Muse Wonder API Nasıl Kullanılır?

Muse Wonder API, muse-wonder-1.0 modelini https://api.meta.ai/v1 adresinden sunan Meta'nın Model API'sidir; üç istek biçimi vardır: Responses API, Chat Completions ve Anthropic uyumlu bir Messages endpoint'i. Kimlik doğrulamayı dev.meta.ai üzerinden aldığınız bir bearer anahtarıyla yaparsınız, milyon giriş token'ı başına $4, milyon çıkış token'ı başına $20 ödersiniz ve minimal ile max arasında reasoning effort sunan 1M token'lık bir bağlam penceresi elde edersiniz. Temel URL'yi değiştirmeniz yeterli; herhangi bir OpenAI SDK'sı çalışır.

Bu rehber sizi anahtardan çalışan bir agent döngüsüne taşır: ilk istek, endpoint seçimi, akıl yürütmenin kontrolü, çok turlu durum yönetimi, araçlar, streaming, arka planda çalıştırma ve bir çağrının maliyetini söyleyen usage alanları. Her istek ayrıca Apidog içinde de hazır durumdadır; böylece ekibiniz anahtarı elden ele taşımadan modeli test edebilir. Modelin ne olduğunu ve nasıl puan aldığını öğrenmek için Muse Wonder açıklayıcısıyla başlayın.

Muse Wonder API bir bakışta

Daha büyük model olan Muse Wonder Full API'de yok. Yalnızca Muse Code içinde, Power ve Maximum planlarında mevcuttur. Wonder'da effort'u max yapmak onu Full'e çevirmez.

Adım 1: Anahtar alın ve ilk çağrıyı yapın

Model API panosunda API keys bölümünden bir anahtar oluşturun ve MODEL_API_KEY olarak saklayın. Sonra:

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
  }'

OpenAI SDK'sıyla iki satırı değiştirin:

from openai import OpenAI
import os

client = OpenAI(base_url="https://api.meta.ai/v1", api_key=os.environ["MODEL_API_KEY"])

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)

Yanıt, metinle birlikte bir usage bloğu taşır. Her çağrıda kontrol edin: output_tokens_details.reasoning_tokens çıkış bütçesinin ne kadarının düşünmeye gittiğini, input_tokens_details.cached_tokens ise ne kadar girişin önbellek tarifesiyle faturalandığını söyler.

Adım 2: Endpoint seçin

Meta'nın hızlı başlangıç kılavuzu Responses API'yi kullanır ve çok adımlı her iş için doğru varsayılan da budur. Akıl yürütmeyi turlar arasında korur ve konuşma geçmişini sizin için yönetebilir. Chat Completions, bir OpenAI SDK'sına karşı zaten yazılmış kodunuz içindir. https://api.meta.ai/v1/messages adresindeki Messages endpoint'i Anthropic biçiminde istekleri kabul eder; Claude Code da bu şekilde Muse Wonder üzerinde çalışır.

Üç biçim parametre adlarında farklılaşır. Reasoning effort, Responses'ta reasoning.effort, Chat Completions'ta ise üst düzey reasoning_effort olarak adlandırılır. Çıkış üst sınırları sırasıyla max_output_tokens ve max_tokens'dır. Responses'ta yapılandırılmış çıktı response_format değil text.format kullanır.

Adım 3: Reasoning effort ayarlayın

Muse Wonder her zaman akıl yürütür. none HTTP 400 döndürür. Kabul edilen düzeyler minimal, low, medium, high, xhigh ve max'tır; parametreyi atlasanız model kendi düzeyini seçer. Meta'nın tavsiyesi her zamanki gibidir: Kabul edilebilir sonuç veren en düşük düzeyi kullanın, çünkü reasoning token'ları $20'lık çıkış tarifesiyle faturalanır ve çıkış sınırınıza sayılır.

Bundan iki pratik kural çıkar. Birincisi, yüksek effort'ta max_output_tokens'ı cömert tutun; max'ta akıl yürütme çıktının büyük bir bölümünü kaplar ve sıkı bir sınır yanıtı keser. İkincisi, her istek türü için reasoning_tokens'u günlüğe alın; böylece her effort düzeyinin maliyetini bir benchmark'ta değil kendi trafiğinizde görürsünüz. Modele 52 puan veren Artificial Analysis çalışmaları max effort ve görev başına yaklaşık 54.000 çıkış token'ı kullandı.

Responses API'de reasoning.summary'yi auto, concise veya detailed yaparak bir reasoning özeti isteyebilirsiniz. Özetler garantili değildir; dizi boş gelebilir. Ham reasoning asla döndürülmez.

Adım 4: Durumu turlar arasında taşıyın

Responses API iki mod sunar ve ikisi birleştirilemez.

Stateless encrypted replay Meta'nın önerisidir. store: false ve include: ["reasoning.encrypted_content"] gönderin, yanıtın döndürdüğü reasoning öğelerini saklayın ve bir sonraki turda bunları encrypted_content'leri ve bir summary alanıyla geri verin (boş dizi yeterlidir). Modelin akıl yürütmesi, Meta hiçbir şey saklamadan turu atlatır.

Server-managed history daha basittir: previous_response_id geçirin ve yalnızca yeni girdiyi gönderin. instructions'ın devralınmadığını unutmayın; sistem talimatlarınızı her istekte yeniden gönderin.

first = client.responses.create(model="muse-wonder-1.0", 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.")

