Meta: Muse Spark 1.2 Contributor

Meta : Muse Spark 1.2 Contributor est un modèle de raisonnement de Meta, proposé sous forme de palier contributeur destiné aux développeurs qui veulent commencer à construire à moindre coût. Il appartient à la famille Muse Spark, et Meta positionne ce palier comme nettement moins cher que Muse Spark tout en conservant le comportement de raisonnement qui définit la gamme. C'est un modèle texte au sens où le texte est sa seule sortie, bien qu'il accepte plus que du texte en entrée.

Côté entrée, le modèle accepte du texte, des images, de la vidéo et des fichiers, et il produit une sortie texte. Sa fenêtre de contexte est de 1 048 576 tokens, et la sortie maximale est de 943 718 tokens. Comme c'est un modèle de raisonnement, il peut exposer son processus de raisonnement, et les paramètres pris en charge incluent include_reasoning, reasoning et reasoning_effort, qui vous permettent de contrôler si le raisonnement est renvoyé et combien d'effort y est consacré. Le comportement de génération est ajustable via max_tokens, temperature, top_p, top_k et repetition_penalty, et le modèle prend en charge response_format et structured_outputs pour contraindre la forme de la sortie. Il prend également en charge tools et tool_choice, il peut donc appeler des fonctions que vous définissez.

Ces capacités renvoient à quelques schémas pratiques. La très grande fenêtre de contexte convient aux travaux où vous devez garder sous les yeux à la fois un long document, une base de code, une transcription ou un ensemble de fichiers, plutôt que de découper et recoller les résultats. Les modalités d'entrée mixtes en font un bon choix pour les tâches qui combinent une question écrite avec une image, un clip vidéo ou un fichier joint, comme résumer une session enregistrée, extraire des détails d'une capture d'écran, ou répondre à des questions fondées sur un document que vous fournissez. L'appel d'outils et les sorties structurées le rendent utilisable comme étape de raisonnement au sein d'un agent ou d'un pipeline, où il décide quelle fonction appeler et renvoie une forme JSON prévisible. Les contrôles de raisonnement vous permettent d'augmenter l'effort pour les problèmes difficiles et de le réduire pour les tâches de routine.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'id de modèle "meta/muse-spark-1.2-contributor". Comme l'interface suit la forme des chat completions d'OpenAI, les SDK et clients OpenAI existants fonctionnent avec un changement d'URL de base et de clé API. Les paramètres de requête pris 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. Si vous voulez récupérer les traces de raisonnement, définissez include_reasoning ; si vous voulez un schéma de sortie fixe, utilisez response_format ou structured_outputs ; si vous voulez que le modèle appelle vos fonctions, passez tools et tool_choice.

Une chose à garder en tête est que la sortie est uniquement du texte, donc si vous avez besoin d'images générées, d'audio ou d'autres modalités, ce modèle n'est pas le bon choix. C'est aussi un palier contributeur, que Meta décrit comme un point d'entrée à moindre coût dans la famille Muse Spark, donc si vous avez besoin du modèle Muse Spark complet plutôt que de la variante contributeur, c'est l'alternative à envisager.