Muse Wonder 入门

Muse Wonder 是 Meta 的多模态推理模型，可以结合不同类型的材料，回答问题、分析文档和辅助编程。Meta 于 2026 年 10 月 12 日发布了这个系列。官方介绍

实际工作里的材料经常混在一起：任务写在文字里，流程画在图片里，补充说明又放在录音里。使用模型前，首先要弄清楚这些材料应该怎样交给它。

下面从一个小任务开始，依次介绍 Muse Wonder 是什么、怎样在线体验、怎样调用 API，以及如何看懂费用。

一、先从一个具体场景开始

假设你要整理一次项目讨论。手边有几行进度记录、一张流程图，以及一份 PDF 方案。你希望得到一段说明：已经完成什么，还有哪些问题，以及下一步应该做什么。

所谓「多模态（multimodal）」，就是模型可以处理多种信息形式。这个场景里，文字、图片和 PDF 都是输入；你要求的总结是输出。

OpenRouter 的 Muse Wonder 模型目录列出了文本、图片、视频、音频和 PDF 输入，输出为文本，上下文窗口为 1,048,576 tokens。音频等能力应以实际使用的服务入口为准。模型目录

手里的材料	可以提出的问题
文本记录	提取进度、负责人和待办事项
图片或截图	解释流程、表格或界面信息
视频	概括片段中的事件
音频	总结录音中的主要内容
PDF	根据文档回答具体问题

Meta 还发布了 Muse Wonder Full。官方将普通 Muse Wonder 提供给 Meta Model API 和 Muse Code，将 Full 提供给特定 Muse Code 订阅计划。本文使用的模型 ID 是 meta/muse-wonder。开发者说明

二、用四步理解一次调用

先把过程拆成四步。

（1）准备问题，以及回答它真正需要的材料。

（2）把文字和附件组织成一条消息。

（3）把消息发给模型，等待处理。

（4）读取文本回答，同时查看输入、输出和费用。

API 里的「消息（message）」就是一次发言。纯文本可以直接放进 content；加入图片等材料时，content 就改成由多个内容片段组成的数组。

这个区别理解了，后面的请求就容易看懂。

三、先用在线界面体验

如果希望先验证自己的材料是否适合这类模型，可以使用我们的 Decisions API 多模态 Playground。它把在线对话、附件输入、用量显示和后续 API 接入放在同一个产品里。先从 Muse Wonder 模型页 查看能力、价格和当前限制，再开始测试。

操作顺序如下。

（1）登录账户，并确认有足够的 credits。发送请求前，服务会预留一部分余额。

（2）第一次先发送纯文本。例如，提供「周二完成接口，周三开始联调，移动端登录仍待修复」这段记录，再要求模型整理「已完成事项、问题和下一步」。

（3）需要图片时，点击「添加媒体」，选择一张清楚的图片。也可以保存本文的概念插图，用它测试信息流程的理解。

（4）输入「请概括附件中的信息流程，并分别列出支持的输入和最终输出」，把最大输出先设为 256，然后发送。

这里保留的是已填写问题、已选择附件的真实界面，尚未发送请求。

回复后，可以查看 token 用量和扣除的 credits。需要追问时，在同一个对话里补充条件；切换到另一项任务时，使用「新对话」。

四、用 API 发出第一条消息

在线体验之后，再把相同的任务接进自己的程序。先在账户的 API Keys 页面 创建密钥，并将它保存为本机环境变量 DECISIONS_API_KEY。浏览器里的前端代码不要直接保存这个密钥。

下面是一个完整的文本请求，可以在终端运行。先将 YOUR_API_KEY 替换为刚创建的密钥。

export DECISIONS_API_KEY='YOUR_API_KEY'

curl --fail-with-body -sS https://decisions-api.dev/v1/chat/completions \
  -H "Authorization: Bearer $DECISIONS_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "meta/muse-wonder",
    "messages": [{
      "role": "user",
      "content": "Project notes: API finished Tuesday; integration starts Wednesday; mobile login still needs a fix. Summarize completed work, blockers, and next steps."
    }],
    "max_completion_tokens": 256,
    "stream": false
  }'

上面代码中，model 选择具体模型，messages 提供任务和材料。max_completion_tokens 限制单次输出的 token 数量；本站当前使用 stream: false，一次返回完整响应。

