Meta: Muse Spark 1.3 Contributor

Meta: Muse Spark 1.3 Contributor는 Meta의 텍스트 중심 멀티모달 추론 모델입니다. 이는 Muse Spark 1.3 라인의 contributor 티어에 속하며, Meta는 이를 실험, 학습, 초기 단계의 에이전트, 멀티 에이전트, 코딩 워크플로를 겨냥한 비용 효율적인 티어라고 설명합니다. 제공자 릴리스 날짜는 2026-09-02입니다. 순수 텍스트만이 아니라 혼합 미디어에 대해 추론해야 하는 프로젝트를 위해 모델을 평가하고 있다면, 이것이 Meta가 해당 패밀리에서 제공하는 진입점입니다.

이 모델은 텍스트, 이미지, 비디오, 파일 입력을 받아들이고 텍스트를 반환합니다. 컨텍스트 윈도우는 1,048,576 토큰이고 최대 출력은 943,718 토큰입니다. 이러한 조합은 입력이 크고 예상 답변도 긴 워크로드, 예를 들어 긴 녹음 요약, 문서 더미에서 구조화된 데이터 추출, 다단계 작업 전반에 걸친 긴 작업 상태 유지 등에 중요합니다. 추론 동작은 숨겨지지 않고 노출됩니다. 지원되는 파라미터에는 reasoning, reasoning_effort, include_reasoning이 포함되므로, 모델이 수행하는 내부 숙고의 양과 그 숙고가 반환되는지 여부를 제어할 수 있습니다.

이러한 기능은 몇 가지 실용적인 용도를 가리킵니다. 문서 및 미디어 분석은 자연스러운 적합성인데, 파일, 이미지, 비디오를 텍스트 프롬프트와 함께 전달하고 작성된 결과를 요청할 수 있기 때문입니다. 코딩 및 에이전트 워크플로도 또 다른 용도이며, 도구 호출과 구조화된 출력이 도움이 됩니다. 이를 통해 모델은 함수를 호출하고 사용자가 정의한 스키마로 응답을 반환할 수 있습니다. 멀티 에이전트 구성은 동일한 기능을 사용해 에이전트 간에 구조화된 메시지를 전달할 수 있습니다. 이 모델은 실험과 초기 단계 작업에 위치하므로, 더 무거운 모델을 선택하기 전에 파이프라인을 프로토타이핑하는 데도 적합합니다.

모델 id "meta/muse-spark-1.3-contributor"를 사용해 api14의 OpenAI 호환 API를 통해 호출합니다. 지원되는 요청 파라미터는 include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k, top_p입니다. 실제로는 model 필드를 해당 id로 설정하고 메시지를 보낸 뒤, 워크로드에 필요한 파라미터를 추가합니다. 예를 들어 함수 호출에는 tools와 tool_choice를, 예측 가능한 형태의 응답이 필요할 때는 response_format과 structured_outputs를 사용합니다.

염두에 둘 한 가지 제한은 출력이 텍스트 전용이라는 점이므로, 이미지, 오디오, 비디오 생성이 필요한 작업은 여기서 범위를 벗어납니다. 또한 contributor 티어는 비용 효율적이며 실험, 학습, 초기 단계 워크플로를 겨냥한다고 설명되므로, 가장 엄격한 품질 요구가 있는 프로덕션 워크로드는 같은 패밀리의 더 높은 티어에서 더 잘 처리될 수 있음을 시사합니다. 입력이 텍스트 전용이고 컨텍스트 요구가 크지 않다면, 더 작은 텍스트 모델이 운영하기 더 간단할 수 있습니다.