Meta: Muse Spark 1.3

Meta: Muse Spark 1.3は、Metaによるマルチモーダル推論モデルであり、長時間実行されるエージェント型、マルチエージェント、およびコーディングのワークフロー向けに構築されています。出力がテキストであるという意味ではテキストモデルですが、入力時にはテキスト以外も受け付けます。Metaはこれを、拡張されたタスク間で情報を追跡し、時間をかけて問題を解き進めること around に位置づけています。だからこそエージェント型という枠組みが重要になります。これは、単一の孤立した質問に答えるというよりも、ループの中に収まることを意図したモデルです。

入力側では、Muse Spark 1.3はテキスト、画像、動画、ファイルを受け付け、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。非常に大きな入力予算と非常に大きな出力予算のこの組み合わせは異例であり、このモデルが何に適しているかを形作ります。長い文書、メディア、蓄積された会話履歴を取り込み、長い構造化された回答、計画、コードを途中で打ち切られることなく生成できます。推論はこのモデルの中核部分です。サポートされるパラメータにはreasoning、reasoning_effort、include_reasoningが含まれるため、内部でどれだけの処理が行われるか、またその推論を返してもらうかどうかを制御できます。

実用的なユースケースはこれらの能力から導かれます。多くのステップにわたって状態を保持する必要がある長期的なエージェントは自然に適合し、あるモデルが他のモデルの作業を調整またはレビューするマルチエージェント構成も同様です。コーディングのワークフローは大きな出力予算の恩恵を受けます。生成されたコード、差分、説明を1回の応答で返せるからです。画像、動画、ファイルが入力として受け付けられるため、バグレポートと一緒に画面録画をレビューしたり、文書とその補足図を併せて処理したりするなど、メディアとテキストを混在させたタスクも扱えます。大量の資料を読み、その後大量に書き戻すことが必要なものすべてが、このモデルの狙いです。

呼び出しはapi14のOpenAI互換APIを通じて、モデルID「meta/muse-spark-1.3」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、temperature、top_p、top_kでサンプリングを調整し、repetition_penaltyで繰り返しを抑え、max_tokensで応答を上限設定し、reasoning_effortで推論の深さを誘導できます。ツール使用にはtoolsとtool_choiceが利用でき、機械可読な返信にはresponse_formatまたはstructured_outputsを使用できます。モデルの推論を応答で返したい場合は、include_reasoningを設定します。

主に考慮すべき点は、これがテキスト出力モデルであることです。タスクが生成画像、音声、その他の非テキスト出力を必要とする場合、Muse Spark 1.3はそれを生成しません。入力として画像、動画、ファイルを読めるとしてもです。非常に大きなコンテキストと出力の上限は、リクエストがレイテンシとリソースの面で高コストになり得ることも意味するため、短く単純で大量の呼び出しには、より小さく高速なモデルの方が適している場合があります。タスクが長く、入力側でマルチモーダルであり、エージェント型であるか、コード中心であり、考える余地と長く書く余地が必要な場合は、Muse Spark 1.3を選んでください。