Meta: Muse Spark 1.2

Meta: Muse Spark 1.2 è un modello di ragionamento di Meta, progettato per compiti agentici complessi. Si colloca nella categoria testo, e Meta lo posiziona su carichi di lavoro in cui il modello deve pianificare, ragionare passo dopo passo e agire, invece di rispondere semplicemente a una singola domanda. Se stai scegliendo un modello per un agente che deve operare su più turni e strumenti, questa è la classe di modello per cui Meta lo intende.

Il modello accetta input di testo, immagini, video e file, e restituisce testo. La sua finestra di contesto è di 1.048.576 token, con un output massimo di 943.718 token. Questa combinazione conta per il lavoro agentico: un contesto ampio ti permette di mantenere in vista trascrizioni lunghe, documenti o contenuti derivati da media, e un tetto di output elevato significa che il modello non è costretto a comprimere un piano o un report lungo in una risposta breve. Il ragionamento fa parte del design del modello, e l'API espone i controlli per esso.

I casi d'uso pratici derivano da queste capacità. Poiché accetta immagini, video e file insieme al testo, puoi costruire agenti che esaminano un insieme di documenti e una registrazione dello schermo, poi producono un'analisi scritta o un piano. Il contesto lungo si adatta a ricerca multi-step, analisi di codebase o log, e flussi di lavoro in cui i risultati precedenti degli strumenti devono rimanere disponibili. Il tool calling e gli output strutturati lo rendono una scelta ragionevole per l'orchestrazione, dove il modello decide quale strumento chiamare e restituisce risultati leggibili dalla macchina. I controlli di ragionamento ti permettono di scambiare velocità con profondità a seconda del compito.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando il model id "meta/muse-spark-1.2". 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. In pratica, tools e tool_choice guidano i cicli agentici, response_format e structured_outputs vincolano la forma della risposta, e i parametri di ragionamento regolano quanto ragionamento interno svolge il modello. Poiché l'interfaccia è compatibile con OpenAI, i client e gli SDK esistenti in genere funzionano cambiando solo il model id.

Un limite da tenere a mente è la modalità di output: il modello restituisce solo testo, quindi non può generare immagini o video anche se è in grado di leggerli. Se il tuo compito è pura generazione di testo in forma breve, un modello più piccolo può essere più semplice e più veloce. Per il lavoro agentico a contesto lungo, multimodale e con uso di strumenti, Muse Spark 1.2 è mirato esattamente a questo.