Meta: Muse Spark Open

Meta: Muse Spark Open adalah model teks dari Meta, dirilis pada 15 Oktober 2026. Model ini digambarkan sebagai model open-weight yang dioptimalkan untuk coding, dilatih khusus untuk alur kerja coding agentic. Fokus tersebut terlihat pada tujuan yang dinyatakan, yaitu akurasi percobaan pertama yang lebih tinggi, pemanggilan tool yang andal, dan pemahaman mendalam tentang basis kode di seluruh repositori tempat pengembang bekerja. Jika Anda membangun perkakas pengembang atau mengotomatiskan pekerjaan di dalam repositori yang sudah ada, model ini diarahkan langsung untuk konteks tersebut, bukan hanya untuk obrolan umum.

Pada sisi input, Muse Spark Open menerima teks, gambar, video, file, dan audio, sedangkan outputnya hanya teks. Jendela konteksnya adalah 1.048.576 token, dan output maksimumnya 943.718 token. Kombinasi konteks yang sangat besar dan anggaran output yang sangat besar berarti Anda dapat memasukkan sumber yang panjang, seperti file besar atau transkrip yang diperluas, dan masih menyisakan ruang untuk respons yang dihasilkan secara substansial. Dukungan input multimodal perlu diperhatikan untuk pekerjaan coding: tangkapan layar, file desain, rekaman walkthrough, dan catatan audio semuanya dapat menjadi bagian dari permintaan yang sama dengan teks di sekitarnya.

Kegunaan praktisnya mengikuti kemampuan tersebut. Alur kerja coding agentic adalah yang paling cocok, karena model ini dilatih untuk pemanggilan tool dan pemahaman basis kode, yang sesuai untuk tugas seperti menavigasi repositori, merencanakan perubahan multi-langkah, dan memanggil tool sebagai bagian dari sebuah loop. Konteks yang besar membantu ketika suatu tugas bergantung pada banyak file atau riwayat langkah sebelumnya yang panjang. Karena gambar, video, audio, dan file diterima sebagai input, Anda juga dapat membangun alur yang mengubah rekaman layar, mockup UI, atau laporan bug lisan menjadi output teks seperti ringkasan tertulis, deskripsi patch, atau laporan terstruktur. Kontrol penalaran dan output terstruktur membuatnya dapat digunakan dalam pipeline di mana hasilnya harus diurai, bukan dibaca oleh manusia.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "meta/muse-spark-open". Parameter permintaan yang didukung adalah frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs, dan top_p. Dalam praktiknya, itu berarti Anda dapat menyetel sampling dengan temperature, top_p, top_k, dan min_p, menerapkan penalti, membatasi respons dengan max_tokens, membatasi output dengan response_format atau structured_outputs, dan menyiapkan pemanggilan fungsi dengan tools dan tool_choice. Parameter reasoning dan reasoning_effort, bersama dengan include_reasoning, memungkinkan Anda mengontrol seberapa banyak penalaran internal yang diungkapkan atau diminta, dan seed plus logprobs atau top_logprobs mendukung generasi yang dapat direproduksi atau diperiksa.

Satu batasan yang perlu diingat adalah outputnya hanya teks, jadi tugas apa pun yang membutuhkan gambar, audio, atau video yang dihasilkan akan memerlukan model lain. Model ini juga secara eksplisit dioptimalkan untuk coding, jadi untuk pekerjaan yang tidak terkait dengan kode atau penggunaan tool agentic, model teks serbaguna mungkin menjadi pilihan yang lebih sederhana.