Meta: Muse Wonder

Meta: Muse Wonder ist ein Frontier-Reasoning-Modell von Meta, entwickelt für komplexe persönliche und berufliche agentische Aufgaben. Es gehört zur Kategorie Text, und Meta positioniert es eher für reasoning-lastige Arbeit als für einfachen Chat. Wenn Sie ein Modell für einen Agenten auswählen, der planen, über Zwischenschritte reasoning betreiben und auf Basis seiner Erkenntnisse handeln muss, dann ist dies die Modellklasse, für die Meta Muse Wonder vorgesehen hat.

Das Modell akzeptiert Text, Bilder, Video, Audio und PDF-Dokumente als Eingabe und gibt Text zurück. Diese Kombination ist für agentische Arbeit wichtig, weil eine einzelne Anfrage einen Screenshot, eine Aufnahme, ein Dokument und schriftliche Anweisungen zusammen enthalten kann, und das Modell über all das reasoning betreibt. Das Kontextfenster beträgt 1.048.576 Tokens, mit einer maximalen Ausgabe von 943.718 Tokens. Die hohe Ausgabegrenze ist ungewöhnlich und erwähnenswert: Aufgaben, die lange Transkripte, ausführliche Analysen oder umfangreiche generierte Dokumente erzeugen, können in einer einzigen Antwort abgeschlossen werden, statt über mehrere Aufrufe zusammengesetzt zu werden.

Diese Fähigkeiten deuten auf eine ziemlich spezifische Gruppe von Anwendungen hin. Dokumentenlastige Analyse passt natürlich, da PDFs direkt zusammen mit Fragen dazu eingehen können. Support- und Betriebsagenten können Screenshots oder Bildschirmaufnahmen als Teil eines Tickets aufnehmen und darüber reasoning betreiben, was schiefgelaufen ist. Workflows zur Medienprüfung können Video oder Audio übergeben und erhalten geschriebene Ausgabe zurück, was für Zusammenfassung, Annotation oder Compliance-Prüfung geeignet ist. Da Tool Calling unterstützt wird, funktioniert Muse Wonder auch als Reasoning-Kern eines Agenten, der entscheidet, welche Tools aufgerufen werden und in welcher Reihenfolge, einschließlich mehrstufiger Aufgaben, die Retrieval, Dateiverarbeitung und Generierung mischen.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "meta/muse-wonder" auf. Da die Schnittstelle dem OpenAI-Schema folgt, funktionieren bestehende Clients und SDKs im Allgemeinen mit einer Änderung der Basis-URL und der Modell-ID. Die unterstützten Anfrageparameter sind include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k und top_p. In der Praxis deckt das Sampling-Steuerung ab (temperature, top_p, top_k, repetition_penalty), Ausgabelänge (max_tokens), strukturierte Antworten (response_format, structured_outputs), Tool-Nutzung (tools, tool_choice) und Kontrolle darüber, wie viel Reasoning das Modell offenlegt oder ausführt (reasoning, reasoning_effort, include_reasoning).

Eine Einschränkung sollten Sie beachten: Die Ausgabe ist ausschließlich Text. Wenn Ihre Anwendung generierte Bilder, Audio oder Video benötigt, ist Muse Wonder nicht die richtige Komponente für diesen Teil der Pipeline, obwohl es über diese Formate als Eingaben weiterhin reasoning betreiben kann. Es ist außerdem ein Reasoning-Modell, daher kann für triviale Klassifikation oder kurze deterministische Transformationen ein kleineres und schnelleres Textmodell besser geeignet und bei hohem Volumen günstiger sein. Verwenden Sie Muse Wonder dort, wo die Aufgabe wirklich von langem Kontext, gemischten Medieneingaben oder mehrstufigem Reasoning mit Tools profitiert.