Wprowadzenie
Muse Wonder 1.0 to standardowy model z serii Muse Wonder od Meta, przedstawiany jako model z czołówki do programowania, długo działających agentów i obsługi komputera. Ten endpoint czatu przyjmuje w jednej liście wiadomości tekst, obrazy, wideo i dźwięk, obsługuje do 1,048,576 tokenów wejścia, strumieniuje odpowiedź i zwraca wywołania funkcji, które wykonuje Twoja aplikacja. Większy wariant Meta, Wonder Full, to osobny produkt i nie jest obsługiwany przez ten endpoint.
| Pole | Wartość |
|---|---|
| Wejście | Tekst |
| Wyjście | Tekst |
| Budżet wejścia | 1,048,576 tokens |
| Limit max_tokens | 1,048,576 |
| Dane wejściowe | tekst / obrazy / wideo / dźwięk |
Najważniejsze funkcje
Całe projekty w jednym żądaniu
Meta pozycjonuje Muse Wonder na zmiany obejmujące wiele plików w dużych bazach kodu oraz na zadania trwające godzinami, a budżet wejścia wynoszący 1,048,576 tokenów sprawia, że jest to tu wykonalne. Możesz wysłać razem pliki, log z błędem i otwarte pytanie zamiast wyszukiwać fragmenty i liczyć na to, że trafią się właściwe. Oznacz każdy plik, wskaż, która wersja jest wiążąca, i sformułuj zadanie wprost: duże okno pomaga w dowodach, a nie w niejasnym poleceniu.
Wywołania narzędzi pod kontrolą Twojego kodu
Model może zwrócić kilka wywołań funkcji w jednej turze, a parallel_tool_calls jest domyślnie włączone. Twoja aplikacja sprawdza argumenty, wykonuje każdą operację i odpowiada wiadomością tool z pasującym tool_call_id. Dzięki temu proponowany przez model krok pozostaje oddzielony od działania, które faktycznie wykonujesz, co jest bezpiecznym układem dla pętli agentów operujących na plikach, zgłoszeniach czy wdrożeniach. Na tym endpoincie tool_choice przyjmuje wyłącznie auto; by otrzymać zwykły tekst, pomiń tools.
Ekrany, nagrania i zapisy jako wejście
Wiadomości mogą zawierać części image_url, video_url, audio_url i input_audio (wav lub mp3) obok tekstu. Typowe zastosowania to zrzut zepsutego interfejsu, nagranie ekranu z błędem albo nagranie spotkania, z którego trzeba wyciągnąć listę działań. Wskaż modelowi, którego załącznika dotyczy pytanie; media bez oznaczeń w długim wątku to najczęstsza przyczyna, dla której odpowiedzi zaczynają dryfować.
Regulacja głębokości rozumowania
reasoning_effort przechodzi od minimal do max i domyślnie wynosi high. Minimal lub low nadają się do klasyfikacji, ekstrakcji i szybkich poprawek; xhigh i max do trudnego debugowania i planowania. Tokeny rozumowania są rozliczane jako wyjście i liczą się do max_tokens, więc głęboki poziom przy małym limicie może zużyć cały budżet, zanim zacznie się widoczna odpowiedź.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
messages | Tak | Prześlij do Muse Wonder 1.0 rozmowę w kolejności wraz ze źródłami do zadania „aktualizacja biblioteki bazy danych”; powiąż wyniki narzędzi z ich |
max_tokens | Nie | Dla Muse Wonder 1.0 domyślne |
reasoning_effort | Nie | W Muse Wonder 1.0 dostępne są minimal, low, medium, high, xhigh, max, domyślnie high; porównaj ustawienia dla zadania „aktualizacja biblioteki bazy danych” według zużycia tokenó… |
stop | Nie | Zatrzymaj odpowiedź Muse Wonder 1.0 jedną sekwencją lub listą do czterech; dopasowany znacznik pomija się w końcowym tekście. od 1 znaków · od 1 elementów · do 4 elementów |
temperature | Nie | temperature steruje próbkowaniem w Muse Wonder 1.0; przy zadaniu „aktualizacja biblioteki bazy danych” zachowaj wartość domyślną, chyba że potrzebujesz innego stylu odpowiedzi. |
top_p | Nie |
|
tools | Nie | Zdefiniuj dla Muse Wonder 1.0 do 128 funkcji w formacie OpenAI do zadania „aktualizacja biblioteki bazy danych”; argumenty sprawdza i operacje wykonuje aplikacja. do 128 elementów |
parallel_tool_calls | Nie | Pozwala się tu Muse Wonder 1.0 proponować kilka niezależnych funkcji w jednej turze; ich wykonaniem nadal steruje aplikacja. Domyślnie: |
tool_choice | Nie | W Muse Wonder 1.0 |
response_format | Nie | Poproś Muse Wonder 1.0 o tekst lub uporządkowany JSON do zadania „aktualizacja biblioteki bazy danych” i sprawdź pola oczekiwane przez aplikację. |
Cennik
Wejście $4 / Wyjście $20 za 1 mln tokenów
Zastosowania
Refaktoryzacje i przeglądy wielu plików
Wklej odpowiednie moduły, wynik testów i prośbę o zmianę, a następnie poproś o uporządkowany plan z listą dotkniętych plików i sprawdzeniem potwierdzającym każdy krok. Ponieważ cały kontekst się mieści, plan może odwoływać się do rzeczywistych nazw funkcji, a nie do domysłów. Poproś o diff lub wywołanie narzędzia i sprawdź je, zanim cokolwiek zastosujesz.
