Meta: Muse Spark 1.3 Contributor

Meta: Muse Spark 1.3 Contributor ist ein textfokussiertes multimodales Reasoning-Modell von Meta. Es gehört zur Contributor-Stufe der Muse Spark 1.3 Linie, die Meta als die kosteneffiziente Stufe beschreibt, die auf Experimentieren, Lernen und frühe agentische, Multi-Agenten- und Coding-Workflows ausgerichtet ist. Das Veröffentlichungsdatum des Anbieters ist der 2026-09-02. Wenn Sie Modelle für ein Projekt bewerten, das über gemischte Medien statt nur über reinen Text reasoning betreiben muss, ist dies der Einstiegspunkt, den Meta in dieser Familie anbietet.

Das Modell akzeptiert Text-, Bild-, Video- und Datei-Eingaben und gibt Text zurück. Sein Kontextfenster beträgt 1,048,576 Tokens, und die maximale Ausgabe beträgt 943,718 Tokens. Diese Kombination ist wichtig für Workloads, bei denen die Eingabe groß und die erwartete Antwort ebenfalls lang ist, etwa beim Zusammenfassen einer langen Aufzeichnung, beim Extrahieren strukturierter Daten aus einem Stapel von Dokumenten oder beim Halten eines umfangreichen Arbeitszustands über eine mehrstufige Aufgabe hinweg. Das Reasoning-Verhalten wird offengelegt statt verborgen: Zu den unterstützten Parametern gehören reasoning, reasoning_effort und include_reasoning, sodass Sie steuern können, wie viel interne Abwägung das Modell vornimmt und ob diese Abwägung an Sie zurückgegeben wird.

Diese Fähigkeiten deuten auf einige praktische Anwendungen hin. Dokumenten- und Medienanalyse passt natürlich, da Sie Dateien, Bilder oder Videos zusammen mit einem Text-Prompt übergeben und ein schriftliches Ergebnis anfordern können. Coding- und agentische Workflows sind ein weiterer Bereich, unterstützt durch Tool Calling und strukturierte Ausgaben, mit denen das Modell Funktionen aufrufen und Antworten in einem von Ihnen definierten Schema zurückgeben kann. Multi-Agenten-Setups können dieselben Funktionen nutzen, um strukturierte Nachrichten zwischen Agenten weiterzugeben. Da das Modell für Experimentieren und frühe Arbeiten positioniert ist, eignet es sich auch für das Prototyping einer Pipeline, bevor Sie sich auf ein schwereres Modell festlegen.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "meta/muse-spark-1.3-contributor" auf. Die unterstützten Anfrageparameter sind include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k und top_p. In der Praxis setzen Sie das Feld model auf diese ID, senden Ihre Nachrichten und fügen diejenigen dieser Parameter hinzu, die Ihr Workload benötigt, zum Beispiel tools und tool_choice für Function Calling oder response_format und structured_outputs, wenn Sie eine vorhersehbare Form zurückerhalten möchten.

Eine Einschränkung sollten Sie beachten: Die Ausgabe ist nur Text, sodass Aufgaben, die das Generieren von Bildern, Audio oder Video erfordern, hier nicht abgedeckt sind. Die Contributor-Stufe wird außerdem als kosteneffizient und auf Experimentieren, Lernen und frühe Workflows ausgerichtet beschrieben, was darauf hindeutet, dass Produktions-Workloads mit den strengsten Qualitätsanforderungen möglicherweise besser von einer höheren Stufe derselben Familie bedient werden. Wenn Ihre Eingaben nur Text sind und Ihr Kontextbedarf moderat ist, kann ein kleineres Textmodell einfacher zu betreiben sein.