Introduzione
Muse Wonder 1.0 è il modello standard della serie Muse Wonder di Meta, proposto come modello di frontiera per il coding, gli agenti a lunga esecuzione e l’uso del computer. Questo endpoint di chat accetta testo, immagini, video e audio nella stessa lista di messaggi, legge fino a 1,048,576 token di input, trasmette la risposta in streaming e restituisce chiamate di funzione che la tua applicazione esegue. Wonder Full, la variante più grande, è un prodotto separato.
| Campo | Valore |
|---|---|
| Input | Testo |
| Output | Testo |
| Budget di input | 1,048,576 tokens |
| Limite di max_tokens | 1,048,576 |
Caratteristiche principali
Interi progetti in una sola richiesta
Meta posiziona Muse Wonder sulle modifiche a più file in grandi codebase e sui compiti che durano ore, e il budget di input di 1,048,576 token è ciò che lo rende praticabile qui. Puoi inviare insieme i file, il log dell’errore e la domanda aperta, invece di recuperare frammenti sperando che arrivino quelli giusti. Etichetta ogni file, indica quale versione fa fede e formula il compito in modo chiaro: una finestra ampia aiuta con le prove, non con una richiesta vaga.
Chiamate di tool che controlla il tuo codice
Il modello può restituire più chiamate di funzione in un unico turno, e parallel_tool_calls è attivo di default. La tua applicazione valida gli argomenti, esegue ogni operazione e risponde con un messaggio tool che riporta il tool_call_id corrispondente. Così il passo proposto dal modello resta separato dall’azione che esegui davvero, che è la forma sicura per i cicli di agenti che toccano file, ticket o deployment. Su questo endpoint tool_choice accetta solo auto; per ottenere testo semplice, ometti tools.
Schermate, clip e registrazioni come input
I messaggi possono contenere parti image_url, video_url, audio_url e input_audio (wav o mp3) accanto al testo. Usi tipici sono lo screenshot di un’interfaccia rotta, la registrazione dello schermo di un bug o la registrazione di una riunione da cui ricavare un elenco di azioni. Indica al modello a quale allegato si riferisce la domanda: i media non etichettati in un thread lungo sono il motivo più comune per cui le risposte si allontanano dal tema.
Alza o abbassa il ragionamento
reasoning_effort va da minimal a max e di default è high. Minimal o low vanno bene per classificazione, estrazione e modifiche rapide; xhigh e max servono per il debugging difficile e la pianificazione. I token di ragionamento sono fatturati come output e contano in max_tokens, quindi un livello alto con un limite basso può esaurire tutto il budget prima che inizi la risposta visibile.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
messages | Sì | Invia a Muse Wonder 1.0 la conversazione in ordine con le fonti per aggiornare una libreria di database; associa ogni risultato degli strumenti al relativo |
max_tokens | No | Per Muse Wonder 1.0, |
reasoning_effort | No | Muse Wonder 1.0 accetta minimal, low, medium, high, xhigh, max, con high come valore predefinito; confronta le impostazioni per aggiornare una libreria di database osservando i… |
stop | No | Ferma l’uscita di Muse Wonder 1.0 con una sequenza o un elenco di massimo quattro; il marcatore riconosciuto non compare nel testo finale. almeno 1 caratteri · almeno 1 elementi · al massimo 4 elementi |
temperature | No | temperature regola il campionamento di Muse Wonder 1.0; mantieni il valore predefinito per aggiornare una libreria di database salvo che ti serva un altro stile di risposta. |
top_p | No |
|
tools | No | Definisci per Muse Wonder 1.0 fino a 128 funzioni in formato OpenAI per aggiornare una libreria di database; la tua applicazione convalida gli argomenti ed esegue le operazioni… al massimo 128 elementi |
parallel_tool_calls | No | Consente a Muse Wonder 1.0 di proporre più funzioni indipendenti in un turno; la tua applicazione continua a controllarne l’esecuzione. Predefinito: |
tool_choice | No | Per Muse Wonder 1.0, |
response_format | No | Chiedi a Muse Wonder 1.0 testo o JSON strutturato per aggiornare una libreria di database e verifica i campi attesi dalla tua applicazione. |
Prezzi
Input $4 / Output $20 per 1 milione di token
Casi d’uso
Refactoring e revisioni su più file
Incolla i moduli rilevanti, l’output dei test e la richiesta di modifica, poi chiedi un piano ordinato con i file toccati e il controllo che conferma ogni passo. Poiché tutto il contesto entra, il piano può citare nomi reali di funzioni invece di supposizioni. Chiedi un diff o una chiamata di tool e controllalo prima di applicare qualsiasi cosa.