Adım 5: Araçlar, yapılandırılmış çıktı ve web arama

Function tool'lar, Responses ve Chat Completions'da OpenAI biçimini izler. Muse Wonder araçları paralel çağırır ve başarısız araç çağrılarından kurtulmak üzere eğitilmiştir; Meta'nın lansman yazısının Active Focus ile kastettiği şeylerden biri de budur. Araçları bir JSON şemasıyla tanımlayın, modelin döndürdüğü function_call öğelerini yürütün ve geriye function_call_output öğeleri gönderin.

Kodunuzun ayrıştırabileceği bir yanıt için Responses'ta text.format'ı bir JSON şemasına ayarlayın. Güncel bilgi için Meta'nın barındırılan aramasını tools=[{"type": "web_search"}] ile ekleyin; bu, tokenlara ek olarak 1.000 sorgu başına $2.50 faturalanır. Diğer modeller için araç çağrılarını hâlihazırda test ediyorsanız Apidog'daki agent araç çağrısı harness'i burada da değişmeden çalışır: istek biçimi OpenAI'ınkiyle aynıdır.

Adım 6: Akıtın veya arka planda çalıştırın

stream: true ayarlayın ve olay akışını tüketin: response.created, response.output_item.added, response.output_text.delta, response.function_call_arguments.delta ve response.completed Bir hata response.failed ile biter. İstenirse reasoning özetleri response.reasoning_summary_text.delta olarak gelir.

Uzun işler için background: true gönderin. API, "status": "queued" ile onaylar; yaşam döngüsü olaylarını GET /v1/responses/{id}?stream=true üzerinden yoklar veya akıtırsınız. Background, POST üzerinde stream: true ile birleştirilemez, istek gövdesi 1 MiB ile sınırlıdır ve ekip başına dakikada 600 yeni background gönderimi için ayrı bir sınır vardır. POST /v1/responses/{id}/cancel ile iptal edin.

Adım 7: Tekrar edenleri önbelleğe alın

Önbelleğe alınmış giriş milyon başına $0.20'dir; $4'lük tarifenin %95 altındadır ve Meta bunu usage.input_tokens_details.cached_tokens içinde raporlar. Bunu kazandıran desen diğer sağlayıcılardakiyle aynıdır: sabit malzemeyi (sistem talimatları, araç tanımları, referans belgeler) başa, isteğe özel içeriği sona koyun. Prompt önbellekleme rehberi önek tasarımını anlatır. Önbelleğe yazma tarafını da izleyin: Artificial Analysis'in çalışmasında Wonder'ın görev başına $4.52 maliyetinin $1.92'si önbellek yazımlarıydı; bu, $1.44'lük önbellek isabetinden fazlaydı.

Muse Wonder API'yi Apidog'da test edin

Paylaşımlı bir Apidog projesi anahtarı sohbetlerin dışında tutar ve herkese aynı istekleri verir.

1. Bir ortam oluşturun: Meta Model API adında, base_url'i https://api.meta.ai/v1 olan ve MODEL_API_KEY'i bir gizli değişken olarak barındıran bir ortam. Gizli değerler arayüzde maskelenir ve asla dışa aktarılmaz.
2. Üç istek ekleyin, endpoint başına bir tane; her biri Authorization: Bearer {{MODEL_API_KEY}} içersin. low, medium ve max effort için Responses isteğini çoğaltın; böylece maliyeti yan yana karşılaştırırsınız.
3. Usage üzerinde doğrulama yapın. $.usage.output_tokens_details.reasoning_tokens ve $.usage.input_tokens_details.cached_tokens üzerine JSONPath doğrulamaları ekleyin. Önbelleğe vurması beklenen bir istekte cached tokens değerinin sıfır olması bir önek hatasıdır; üretime ulaşmadan yakalanır.
4. 429'u mock'layın. Meta'nın dokümanı, yaklaşık 500 ms'den başlayarak jitter'lı üstel geri çekilme önerir ve Retry-After'a saygı gösterilmesini ister. İstemcinizi bu başlıkla 429 döndüren bir Apidog mock'una yöneltin ve dakikada 3.000 isteklik sınırı ekibinizle paylaşmadan önce yeniden deneme mantığını kanıtlayın.
5. CI'da çalıştırın, Apidog CLI ile; böylece bir model veya fiyat değişikliği müşteriyi değil pipeline'ı düşürsün.

Apidog'u indirin ve yukarıdaki istek örneklerinden üç endpoint'i içe aktarın.

Sık sorulan sorular

Muse Wonder API'nin ücretsiz bir katmanı var mı? Hayır. Faturalama minimumsuz token başınadır; bir avuç test çağrısı kuruşlarla ölçülür ama ücretsiz kredi yoktur. En ucuz yolları ücretsiz erişim rehberi inceler.

API verilerim eğitim için kullanılıyor mu? API'nin Standard modunda hayır. Muse Code abonelikleri varsayılan olarak Contributor modundadır; o mod verilerinizi kullanır. Bu ayar Muse Code'da yaşar, API'de değil.

Muse Wonder Full'u API üzerinden kullanabilir miyim? Hayır. Çağrılabilir bir model kimliği ve token başına bir fiyatı yoktur. Yalnızca Muse Code Power ve Maximum aboneleri seçebilir.

Hız limitleri nelerdir, artırabilir miyim? Model başına dakikada 3.000 istek ve 4 milyon token; ekibinizdeki tüm anahtarlar üzerinden sayılır. Meta'nın fiyat sayfası ne bir katman ne de artırma süreci listeler. Hız limitleri yazısı sınırın altında kalmanın yolunu anlatır.

Sonraki adım

Yukarıdaki üç çağrıyı, ürününüzden gerçek bir görevle low, medium ve max effortta yapın ve varsayılanı seçmeden önce reasoning_tokens'u karşılaştırın. Faturanızın izleyeceği sayı $4'lük manşet değil, budur.