Meta: Muse Glimmer 30B

Meta : Muse Glimmer 30B est un modèle multimodal dense à poids ouverts de Meta, développé par Meta Superintelligence Labs. Il est distillé à partir de Muse Spark et optimisé pour les agents autonomes sur du matériel grand public. Il appartient à la catégorie texte et est positionné pour le travail sur un horizon long, ce qui en fait un candidat pour les applications de type agent plutôt que pour les tâches ponctuelles de type invite et réponse.

Le modèle accepte des entrées texte et image et produit une sortie texte. Sa fenêtre de contexte est de 131072 tokens, et la longueur maximale de sortie est de 16384 tokens. Il prend en charge le raisonnement, exposé via les paramètres include_reasoning et reasoning, ainsi que reasoning_effort pour contrôler la quantité de travail de raisonnement effectuée par le modèle. Comme il traite les images en plus du texte, il peut prendre des captures d'écran, des diagrammes ou d'autres éléments visuels dans le cadre d'une requête, bien que tout ce qu'il renvoie soit du texte.

Ces capacités indiquent quelques usages pratiques. Les flux de travail d'agents sur un horizon long constituent l'usage le plus évident, étant donné la combinaison d'une grande fenêtre de contexte, de l'appel d'outils et des contrôles de raisonnement. L'utilisation d'outils est prise en charge via les paramètres tools et tool_choice, de sorte que le modèle peut être intégré dans des boucles d'appel de fonctions. Les sorties structurées et response_format permettent de contraindre les réponses à un schéma, ce qui convient à l'extraction, à la classification et aux pipelines de données. L'entrée d'images étend cela à des tâches où le modèle doit lire une capture d'écran ou l'image d'un document avant d'agir. Le plafond de sortie de 16384 tokens mérite d'être gardé à l'esprit lors de la planification d'exécutions d'agents à plusieurs étapes, car les longues traces de raisonnement et les résultats d'outils consomment ce budget.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "meta/muse-glimmer-30b". Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, logit_bias, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k et top_p. L'échantillonnage peut être ajusté avec temperature, top_p, top_k et min_p, tandis que seed, stop, logit_bias et les paramètres de pénalité offrent un contrôle plus fin sur le déterminisme et la répétition. Le comportement de raisonnement se configure séparément via les paramètres reasoning et reasoning_effort.

Il n'y a pas de limitation déclarée au-delà du plafond de sortie et de la modalité de sortie texte uniquement. Si votre tâche nécessite une entrée audio ou vidéo, ou une sortie dans un format non textuel, ce modèle ne la fournit pas. Pour des invites courtes et simples qui n'ont pas besoin d'outils, d'images ou de raisonnement, un modèle plus petit ou plus simple peut être un choix plus économique, mais les faits présentés ici n'identifient pas d'alternative spécifique.