Cicli di agenti a lunga esecuzione
Esegui un ciclo pianifica, agisci, osserva in cui ogni turno aggiunge i risultati dei tool alla lista dei messaggi. La finestra ampia mantiene le osservazioni precedenti alla lettera per decine di passaggi. Tieni in cima un breve riepilogo progressivo delle decisioni, così il modello non rimette in discussione scelte già fatte, e ferma il ciclo su un budget che hai fissato tu, non su indicazione del modello.
Segnalazioni di bug da screenshot e registrazioni
Allega lo screenshot o una breve registrazione dello schermo insieme al log della console, e chiedi al modello di dichiarare cosa vede, la causa probabile e la prima cosa da controllare. Separare ciò che è visibile da ciò che è dedotto rende la risposta facile da verificare prima che qualcuno tocchi il codice.
Analisi di documenti e riunioni
Carica contratti, specifiche o la registrazione di una lunga chiamata in un’unica richiesta e fai domande a livello di clausola o di decisione. Chiedi citazioni con la relativa posizione, così ogni affermazione è riconducibile alla fonte, e tratta l’output come una bozza da far confermare a una persona.
Consigli avanzati
Invia una richiesta di chat
Fai una POST all’endpoint di chat completions con un nome di modello e un array messages. Metti le istruzioni in un messaggio system o developer, e usa un array content quando vuoi mescolare testo con parti immagine, video o audio. Imposta stream su true per le risposte lunghe e controlla il motivo di fine prima di considerare completa una risposta.
Scegli lo sforzo e un
max_tokenssicuroParti da medium per il lavoro quotidiano e sali solo se le risposte risultano superficiali. Lascia ampio margine in
max_tokens, perché il ragionamento vi viene conteggiato; se le risposte vengono troncate, alza prima il limite e solo dopo lo sforzo.Aggiungi tool e chiudi il ciclo
Definisci i tool come schemi JSON, lascia
tool_choicesu auto e, quando la risposta contienetool_calls, esegui ciascuna chiamata e aggiungi un messaggio tool con lo stessotool_call_id. Conserva nella cronologia il messaggio dell’assistente con le sue chiamate di tool, così il turno successivo avrà l’intera catena.Controlla il costo prima di scalare
La fatturazione segue i token misurati di input, input in cache e output, e la stima in questa pagina mostra l’addebito previsto per le tue impostazioni. Riutilizza un prefisso stabile, come le istruzioni di sistema e i file di riferimento, così le richieste ripetute possono beneficiare dell’input in cache.
Muse Wonder 1.0 è il modello standard della serie Muse Wonder di Meta, proposto come modello di frontiera per il coding, gli agenti a lunga esecuzione e l’uso del computer. Questo endpoint di chat accetta testo, immagini, video e audio nella stessa lista di messaggi, legge fino a 1,048,576 token di input, trasmette la risposta in streaming e restituisce chiamate di funzione che la tua applicazione esegue. Wonder Full, la variante più grande, è un prodotto separato.
Per pianificare l’aggiornamento di una libreria di database con Muse Wonder 1.0, fornisci interfaccia attuale, versione di destinazione e test di compatibilità. Chiedi un piano prima di una patch. Usi Wonder standard: max non attiva Wonder Full. tool_choice accetta solo auto, quindi spetta alla tua applicazione decidere se eseguire ogni operazione proposta.
Il modello selezionato decide quali contenuti accettare. Per Muse Wonder 1.0: Il comportamento NSFW può variare; non è garantito un accesso senza restrizioni.
Avvio rapido dell’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'
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.