Meta: Muse Wonder

Meta: Muse Wonder to frontierowy model rozumujący od Meta, zbudowany do złożonych osobistych i zawodowych zadań agentowych. Należy do kategorii tekstowej, a Meta pozycjonuje go wokół pracy wymagającej intensywnego rozumowania, a nie prostego czatu. Jeśli wybierasz model dla agenta, który musi planować, rozumować przez kroki pośrednie i działać na podstawie tego, co znajdzie, to właśnie do tej klasy modeli Meta zamierzała Muse Wonder.

Model przyjmuje jako dane wejściowe tekst, obrazy, wideo, audio oraz dokumenty PDF, a zwraca tekst. Ta kombinacja ma znaczenie dla pracy agentowej, ponieważ pojedyncze żądanie może zawierać jednocześnie zrzut ekranu, nagranie, dokument i pisemne instrukcje, a model rozumuje nad tym wszystkim. Okno kontekstu wynosi 1,048,576 tokenów, a maksymalne wyjście to 943,718 tokenów. Wysoki limit wyjścia jest nietypowy i wart odnotowania: zadania produkujące długie transkrypcje, rozbudowane analizy lub obszerne generowane dokumenty mogą zakończyć się w jednej odpowiedzi, zamiast być składane z wielu wywołań.

Te możliwości wskazują na dość konkretny zestaw zastosowań. Analiza oparta na dokumentach pasuje naturalnie, ponieważ pliki PDF można przekazywać bezpośrednio wraz z pytaniami o nie. Agenci wsparcia i operacji mogą przyjmować zrzuty ekranu lub nagrania ekranu jako część zgłoszenia i rozumować, co poszło nie tak. Przepływy przeglądu mediów mogą przekazywać wideo lub audio i otrzymywać tekst z powrotem, co odpowiada streszczaniu, adnotacji lub przeglądowi zgodności. Ponieważ wywoływanie narzędzi jest obsługiwane, Muse Wonder działa również jako rdzeń rozumujący agenta, który decyduje, które narzędzia wywołać i w jakiej kolejności, w tym w zadaniach wieloetapowych łączących wyszukiwanie, obsługę plików i generowanie.

Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu "meta/muse-wonder". Ponieważ interfejs jest zgodny ze schematem OpenAI, istniejące klienty i SDK zasadniczo działają po zmianie bazowego URL i identyfikatora modelu. Obsługiwane parametry żądania to include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k oraz top_p. W praktyce obejmuje to kontrolę próbkowania (temperature, top_p, top_k, repetition_penalty), długość wyjścia (max_tokens), odpowiedzi strukturalne (response_format, structured_outputs), użycie narzędzi (tools, tool_choice) oraz kontrolę nad tym, ile rozumowania model ujawnia lub wykonuje (reasoning, reasoning_effort, include_reasoning).

Jedno ograniczenie warto mieć na uwadze: wyjściem jest wyłącznie tekst. Jeśli Twoja aplikacja potrzebuje generowanych obrazów, audio lub wideo, Muse Wonder nie jest właściwym komponentem dla tej części potoku, choć nadal może rozumować nad tymi formatami jako danymi wejściowymi. Jest to również model rozumujący, więc do trywialnej klasyfikacji lub krótkich deterministycznych przekształceń mniejszy i szybszy model tekstowy może być lepszym wyborem i tańszym w uruchamianiu na dużą skalę. Używaj Muse Wonder tam, gdzie zadanie naprawdę korzysta z długiego kontekstu, wejścia multimedialnego lub wieloetapowego rozumowania z narzędziami.