Meta: Muse Spark 1.3

Meta: Muse Spark 1.3 adalah model penalaran multimodal dari Meta, dibangun untuk alur kerja agentic, multi-agent, dan coding yang berjalan lama. Ini adalah model teks dalam arti outputnya berupa teks, tetapi ia menerima lebih dari sekadar teks pada sisi masukan. Meta memposisikannya pada kemampuan melacak informasi di seluruh tugas yang diperpanjang dan menyelesaikan masalah seiring waktu, itulah sebabnya kerangka agentic menjadi penting: model ini dimaksudkan untuk berada di dalam sebuah loop, bukan menjawab satu pertanyaan tunggal yang terisolasi.

Pada sisi masukan, Muse Spark 1.3 menerima teks, gambar, video, dan file, dan ia mengembalikan teks. Jendela konteksnya adalah 1,048,576 token, dengan output maksimum 943,718 token. Kombinasi anggaran masukan yang sangat besar dan anggaran output yang sangat besar tidak biasa dan membentuk untuk apa model ini cocok. Ia dapat menerima dokumen panjang, media, dan riwayat percakapan yang terakumulasi, dan ia dapat menghasilkan jawaban terstruktur yang panjang, rencana, atau kode tanpa terpotong lebih awal. Penalaran adalah bagian kelas satu dari model ini: parameter yang didukung mencakup reasoning, reasoning_effort, dan include_reasoning, sehingga Anda dapat mengontrol seberapa banyak kerja internal yang terjadi dan apakah penalaran tersebut ditampilkan kembali kepada Anda.

Kasus penggunaan praktis mengikuti dari kemampuan tersebut. Agen berhorizon panjang yang perlu mempertahankan status di banyak langkah sangat cocok, begitu pula pengaturan multi-agent di mana satu model mengoordinasikan atau meninjau pekerjaan model lain. Alur kerja coding diuntungkan oleh anggaran output yang besar, karena kode yang dihasilkan, diff, dan penjelasan dapat dikembalikan dalam satu respons. Karena gambar, video, dan file diterima sebagai masukan, model ini juga dapat menangani tugas yang mencampur media dengan teks, seperti meninjau rekaman layar bersama laporan bug, atau mengerjakan dokumen beserta diagram pendukungnya. Apa pun yang memerlukan pembacaan banyak materi lalu penulisan banyak kembali adalah sasaran model ini.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "meta/muse-spark-1.3". Parameter permintaan yang didukung adalah include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k, dan top_p. Dalam praktiknya itu berarti Anda dapat menyetel sampling dengan temperature, top_p, dan top_k, mengurangi pengulangan dengan repetition_penalty, membatasi respons dengan max_tokens, dan mengarahkan kedalaman penalaran dengan reasoning_effort. Untuk penggunaan tool, tools dan tool_choice tersedia, dan untuk balasan yang dapat dibaca mesin Anda dapat menggunakan response_format atau structured_outputs. Jika Anda ingin penalaran model dikembalikan dalam respons, setel include_reasoning.

Hal utama yang perlu dipertimbangkan adalah bahwa ini adalah model dengan output teks. Jika tugas Anda memerlukan gambar, audio, atau output non-teks lain yang dihasilkan, Muse Spark 1.3 tidak akan menghasilkannya, meskipun ia dapat membaca gambar, video, dan file sebagai masukan. Batas konteks dan output yang sangat besar juga berarti permintaan dapat mahal dalam hal latensi dan sumber daya, jadi untuk panggilan singkat, sederhana, dan bervolume tinggi, model yang lebih kecil dan lebih cepat mungkin menjadi pilihan yang lebih baik. Gunakan Muse Spark 1.3 ketika tugasnya panjang, multimodal pada sisi masukan, agentic, atau berat kode, dan ketika Anda memerlukan ruang untuk berpikir dan menulis secara panjang.