Meta: Muse Glimmer 30B

Meta: Muse Glimmer 30B adalah model multimodal dense dengan bobot terbuka dari Meta, yang dikembangkan oleh Meta Superintelligence Labs. Model ini didistilasi dari Muse Spark dan dioptimalkan untuk agen otonom pada perangkat konsumen. Model ini berada di kategori teks dan diposisikan untuk pekerjaan berhorizon panjang, yang menjadikannya kandidat untuk aplikasi bergaya agen alih-alih tugas prompt dan respons sekali jalan.

Model ini menerima input teks dan gambar serta menghasilkan output teks. Jendela konteksnya adalah 131072 token, dan panjang output maksimumnya adalah 16384 token. Model ini mendukung penalaran, yang diungkapkan melalui parameter include_reasoning dan reasoning, bersama dengan reasoning_effort untuk mengendalikan seberapa banyak kerja penalaran yang dilakukan model. Karena model ini menangani gambar sekaligus teks, model ini dapat menerima tangkapan layar, diagram, atau materi visual lain sebagai bagian dari permintaan, meskipun semua yang dikembalikannya adalah teks.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Alur kerja agen berhorizon panjang adalah yang paling cocok, mengingat kombinasi jendela konteks yang besar, pemanggilan alat, dan kontrol penalaran. Penggunaan alat didukung melalui parameter tools dan tool_choice, sehingga model dapat dihubungkan ke loop pemanggilan fungsi. Output terstruktur dan response_format memungkinkan Anda membatasi balasan ke suatu skema, yang cocok untuk ekstraksi, klasifikasi, dan pipeline data. Input gambar memperluas ini ke tugas di mana model perlu membaca tangkapan layar atau gambar dokumen sebelum bertindak. Batas output 16384 token perlu diingat saat merencanakan proses agen multi-langkah, karena jejak penalaran yang panjang dan hasil alat menghabiskan anggaran tersebut.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "meta/muse-glimmer-30b". Parameter permintaan yang didukung adalah 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 dan top_p. Pengambilan sampel dapat disetel dengan temperature, top_p, top_k dan min_p, sementara seed, stop, logit_bias dan parameter penalti memberi Anda kontrol lebih halus atas determinisme dan pengulangan. Perilaku penalaran dikonfigurasi secara terpisah melalui parameter reasoning dan reasoning_effort.

Tidak ada keterbatasan yang dinyatakan selain batas output dan modalitas output yang hanya teks. Jika tugas Anda memerlukan input audio atau video, atau output dalam format non-teks, model ini tidak menyediakannya. Untuk prompt pendek yang sederhana yang tidak memerlukan alat, gambar, atau penalaran, model yang lebih kecil atau lebih sederhana mungkin menjadi pilihan yang lebih ekonomis, tetapi fakta di sini tidak mengidentifikasi alternatif tertentu.