Cara Menggunakan Muse Wonder API

Muse Wonder API adalah Model API milik Meta yang menyajikan muse-wonder-1.0 di https://api.meta.ai/v1, dengan tiga format permintaan: Responses API, Chat Completions, dan endpoint Messages yang kompatibel dengan Anthropic. Anda mengautentikasi dengan kunci Bearer [REDACTED] dev.meta.ai, membayar $4 per juta token input dan $20 per juta output, serta mendapatkan jendela konteks 1 juta token dengan reasoning effort dari minimal hingga max. SDK OpenAI apa pun langsung bekerja begitu Anda mengganti base URL.

Coba Apidog hari ini

Panduan ini membawa Anda dari kunci hingga loop agentic yang berfungsi: permintaan pertama, memilih endpoint, mengendalikan reasoning, state lintas giliran, tools, streaming, run di latar belakang, dan kolom usage yang memberi tahu biaya satu panggilan. Setiap permintaan juga sudah disiapkan di Apidog agar tim Anda bisa menguji model tanpa meneruskan kunci dari satu orang ke orang lain. Untuk mengetahui apa itu modelnya dan bagaimana skornya, mulailah dari penjelasan Muse Wonder.

Muse Wonder API sekilas

	Nilai
URL dasar	https://api.meta.ai/v1
ID model	muse-wonder-1.0
Autentikasi	Authorization: Bearer $MODEL_API_KEY
Endpoint	POST /v1/responses, POST /v1/chat/completions, POST /v1/messages
Harga per 1 juta token	$4 input, $20 output, $0.20 input cache
Jendela konteks	1.048.576 token, tanpa premium konteks panjang
Reasoning effort	minimal, low, medium, high, xhigh, max
Batas laju	3.000 permintaan dan 4 juta token per menit, per tim per model
Alat pencarian web	$2.50 per 1.000 kueri, di atas biaya token

Muse Wonder Full, model yang lebih besar, tidak tersedia di API. Ia hanya tersedia di dalam Muse Code pada paket Power dan Maximum. Mengatur effort ke max pada Wonder tidak mengubahnya menjadi Full.

Langkah 1: dapatkan kunci dan lakukan panggilan pertama

Buat kunci di dasbor Model API di bawah API keys dan simpan sebagai MODEL_API_KEY. Lalu:

curl https://api.meta.ai/v1/responses \
  -H "Authorization: Bearer $MODEL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "muse-wonder-1.0",
    "input": "List three risks in a lease clause that lets the landlord enter without notice.",
    "reasoning": {"effort": "medium"},
    "max_output_tokens": 2048
  }'

Dengan SDK OpenAI, ubah dua baris:

from openai import OpenAI
import os

client = OpenAI(base_url="https://api.meta.ai/v1", [REDACTED CREDENTIAL])

resp = client.responses.create(
    model="muse-wonder-1.0",
    input="List three risks in a lease clause that lets the landlord enter without notice.",
    reasoning={"effort": "medium"},
    max_output_tokens=2048,
)
print(resp.output_text)
print(resp.usage)

Respons membawa teks plus blok usage. Periksa di setiap panggilan: output_tokens_details.reasoning_tokens memberi tahu berapa banyak anggaran output yang habis untuk penalaran, dan input_tokens_details.cached_tokens memberi tahu berapa input yang ditagih dengan tarif cache.

Langkah 2: pilih endpoint

Quickstart milik Meta memakai Responses API, dan itulah pilihan default yang tepat untuk apa pun yang multi-langkah. Ia menyimpan reasoning lintas giliran dan dapat mengelola riwayat percakapan untuk Anda. Chat Completions ada untuk kode yang sudah Anda miliki di atas SDK OpenAI. Endpoint Messages di https://api.meta.ai/v1/messages menerima permintaan berformat Anthropic, itulah cara Claude Code berjalan di atas Muse Wonder.

Kebutuhan	Gunakan
Agent baru, tool loop, sesi panjang	Responses
Kode bergaya OpenAI yang sudah ada, giliran tunggal	Chat Completions
Claude Code atau harness berformat Anthropic lain	Messages
Ringkasan penalaran	Hanya Responses

Ketiga format berbeda dalam nama parameter. Reasoning effort adalah reasoning.effort di Responses dan reasoning_effort di level atas di Chat Completions. Batas output masing-masing adalah max_output_tokens dan max_tokens. Output terstruktur di Responses memakai text.format, bukan response_format.

Langkah 3: atur reasoning effort

Muse Wonder selalu menalar. none mengembalikan HTTP 400. Level yang diterima adalah minimal, low, medium, high, xhigh, dan max, dan jika parameter dihilangkan, model memilih levelnya sendiri. Saran Meta seperti biasa: pakai level terendah yang memberi hasil layak, karena token penalaran ditagih dengan tarif output $20 dan dihitung terhadap batas output Anda.

Dua aturan praktis mengikuti. Pertama, tetapkan max_output_tokens dengan longgar pada effort tinggi; di max, penalaran adalah porsi besar dari output dan batas yang ketat memotong jawaban. Kedua, catat reasoning_tokens per jenis permintaan agar Anda melihat biaya tiap level effort pada lalu lintas Anda sendiri, bukan pada benchmark. Run Artificial Analysis yang memberi skor 52 kepada model memakai effort max dan sekitar 54.000 token output per tugas.

Pada Responses API Anda dapat meminta ringkasan penalaran dengan mengatur reasoning.summary ke auto, concise, atau detailed. Ringkasan tidak dijamin; array bisa kembali kosong. Reasoning mentah tidak pernah dikembalikan.

Langkah 4: bawa state lintas giliran

Responses API menawarkan dua mode, dan keduanya tidak dapat digabungkan.

