Meta: Muse Spark 1.1

Meta : Muse Spark 1.1 est un modèle de raisonnement multimodal de Meta, identifié sur api14 comme meta/muse-spark-1.1. Meta le positionne pour les tâches agentiques, c'est-à-dire le travail où le modèle est censé planifier, appeler des outils et mener une tâche sur plusieurs étapes plutôt que de répondre à une seule question. Il figure dans la catégorie texte du catalogue, et il a été publié par le fournisseur le 16 juillet 2026.

Le modèle accepte le texte, les images, la vidéo et les fichiers en entrée, et renvoie du texte. Cette combinaison en fait un modèle de raisonnement que vous pouvez pointer vers bien plus qu'un simple chat : vous pouvez lui confier une capture d'écran, un clip ou un document PDF en plus de vos instructions. La fenêtre de contexte est de 1 048 576 tokens, donc les documents longs ou les conversations étendues tiennent dans une seule requête. La sortie maximale est de 943 718 tokens, ce qui est inhabituellement élevé et compte lorsque vous voulez un rapport complet ou un long artefact généré en un seul appel plutôt qu'une réponse courte.

Ces capacités suggèrent quelques formes pratiques de travail. Compréhension de documents et de vidéos : envoyez un contrat, un article de recherche ou un enregistrement et demandez un résumé, une extraction ou des réponses à des questions sur l'ensemble. Pipelines agentiques : définissez des outils, laissez le modèle choisir quand les appeler, et laissez-le raisonner sur les résultats intermédiaires. Extraction structurée : extrayez des champs d'entrées mixtes vers du JSON pour les systèmes en aval. Génération sur long horizon : produisez du texte long, comme un projet de spécification, à partir d'un vaste corpus de documents sources. Comme le côté sortie est uniquement textuel, utilisez-le lorsque le livrable est du texte écrit ou structuré, pas lorsque vous avez besoin d'images ou d'audio générés.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle meta/muse-spark-1.1, donc les SDK et clients OpenAI existants fonctionnent avec une URL de base et un nom de modèle modifiés. Les paramètres de requête qu'il prend en charge sont include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k et top_p. Le comportement de raisonnement est contrôlé via les paramètres reasoning, reasoning_effort et include_reasoning, l'utilisation d'outils via tools et tool_choice, et la forme de la sortie via response_format et structured_outputs. L'échantillonnage se règle avec temperature, top_p, top_k et repetition_penalty, et la longueur avec max_tokens.

Deux choses à garder en tête au moment de décider. La modalité de sortie est uniquement textuelle, donc si votre tâche nécessite des images ou de la parole générées, ce modèle n'est pas adapté. Et les plafonds de contexte et de sortie sont généreux mais pas infinis, donc les entrées extrêmement volumineuses nécessitent encore un élagage ou un découpage en segments. Pour les tâches textuelles simples et courtes, un modèle texte plus petit et plus rapide peut être plus simple à exploiter ; Muse Spark 1.1 a surtout du sens lorsque vous avez besoin d'une entrée multimodale, de l'utilisation d'outils ou de sorties très longues en une seule requête.