Meta: Muse Spark 1.1

Meta: Muse Spark 1.1 adalah model penalaran multimodal dari Meta, yang diidentifikasi di api14 sebagai meta/muse-spark-1.1. Meta memposisikannya untuk tugas agentic, yaitu pekerjaan di mana model diharapkan merencanakan, memanggil alat dan menjalankan tugas melalui beberapa langkah alih-alih menjawab satu pertanyaan. Model ini berada di kategori teks pada katalog, dan dirilis oleh penyedia pada 16 Juli 2026.

Model ini menerima teks, gambar, video dan file sebagai input, dan mengembalikan teks. Kombinasi itu menjadikannya model penalaran yang dapat Anda arahkan ke lebih dari sekadar obrolan biasa: Anda dapat memberinya tangkapan layar, klip atau dokumen PDF bersama instruksi Anda. Jendela konteksnya adalah 1.048.576 token, sehingga dokumen panjang atau percakapan yang diperpanjang muat dalam satu permintaan. Output maksimumnya adalah 943.718 token, yang luar biasa besar dan penting ketika Anda menginginkan laporan lengkap atau artefak yang dihasilkan panjang dalam satu panggilan alih-alih balasan singkat.

Kemampuan tersebut menunjukkan beberapa bentuk pekerjaan yang praktis. Pemahaman dokumen dan video: kirim kontrak, makalah penelitian atau rekaman dan minta ringkasan, ekstraksi atau tanya jawab atas keseluruhannya. Pipeline agentic: tentukan alat, biarkan model memilih kapan memanggilnya, dan biarkan model menalar di seluruh hasil antara. Ekstraksi terstruktur: tarik field dari input campuran ke JSON untuk sistem hilir. Generasi horizon panjang: hasilkan teks panjang, seperti draf spesifikasi, dari kumpulan materi sumber yang besar. Karena sisi output hanya teks, gunakan ini ketika hasil yang diinginkan adalah teks tertulis atau terstruktur, bukan ketika Anda membutuhkan gambar atau audio yang dihasilkan.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id meta/muse-spark-1.1, sehingga SDK dan klien OpenAI yang ada berfungsi dengan base URL dan nama model yang diubah. Parameter permintaan yang didukungnya adalah include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k dan top_p. Perilaku penalaran dikendalikan melalui parameter reasoning, reasoning_effort dan include_reasoning, penggunaan alat melalui tools dan tool_choice, dan bentuk output melalui response_format dan structured_outputs. Sampling disetel dengan temperature, top_p, top_k dan repetition_penalty, dan panjang dengan max_tokens.

Dua hal yang perlu diingat saat memutuskan. Modalitas outputnya hanya teks, jadi jika tugas Anda membutuhkan gambar atau suara yang dihasilkan, model ini bukan pilihan yang tepat. Dan batas konteks serta outputnya besar tetapi tidak tak terbatas, sehingga input yang sangat besar tetap perlu dipangkas atau dipecah menjadi beberapa bagian. Untuk tugas teks yang sederhana dan singkat, model teks yang lebih kecil dan lebih cepat mungkin lebih mudah dioperasikan; Muse Spark 1.1 paling masuk akal ketika Anda membutuhkan input multimodal, penggunaan alat atau output yang sangat panjang dalam satu permintaan.