Meta: Muse Spark 1.2

メタ: Muse Spark 1.2はMetaの推論モデルで、複雑なエージェントタスク向けに作られています。テキストカテゴリに属し、Metaはこれを、単に1つの質問に答えるのではなく、モデルが計画を立て、手順を推論し、行動する必要があるワークロードに位置づけています。複数のターンとツールにまたがって動作する必要があるエージェント向けにモデルを選ぶなら、これはMetaが想定しているクラスのモデルです。

このモデルはテキスト、画像、動画、ファイルの入力を受け付け、テキストを返します。コンテキストウィンドウは1,048,576トークンで、最大出力は943,718トークンです。この組み合わせはエージェント作業にとって重要です。大きなコンテキストがあれば、長いトランスクリプト、ドキュメント、メディア由来のコンテンツを視野に保持でき、大きな出力上限があれば、長い計画やレポートを短い返答に圧縮することを強いられません。推論はモデルの設計の一部であり、APIはそのための制御を公開しています。

実用的なユースケースはこれらの能力から導かれます。テキストと一緒に画像、動画、ファイルを受け取るため、ドキュメント一式と画面録画をレビューし、その後で書面による分析や計画を生成するエージェントを構築できます。長いコンテキストは、多段階のリサーチ、コードベースやログの分析、以前のツール結果を利用可能なまま保持する必要があるワークフローに適しています。ツール呼び出しと構造化出力により、モデルがどのツールを呼び出すかを決め、機械可読な結果を返すオーケストレーションに合理的に適合します。推論の制御により、タスクに応じて速度と深さをトレードオフできます。

呼び出しはapi14のOpenAI互換APIを通じて、モデルID「meta/muse-spark-1.2」を使用して行います。サポートされるリクエストパラメータは、include_reasoning、max_tokens、reasoning、reasoning_effort、repetition_penalty、response_format、structured_outputs、temperature、tool_choice、tools、top_k、top_pです。実際には、toolsとtool_choiceがエージェントループを駆動し、response_formatとstructured_outputsが返答の形を制約し、reasoningパラメータがモデルが行う内部推論の量を調整します。インターフェースがOpenAI互換であるため、既存のクライアントやSDKは通常、モデルIDを変更するだけで動作します。

留意すべき1つの制限は出力モダリティです。このモデルはテキストのみを返すため、画像や動画を読み取れても、それらを生成することはできません。タスクが純粋に短いテキスト生成であれば、より小さなモデルの方が単純で高速な場合があります。長いコンテキスト、マルチモーダル、ツールを使用するエージェント作業には、Muse Spark 1.2はまさにそこを狙っています。