Długo działające pętle agentów
Uruchom pętlę planuj, działaj, obserwuj, w której każda tura dopisuje wyniki narzędzi do listy wiadomości. Duże okno zachowuje wcześniejsze obserwacje dosłownie przez kilkadziesiąt kroków. Trzymaj na górze krótkie, bieżące podsumowanie decyzji, aby model nie wracał do spraw już rozstrzygniętych, i zatrzymuj pętlę według budżetu, który sam ustalisz, a nie na podstawie opinii modelu.
Zgłoszenia błędów na podstawie zrzutów i nagrań
Dołącz zrzut ekranu lub krótkie nagranie ekranu razem z logiem konsoli i poproś model, by opisał, co widzi, prawdopodobną przyczynę i pierwszą rzecz do sprawdzenia. Rozdzielenie tego, co widoczne, od tego, co wywnioskowane, sprawia, że odpowiedź łatwo zweryfikować, zanim ktokolwiek zmieni kod.
Analiza dokumentów i spotkań
Załaduj umowy, specyfikacje lub nagranie długiej rozmowy w jednym żądaniu i zadawaj pytania na poziomie klauzul lub decyzji. Proś o cytaty z miejscem wystąpienia, aby każdą tezę dało się prześledzić do źródła, a wynik traktuj jako szkic do potwierdzenia przez człowieka.
Wskazówki
Wyślij żądanie czatu
Wyślij POST do endpointu chat completions z nazwą modelu i tablicą messages. Instrukcje umieść w wiadomości system lub developer, a tablicy content użyj, gdy chcesz połączyć tekst z częściami obrazu, wideo lub dźwięku. Ustaw stream na true przy długich odpowiedziach i sprawdź powód zakończenia, zanim uznasz odpowiedź za kompletną.
Wybierz poziom i bezpieczne
max_tokensNa co dzień zacznij od medium i podnoś poziom dopiero wtedy, gdy odpowiedzi wydają się płytkie. Zostaw w
max_tokensspory zapas, bo rozumowanie jest w nim liczone; jeśli odpowiedzi są ucinane, najpierw zwiększ limit, a dopiero potem poziom.Dodaj narzędzia i zamknij pętlę
Zdefiniuj narzędzia jako schematy JSON, zostaw
tool_choicena auto i gdy odpowiedź zawieratool_calls, wykonaj każde wywołanie i dopisz wiadomość tool z tym samymtool_call_id. W historii zachowaj wiadomość asystenta wraz z jego wywołaniami narzędzi, aby kolejna tura miała pełny łańcuch.Sprawdź koszt przed skalowaniem
Rozliczenie opiera się na zmierzonych tokenach wejścia, wejścia z pamięci podręcznej i wyjścia, a szacunek na tej stronie pokazuje spodziewaną opłatę dla Twoich ustawień. Używaj ponownie stabilnego prefiksu, na przykład instrukcji systemowych i plików referencyjnych, aby powtarzane żądania mogły korzystać z wejścia z pamięci podręcznej.
Muse Wonder 1.0 to standardowy model z serii Muse Wonder od Meta, przedstawiany jako model z czołówki do programowania, długo działających agentów i obsługi komputera. Ten endpoint czatu przyjmuje w jednej liście wiadomości tekst, obrazy, wideo i dźwięk, obsługuje do 1,048,576 tokenów wejścia, strumieniuje odpowiedź i zwraca wywołania funkcji, które wykonuje Twoja aplikacja. Większy wariant Meta, Wonder Full, to osobny produkt i nie jest obsługiwany przez ten endpoint.
Aby zaplanować aktualizację biblioteki bazy danych w Muse Wonder 1.0, podaj obecny interfejs, wersję docelową i testy zgodności. Poproś o plan przed poprawką. Udostępnia się tu standardowy Wonder: ustawienie max nie włącza Wonder Full. tool_choice przyjmuje tylko auto, więc o wykonaniu proponowanej operacji decyduje aplikacja.
O treści decyduje wybrany model. W Muse Wonder 1.0: Obsługa NSFW może się zmieniać; nie gwarantuje się działania bez ograniczeń.
Szybki start z 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'
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.