Meta: Muse Spark 1.2 Contributor

Meta: Muse Spark 1.2 Contributor는 Meta의 추론 모델로, 더 낮은 비용으로 개발을 시작하려는 개발자를 대상으로 한 contributor 티어로 제공됩니다. 이는 Muse Spark 제품군에 속하며, Meta는 이 티어를 Muse Spark보다 상당히 저렴하면서도 해당 제품군을 정의하는 추론 동작을 유지하는 것으로 위치시킵니다. 텍스트가 유일한 출력이라는 점에서 텍스트 모델이지만, 입력으로는 텍스트 이상을 받습니다.

입력 측면에서 이 모델은 텍스트, 이미지, 비디오, 파일을 받아들이고 텍스트 출력을 생성합니다. 컨텍스트 윈도우는 1,048,576 토큰이고 최대 출력은 943,718 토큰입니다. 추론 모델이므로 추론 과정을 노출할 수 있으며, 지원되는 파라미터에는 include_reasoning, reasoning, reasoning_effort가 있어 추론을 반환할지 여부와 추론에 얼마나 많은 노력을 들일지를 제어할 수 있습니다. 생성 동작은 max_tokens, temperature, top_p, top_k, repetition_penalty를 통해 조정할 수 있으며, 모델은 출력 형태를 제한하기 위한 response_format과 structured_outputs를 지원합니다. 또한 tools와 tool_choice를 지원하므로 사용자가 정의한 함수를 호출할 수 있습니다.

이러한 기능은 몇 가지 실용적인 패턴을 가리킵니다. 매우 큰 컨텍스트 윈도우는 긴 문서, 코드베이스, 대화 기록 또는 파일 집합을 한 번에 보고 있어야 하는 작업, 즉 결과를 청크로 나누고 이어 붙이는 대신에 적합합니다. 혼합 입력 양식은 작성된 질문과 이미지, 비디오 클립 또는 첨부 파일을 결합하는 작업, 예를 들어 녹화된 세션을 요약하거나, 스크린샷에서 세부 정보를 추출하거나, 제공한 문서에 근거해 질문에 답하는 작업에 적합합니다. 도구 호출과 구조화된 출력은 어떤 함수를 호출할지 결정하고 예측 가능한 JSON 형태를 반환하는, 에이전트나 파이프라인 내부의 추론 단계로 사용할 수 있게 해줍니다. 추론 제어를 통해 더 어려운 문제에는 노력을 높이고 일상적인 문제에는 낮출 수 있습니다.

모델 id "meta/muse-spark-1.2-contributor"를 사용해 api14의 OpenAI 호환 API를 통해 호출합니다. 인터페이스가 OpenAI chat completions 형태를 따르므로 기존 OpenAI SDK와 클라이언트는 base URL과 API 키만 변경하면 작동합니다. 지원하는 요청 파라미터는 include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k, top_p입니다. 추론 추적을 돌려받고 싶다면 include_reasoning을 설정하고, 고정된 출력 스키마를 원한다면 response_format 또는 structured_outputs를 사용하며, 모델이 사용자의 함수를 호출하게 하려면 tools와 tool_choice를 전달하세요.

한 가지 유념할 점은 출력이 텍스트 전용이라는 것이므로, 생성된 이미지나 오디오 또는 다른 양식이 필요하다면 이 모델은 적합하지 않습니다. 또한 이는 contributor 티어로, Meta는 이를 Muse Spark 제품군으로 들어가는 더 낮은 비용의 진입점이라고 설명하므로, contributor 변형이 아니라 전체 Muse Spark 모델이 필요하다면 그것이 고려할 대안입니다.