这个请求使用本站的密钥和地址。如果改用 Meta 或 OpenRouter 的直接接口，需要同时按对应文档修改地址、密钥和模型命名。

五、把图片、视频或音频放进消息

先看图片。保留前面的请求结构，把用户消息的 content 替换为下面的数组。

[
  { "type": "text", "text": "Explain this diagram. List its inputs and output." },
  {
    "type": "image_url",
    "image_url": { "url": "https://img.lovableapp.org/articles/muse-wonder-guide/multimodal-overview-38f8303c04a35bfc.webp" }
  }
]

上面代码中，第一个片段提出问题，第二个片段提供图片。示例 URL 指向本文的原创概念插图，可以替换成自己的公开 HTTPS 图片地址。

其他媒体使用相同的「文字问题 + 媒体片段」结构，字段各有不同。

输入	内容片段类型	媒体数据放在哪里
图片	image_url	image_url.url，使用公开 HTTPS URL 或支持的 data URL
视频	video_url	video_url.url，使用公开 HTTPS URL 或支持的 data URL
音频	input_audio	input_audio.data 放 base64，format 写音频格式
PDF	file	file.filename 写 PDF 文件名，file.file_data 放 URL 或 PDF data URL

例如，Python 可以把本地 WAV 音频转换为请求所需的内容片段。

import base64
from pathlib import Path

audio = base64.b64encode(Path("meeting.wav").read_bytes()).decode("ascii")
part = {"type": "input_audio", "input_audio": {"data": audio, "format": "wav"}}

上面代码中，data 只包含 base64 数据，不带 data: 前缀。把 part 加入用户消息的 content 数组，并在它前面放一段说明任务的文本即可。

OpenRouter 对多模态请求也采用这种按类型组织内容的方式；使用前还要确认选定模型和服务支持对应输入。多模态文档

六、读懂回答和费用

把响应 JSON 解析为 result 后，可以先读取下面几个字段。

console.log(result.choices[0].message.content);
console.log(result.usage.prompt_tokens, result.usage.completion_tokens);
console.log(result.credits_used, result.charged_cost_usd);

上面代码中，第一行读取文本回答，第二行读取输入和输出 tokens，第三行读取本站实际扣除的 credits 和对应美元金额。后两个字段是本站的计费扩展。

Token 是模型计量文本等输入、输出的单位，不能简单等同于字数或文件大小。加入媒体、增加历史消息，都会影响一次请求的实际用量。

截至 2026 年 10 月 13 日，价格对照如下。单位为美元 / 百万 tokens。OpenRouter 价格

用量类型	OpenRouter 公布价格	本站展示价格
输入	$4.00	$5.72
缓存读取	$0.20	$0.29
输出	$20.00	$28.58

举例来说，1,000 个非缓存输入 tokens，加上 200 个输出 tokens，按本站展示费率粗算约为 $0.0114。实际按上游报告成本结算，并向上取整为 credits；这个例子在无额外费用时约扣 115 credits，也就是 $0.0115。

预留金额与最后扣款可能不同。预留需要覆盖预计输入和允许的最大输出，完成后再按实际用量结算；每次成功请求最低扣除 1 credit。长对话每轮还会重新提交历史消息，所以追问也有输入成本。

七、第一次使用时，记住几个边界

模型的上游上下文为约 100 万 tokens，本站还有独立的请求限制：最多 40 条消息、256 KiB 文本、8 个附件；内嵌附件单个不超过 4 MiB，总计不超过 8 MiB。单次输出上限为 8,192 tokens。

内嵌图片支持 PNG、JPEG、WebP；视频支持 MP4、MPEG、MOV、WebM；Playground 音频支持 WAV、MP3、AIFF、AAC、OGG、FLAC、M4A。先用一个小文件确认流程，再逐步增加材料。

Meta 介绍的工具使用和跨对话记忆，需要相应应用配合。本站当前接入的是消息与媒体对话，客户端需要提交历史消息；刷新 Playground 会清空当前页面的对话。传入 tools 或 response_format 也不会在当前中转中启用对应功能。

遇到错误时，先检查 HTTP 状态：401 通常需要检查登录或 API Key，402 表示余额不足以完成预留，400 则应检查参数和媒体格式。API 响应的 error.message 会提供更具体的线索。

开始时，一个小任务就够了：给出清楚的问题，提供必要材料，限制回答长度，再核对结果是否符合原始材料。掌握这个过程后，就可以把同样的消息结构接入自己的应用。

（完）