Muse Wonder QuickSilver Pro पर
Muse Wonder व्यक्तिगत और पेशेवर agent काम के लिए Meta का frontier reasoning मॉडल है। यह 1M-token context पर text और image input लेता है। QuickSilver Pro पर प्रति दस लाख tokens $4.00 input / $20.00 output है, OpenRouter list के बराबर; cached input $0.20 प्रति दस लाख tokens है।
एक नज़र में
व्यक्तिगत और पेशेवर agent काम, coding और लंबे documents पर reasoning, 1M-token context के साथ।
Pricing तुलना ($/1M tokens)
| Provider | Input | Output | QSP की तुलना में |
|---|---|---|---|
| QuickSilver Pro | $4.00 | $20.00 | — |
| OpenRouter list price (meta/muse-wonder) | $4.00 | $20.00 | बराबर |
कब इस्तेमाल करें
Agent workflows, coding और बड़े documents या repositories पर reasoning के लिए Muse Wonder चुनें। इसका 1M-token context text और images, screenshots तथा diagrams स्वीकार करता है। Meta reports: max effort पर SWE-Marathon 53.1%, DeepSWE 78.8% और AutomationBench-AA 39.1%। Meta के chart में Muse Wonder पहले दो पर Claude Opus 5.5 और GPT-6 Astra से आगे है और AutomationBench-AA पर दोनों से पीछे है। ये vendor-reported परिणाम हैं, QuickSilver Pro की measurements नहीं।
कब कोई और model चुनें
सामान्य chat या बहुत सीमित output budget के लिए सस्ता मॉडल चुनें। Reasoning अनिवार्य है और output की तरह bill होती है, लेकिन reasoning text वापस नहीं आता। max_tokens reasoning सहित कुल output सीमित करता है: verified max_tokens=16 call में content खाली था और finish_reason length था। Reasoning और दिखाई देने वाले उत्तर दोनों के लिए पर्याप्त tokens दें। Forced tool calls या tool_choice none वाले workflows के लिए दूसरा मॉडल चाहिए।
Quickstart (curl)
curl https://api.quicksilverpro.io/v1/chat/completions \
-H "Authorization: Bearer $QSP_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "muse-wonder",
"messages": [{"role": "user", "content": "Hello!"}]
}'OpenAI-संगत। base_url बदलकर एक लाइन में migration।
FAQ
Meta reports: max effort पर SWE-Marathon 53.1%, DeepSWE 78.8% और AutomationBench-AA 39.1%। ये vendor-reported परिणाम Muse Wonder के हैं, स्वतंत्र QuickSilver Pro benchmarks नहीं।
नहीं। reasoning: {enabled: false} और reasoning effort none पर 400 मिलता है क्योंकि reasoning अनिवार्य है। reasoning.effort high स्वीकार होता है। Reasoning tokens output rate पर bill होते हैं और दिखाई देने वाले उत्तर से पहले max_tokens खर्च करते हैं, लेकिन reasoning text वापस नहीं आता। अधिकतम output 943,718 tokens है; 16-token cap से उत्तर खाली हो सकता है।
tool_choice auto इस्तेमाल करें। required, none और named function पर 400 मिलता है: tool_choice में केवल auto supported है। Strict response_format json_schema स्वीकार होता है और valid JSON लौटाता है। temperature, top_p और assistant prefill स्वीकार होते हैं। Muse Spark 1.3 की तरह streaming काम करने की अपेक्षा है।
QuickSilver Pro पर प्रति दस लाख tokens $4.00 input / $20.00 output और cached input $0.20 है, OpenRouter list के बराबर। एक verified 20-token prompt और 74 completion tokens, जिनमें 63 reasoning tokens थे, का खर्च $0.00156 था।
हाँ। Chat Completions या Responses के लिए base_url=https://api.quicksilverpro.io/v1 और model="muse-wonder" सेट करें। Text और images भेजें, automatic tool selection इस्तेमाल करें और अनिवार्य reasoning चालू रखें।