Introdução
Muse Wonder 1.0 é o modelo padrão da série Muse Wonder, da Meta, apresentado como um modelo de ponta para programação, agentes de execução longa e uso do computador. Este endpoint de chat aceita texto, imagens, vídeo e áudio na mesma lista de mensagens, processa até 1,048,576 tokens de entrada, transmite a resposta por streaming e devolve chamadas de função que a sua aplicação executa. A variante maior da Meta, Wonder Full, é um produto separado e não é a que este endpoint serve.
| Campo | Valor |
|---|---|
| Entrada | Texto |
| Saída | Texto |
| Orçamento de entrada | 1,048,576 tokens |
| Limite de max_tokens | 1,048,576 |
| Entradas | texto / imagens / vídeo / áudio |
Recursos e destaques
Projetos inteiros em uma única requisição
A Meta posiciona o Muse Wonder em alterações que envolvem vários arquivos de bases de código grandes e em tarefas que duram horas, e o orçamento de entrada de 1,048,576 tokens é o que torna isso viável aqui. Você pode enviar juntos os arquivos, o log da falha e a pergunta em aberto, em vez de buscar trechos e torcer para que os certos apareçam. Identifique cada arquivo, diga qual versão é a autoritativa e formule a tarefa com clareza: uma janela grande ajuda com as evidências, não com um pedido vago.
Chamadas de ferramentas que o seu código controla
O modelo pode devolver várias chamadas de função em uma mesma rodada, e parallel_tool_calls vem ativado por padrão. A sua aplicação valida os argumentos, executa cada operação e responde com uma mensagem tool que traz o tool_call_id correspondente. Assim, o passo proposto pelo modelo fica separado da ação que você realmente executa, o formato seguro para loops de agentes que mexem em arquivos, tickets ou implantações. Neste endpoint, tool_choice aceita apenas auto; para obter texto simples, não envie tools.
Telas, trechos e gravações como entrada
As mensagens podem trazer partes image_url, video_url, audio_url e input_audio (wav ou mp3) junto com o texto. Usos típicos são a captura de uma interface quebrada, a gravação da tela de um bug ou a gravação de uma reunião da qual é preciso extrair uma lista de ações. Indique ao modelo a qual anexo a pergunta se refere; mídias sem identificação em uma conversa longa são a causa mais comum de respostas que saem do foco.
Aumente ou reduza o raciocínio
reasoning_effort vai de minimal a max e tem high como padrão. Minimal ou low servem para classificação, extração e edições rápidas; xhigh e max são para depuração difícil e planejamento. Os tokens de raciocínio são cobrados como saída e contam dentro de max_tokens, então um esforço alto com um limite pequeno pode consumir todo o orçamento antes de a resposta visível começar.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
messages | Sim | Envie ao Muse Wonder 1.0 a conversa em ordem com as fontes para atualizar uma biblioteca de banco de dados; associe cada resultado de ferramenta ao seu |
max_tokens | Não | No Muse Wonder 1.0, |
reasoning_effort | Não | O Muse Wonder 1.0 aceita minimal, low, medium, high, xhigh, max, com high como padrão; compare os ajustes para atualizar uma biblioteca de banco de dados acompanhando o consumo… |
stop | Não | Interrompa a saída do Muse Wonder 1.0 com uma sequência ou uma lista de até quatro; o marcador encontrado não aparece no texto final. pelo menos 1 caracteres · pelo menos 1 itens · no máximo 4 itens |
temperature | Não | temperature ajusta a amostragem do Muse Wonder 1.0; você pode manter o padrão para atualizar uma biblioteca de banco de dados, alterando-o quando precisar de outro estilo de res… |
top_p | Não |
|
tools | Não | Defina para o Muse Wonder 1.0 até 128 funções no formato OpenAI para atualizar uma biblioteca de banco de dados; sua aplicação valida os argumentos e executa as operações propos… no máximo 128 itens |
parallel_tool_calls | Não | Permite que o Muse Wonder 1.0 proponha várias funções independentes em uma rodada; sua aplicação continua controlando a execução. Valor padrão: |
tool_choice | Não | No Muse Wonder 1.0, |
response_format | Não | Peça ao Muse Wonder 1.0 texto ou JSON estruturado para atualizar uma biblioteca de banco de dados e valide os campos esperados pela sua aplicação. |
Preços
Entrada $4 / Saída $20 por 1 milhão de tokens
Casos de uso
Refatorações e revisões em vários arquivos
Cole os módulos relevantes, a saída dos testes e o pedido de alteração, e peça um plano ordenado com os arquivos afetados e a verificação que confirma cada etapa. Como todo o contexto cabe na requisição, o plano pode citar nomes reais de funções em vez de suposições. Peça um diff ou uma chamada de ferramenta e revise antes de aplicar qualquer coisa.
