes. La ventana grande mantiene las observaciones anteriores textuales durante decenas de pasos. Mantén arriba un breve resumen de las decisiones tomadas para que el modelo no vuelva a discutir lo ya resuelto, y detén el bucle con un presupuesto que tú fijes, no según lo que diga el modelo.
Informes de errores a partir de capturas y grabaciones
Adjunta la captura o una grabación de pantalla corta junto con el registro de la consola, y pide al modelo que describa qué ve, la causa probable y lo primero que hay que comprobar. Separar lo visible de lo inferido hace que la respuesta sea fácil de verificar antes de que alguien toque el código.
Análisis de documentos y reuniones
Carga contratos, especificaciones o la grabación de una llamada larga en una sola solicitud y haz preguntas a nivel de cláusula o de decisión. Pide citas con su ubicación para poder rastrear cada afirmación hasta la fuente, y trata el resultado como un borrador que una persona debe confirmar.
Guía de prompts y consejos prácticos
Envía una solicitud de chat
Haz un POST al endpoint de chat completions con un nombre de modelo y un array messages. Pon las instrucciones en un mensaje system o developer, y usa un array content cuando quieras mezclar texto con partes de imagen, video o audio. Activa stream en true para respuestas largas y revisa el motivo de finalización antes de dar una respuesta por completa.
Elige el esfuerzo y un
max_tokensseguroEmpieza en medium para el trabajo diario y sube solo cuando las respuestas parezcan superficiales. Deja margen generoso en
max_tokensporque el razonamiento se cuenta dentro de ese límite; si las respuestas se cortan, sube primero el tope y luego el esfuerzo.Añade herramientas y cierra el bucle
Define las herramientas como esquemas JSON, deja
tool_choiceen auto y, cuando la respuesta contengatool_calls, ejecuta cada una y añade un mensaje tool con el mismotool_call_id. Conserva en el historial el mensaje del asistente con sus llamadas a herramientas para que el siguiente turno tenga toda la cadena.Revisa el costo antes de escalar
La facturación sigue los tokens medidos de entrada, de entrada en caché y de salida, y la estimación de esta página muestra el cargo previsto para tus ajustes. Reutiliza un prefijo estable, como las instrucciones del sistema y los archivos de referencia, para que las solicitudes repetidas puedan aprovechar la entrada en caché.
Muse Wonder 1.0 es el modelo estándar de la serie Muse Wonder de Meta, presentado como un modelo de vanguardia para programar, ejecutar agentes de larga duración y usar la computadora. Este endpoint de chat acepta texto, imágenes, video y audio en una misma lista de mensajes, procesa hasta 1,048,576 tokens de entrada, transmite la respuesta en streaming y devuelve llamadas a funciones que tu aplicación ejecuta. Wonder Full, la variante más grande, es un producto aparte.
Para planear una actualización de biblioteca de base de datos con Muse Wonder 1.0, aporta la interfaz actual, la versión de destino y las pruebas de compatibilidad. Pide un plan antes de un parche. Este es Wonder estándar; elegir max no lo convierte en Wonder Full. tool_choice solo acepta auto, así que tu aplicación decide si ejecuta cada operación propuesta.
Muse Wonder 1.0 elegido toma sus propias decisiones sobre el contenido. En Muse Wonder 1.0: El comportamiento NSFW puede variar; no se garantiza acceso sin restricciones.
Inicio rápido de la API
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "meta/muse-wonder-1.0/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.