Meta: Muse Spark 1.1

Meta: Muse Spark 1.1 è un modello di ragionamento multimodale di Meta, identificato su api14 come meta/muse-spark-1.1. Meta lo posiziona per attività agentiche, ovvero lavori in cui ci si aspetta che il modello pianifichi, chiami strumenti e porti a termine un compito attraverso diversi passaggi invece di rispondere a una singola domanda. Si colloca nella categoria testo del catalogo ed è stato rilasciato dal provider il 16 luglio 2026.

Il modello accetta testo, immagini, video e file come input e restituisce testo. Questa combinazione lo rende un modello di ragionamento che puoi indirizzare verso qualcosa di più di una semplice chat: puoi fornirgli uno screenshot, una clip o un documento PDF insieme alle tue istruzioni. La finestra di contesto è di 1.048.576 token, quindi documenti lunghi o conversazioni estese rientrano in una singola richiesta. L'output massimo è di 943.718 token, una dimensione insolitamente grande che conta quando vuoi un report completo o un artefatto generato lungo in una sola chiamata invece di una risposta breve.

Queste capacità suggeriscono alcune forme pratiche di lavoro. Comprensione di documenti e video: invia un contratto, un articolo di ricerca o una registrazione e chiedi un riassunto, un'estrazione o una risposta a domande sull'intero contenuto. Pipeline agentiche: definisci gli strumenti, lascia che il modello scelga quando chiamarli e lascia che ragioni sui risultati intermedi. Estrazione strutturata: estrai campi da input misti verso JSON per i sistemi a valle. Generazione a lungo orizzonte: produci testo esteso, come una bozza di specifica, da un ampio insieme di materiale di partenza. Poiché il lato output è solo testo, usalo dove il risultato è testo scritto o strutturato, non dove hai bisogno di immagini o audio generati.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id del modello meta/muse-spark-1.1, quindi gli SDK e i client OpenAI esistenti funzionano con un base URL e un nome del modello cambiati. I parametri di richiesta supportati sono include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k e top_p. Il comportamento di ragionamento è controllato tramite i parametri reasoning, reasoning_effort e include_reasoning, l'uso degli strumenti tramite tools e tool_choice, e la forma dell'output tramite response_format e structured_outputs. Il campionamento si regola con temperature, top_p, top_k e repetition_penalty, e la lunghezza con max_tokens.

Due cose da tenere a mente quando decidi. La modalità di output è solo testo, quindi se la tua attività richiede immagini o voce generate, questo modello non è adatto. E i limiti di contesto e output sono generosi ma non infiniti, quindi input estremamente grandi richiedono comunque un taglio o una suddivisione in blocchi. Per attività di testo semplici e brevi, un modello di testo più piccolo e veloce può essere più semplice da gestire; Muse Spark 1.1 ha più senso quando hai bisogno di input multimodale, uso di strumenti o output molto lunghi in una singola richiesta.