Loops de agentes de execução longa
Execute um ciclo de planejar, agir e observar em que cada rodada acrescenta os resultados das ferramentas à lista de mensagens. A janela grande mantém as observações anteriores literais por dezenas de passos. Mantenha no topo um resumo curto e atualizado das decisões, para que o modelo não reabra escolhas já feitas, e interrompa o loop por um orçamento que você definiu, e não pela opinião do modelo.
Relatos de bugs a partir de capturas e gravações
Anexe a captura de tela ou uma gravação curta da tela junto com o log do console, e peça ao modelo que descreva o que vê, a causa provável e a primeira coisa a verificar. Separar o que está visível do que é inferido torna a resposta fácil de checar antes que alguém altere o código.
Análise de documentos e reuniões
Carregue contratos, especificações ou a gravação de uma chamada longa em uma única requisição e faça perguntas no nível de cláusula ou de decisão. Peça citações com a localização de cada trecho, para rastrear cada afirmação até a fonte, e trate o resultado como um rascunho que uma pessoa deve confirmar.
Guia de prompt e dicas práticas
Envie uma requisição de chat
Faça um POST para o endpoint de chat completions com um nome de modelo e um array messages. Coloque as instruções em uma mensagem system ou developer, e use um array content quando quiser misturar texto com partes de imagem, vídeo ou áudio. Defina stream como true para respostas longas e confira o motivo de término antes de considerar uma resposta completa.
Escolha o esforço e um
max_tokensseguroComece com medium para o trabalho do dia a dia e suba só quando as respostas parecerem superficiais. Deixe margem generosa em
max_tokens, porque o raciocínio é contado dentro desse limite; se as respostas estiverem sendo cortadas, aumente primeiro o teto e só depois o esforço.Adicione ferramentas e feche o ciclo
Defina as ferramentas como esquemas JSON, mantenha
tool_choiceem auto e, quando a resposta trouxertool_calls, execute cada uma e acrescente uma mensagem tool com o mesmotool_call_id. Mantenha no histórico a mensagem do assistente com as chamadas de ferramenta, para que a rodada seguinte tenha a cadeia completa.Confira o custo antes de escalar
A cobrança segue os tokens medidos de entrada, entrada em cache e saída, e a estimativa desta página mostra a cobrança esperada para as suas configurações. Reutilize um prefixo estável, como as instruções do sistema e os arquivos de referência, para que requisições repetidas se beneficiem da entrada em cache.
Muse Wonder 1.0 é o modelo padrão da série Muse Wonder, da Meta, apresentado como um modelo de ponta para programação, agentes de execução longa e uso do computador. Este endpoint de chat aceita texto, imagens, vídeo e áudio na mesma lista de mensagens, processa até 1,048,576 tokens de entrada, transmite a resposta por streaming e devolve chamadas de função que a sua aplicação executa. A variante maior da Meta, Wonder Full, é um produto separado e não é a que este endpoint serve.
Para planejar uma atualização de biblioteca de banco de dados com o Muse Wonder 1.0, forneça a interface atual, a versão desejada e os testes de compatibilidade. Peça um plano antes do patch. Você usa o Wonder padrão; selecionar max não muda para Wonder Full. tool_choice aceita apenas auto, portanto sua aplicação decide se executa cada operação proposta.
As decisões sobre conteúdo vêm do Muse Wonder 1.0 escolhido. No Muse Wonder 1.0: O comportamento NSFW pode variar; não há garantia de conteúdo sem restrições.
Início rápido da 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'
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.