Replay terenkripsi tanpa state adalah rekomendasi Meta. Kirim store: false dan include: ["reasoning.encrypted_content"], simpan item reasoning yang dikembalikan respons, dan teruskan pada giliran berikutnya beserta enc0", input="Summarize this API's auth flow: ...", instructions="You are an API reviewer.")
second = client.responses.create(model="muse-wonder-1.0", previous_response_id=first.id, instructions="You are an API reviewer.", input="Now list the endpoints that need an OAuth scope.")
``

Langkah 5: tools, output terstruktur, dan pencarian web

Function tools mengikuti bentuk OpenAI di Responses dan Chat Completions. Muse Wonder memanggil tools secara paralel dan dilatih pulih dari pemanggilan tool yang gagal, salah satu hal yang dimaksud postingan peluncuran Meta dengan Active Focus. Definisikan tools dengan skema JSON, eksekusi item function_call yang dikembalikan model, dan kirimkan item function_call_output balik.

Untuk jawaban yang bisa diurai kode Anda, atur text.format ke skema JSON di Responses. Untuk informasi terkini, tambahkan pencarian yang dihosting Meta dengan tools=[{"type": "web_search"}]; ditagih $2.50 per 1.000 kueri di samping token. Jika Anda sudah menguji tool call untuk model lain, harness pengujian tool call untuk agent di Apidog bekerja di sini tanpa perubahan: bentuk permintaannya sama dengan milik OpenAI.

Langkah 6: stream atau jalankan di latar belakang

Atur stream: true dan konsumsi aliran event: response.created, response.output_item.added, response.output_text.delta, response.function_call_arguments.delta, dan response.completed. Kegagalan berakhir dengan response.failed. Ringkasan penalaran datang sebagai response.reasoning_summary_text.delta saat diminta.

Untuk pekerjaan panjang, kirim background: true. API mengonfirmasi dengan "status": "queued", dan Anda melakukan polling atau streaming event siklus hidup dari GET /v1/responses/{id}?stream=true. Background tidak dapat digabung dengan stream: true pada POST, body permintaan dibatasi 1 MiB, dan ada batas terpisah 600 pengiriman latar belakang baru per menit per tim. Batalkan dengan POST /v1/responses/{id}/cancel.

Langkah 7: cache yang berulang

Input cache berharga $0.20 per juta, diskon 95% dari tarif $4, dan Meta melaporkannya di usage.input_tokens_details.cached_tokens. Pola yang mendapatkannya sama seperti di penyedia lain: taruh materi yang stabil (instruksi sistem, definisi tools, dokumen referensi) di awal dan konten per permintaan di akhir. Panduan prompt caching membahas desain prefix. Awasi juga sisi penulisan cache: pada run Artificial Analysis, $1.92 dari $4.52 biaya per tugas Wonder adalah penulisan cache, lebih besar dari $1.44 pada cache hit.

Uji Muse Wonder API di Apidog

Proyek Apidog bersama menjaga kunci tetap keluar dari thread chat dan memberi semua orang permintaan yang sama.

1. Buat environment bernama Meta Model API dengan base_url berupa https://api.meta.ai/v1 dan MODEL_API_KEY sebagai variabel rahasia. Nilai rahasia disamarkan di UI dan tidak pernah diekspor.
2. Tambahkan tiga permintaan, satu per endpoint, masing-masing dengan Authorization: Bearer {{MODEL_API_KEY}}. Duplikasi permintaan Responses pada effort low, medium, dan max agar bisa membandingkan biaya berdampingan.
3. Buat assertion pada usage. Tambahkan assertion JSONPath pada $.usage.output_tokens_details.reasoning_tokens dan $.usage.input_tokens_details.cached_tokens. Nilai cached-tokens nol pada permintaan yang Anda duga mengenai cache adalah bug prefix, tertangkap sebelum sampai ke produksi.
4. Mock 429-nya. Dokumentasi Meta menyuruh mundur secara eksponensial dengan jitter mulai sekitar 500 ms dan menghormati Retry-After. Arahkan klien Anda ke mock Apidog yang mengembalikan 429 dengan header itu dan buktikan logika retry sebelum berbagi batas 3.000 permintaan per menit dengan seluruh tim.
5. Jalankan di CI dengan Apidog CLI agar perubahan model atau harga menggagalkan pipeline, bukan pelanggan.

Unduh Apidog dan impor ketiga endpoint dari contoh permintaan di atas.

Pertanyaan yang sering diajukan

Apakah Muse Wonder API punya tier gratis? Tidak. Penagihan per token tanpa minimum, jadi segelintir panggilan uji hanya berbiaya beberapa sen, tetapi tidak ada kredit gratis. Panduan akses gratis membahas rute termurah.

Apakah data API saya dipakai untuk pelatihan? Tidak pada mode Standard API. Langganan Muse Code default ke mode Contributor yang memang memakai data Anda; pengaturan itu ada di Muse Code, bukan di API.

Bisakah saya memakai Muse Wonder Full lewat API? Tidak. Ia tidak punya ID model yang bisa dipanggil dan tidak ada harga per token. Hanya pelanggan Muse Code Power dan Maximum yang dapat memilihnya.

Berapa batas lajunya dan bisakah dinaikkan? 3.000 permintaan dan 4 juta token per menit per model, dihitung gabungan atas semua kunci di tim Anda. Halaman harga Meta tidak mencantumkan tier maupun proses kenaikan. Pos tentang batas laju membahas cara tetap di bawahnya.

Langkah berikutnya

Lakukan tiga panggilan di atas pada effort low, medium, dan max untuk satu tugas nyata dari produk Anda, dan bandingkan reasoning_tokens sebelum memilih default. Angka itulah, bukan judul $4, yang akan diikuti tagihan Anda.