Meta: Muse Spark 1.3 Contributor

Meta: Muse Spark 1.3 Contributor è un modello di ragionamento multimodale incentrato sul testo di Meta. Si colloca nel livello contributor della linea Muse Spark 1.3, che Meta descrive come il livello economicamente vantaggioso pensato per la sperimentazione, l'apprendimento e i flussi di lavoro agentici, multi-agente e di coding in fase iniziale. La data di rilascio del provider è 2026-09-02. Se stai valutando modelli per un progetto che deve ragionare su media misti anziché solo su testo semplice, questo è il punto di ingresso che Meta offre in quella famiglia.

Il modello accetta input di testo, immagini, video e file, e restituisce testo. La sua finestra di contesto è di 1.048.576 token, e l'output massimo è di 943.718 token. Questa combinazione è importante per carichi di lavoro in cui l'input è grande e anche la risposta attesa è lunga, come riassumere una lunga registrazione, estrarre dati strutturati da una pila di documenti, o mantenere uno stato di lavoro prolungato attraverso un'attività a più passaggi. Il comportamento di ragionamento è esposto anziché nascosto: i parametri supportati includono reasoning, reasoning_effort e include_reasoning, così puoi controllare quanta deliberazione interna compie il modello e se tale deliberazione ti viene restituita.

Queste capacità indicano alcuni usi pratici. L'analisi di documenti e media è una scelta naturale, poiché puoi passare file, immagini o video insieme a un prompt testuale e chiedere un risultato scritto. I flussi di lavoro di coding e agentici sono un'altra, aiutati dal tool calling e dagli output strutturati, che consentono al modello di invocare funzioni e restituire risposte in uno schema che definisci tu. Le configurazioni multi-agente possono usare le stesse funzionalità per scambiare messaggi strutturati tra agenti. Poiché il modello è posizionato per la sperimentazione e il lavoro in fase iniziale, si adatta anche alla prototipazione di una pipeline prima di impegnarsi con un modello più pesante.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id del modello "meta/muse-spark-1.3-contributor". 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 imposti il campo model su quell'id, invii i tuoi messaggi e aggiungi quelli tra questi parametri che servono al tuo carico di lavoro, ad esempio tools e tool_choice per il function calling, oppure response_format e structured_outputs quando ti serve indietro una forma prevedibile.

Un limite da tenere a mente è che l'output è solo testo, quindi le attività che richiedono la generazione di immagini, audio o video sono fuori ambito qui. Il livello contributor è inoltre descritto come economicamente vantaggioso e pensato per la sperimentazione, l'apprendimento e i flussi di lavoro in fase iniziale, il che suggerisce che i carichi di lavoro di produzione con le esigenze di qualità più rigorose potrebbero essere serviti meglio da un livello superiore nella stessa famiglia. Se i tuoi input sono solo testo e le tue esigenze di contesto sono modeste, un modello di testo più piccolo potrebbe essere più semplice da gestire.