Meta: Muse Spark 1.1

Meta: Muse Spark 1.1 is een multimodaal redeneermodel van Meta, geïdentificeerd op api14 als meta/muse-spark-1.1. Meta positioneert het voor agentische taken, dat wil zeggen werk waarbij van het model wordt verwacht dat het plant, tools aanroept en een taak door meerdere stappen heen volbrengt in plaats van een enkele vraag te beantwoorden. Het staat in de tekstcategorie van de catalogus en het werd door de provider uitgebracht op 16 juli 2026.

Het model accepteert tekst, afbeeldingen, video en bestanden als invoer, en retourneert tekst. Die combinatie maakt het een redeneermodel dat je op meer kunt richten dan gewone chat: je kunt het een screenshot, een clip of een PDF-document samen met je instructies geven. Het contextvenster is 1.048.576 tokens, dus lange documenten of uitgebreide gesprekken passen in één verzoek. De maximale uitvoer is 943.718 tokens, wat ongewoon groot is en van belang is wanneer je een volledig rapport of een lang gegenereerd artefact in één aanroep wilt, in plaats van een kort antwoord.

Die mogelijkheden suggereren een paar praktische vormen van werk. Document- en videobegrip: stuur een contract, een onderzoekspaper of een opname en vraag om een samenvatting, extractie of vraagbeantwoording over het geheel. Agentische pipelines: definieer tools, laat het model kiezen wanneer het ze aanroept, en laat het redeneren over de tussenliggende resultaten. Gestructureerde extractie: haal velden uit gemengde invoer en zet ze in JSON voor systemen verderop in de keten. Generatie over een lange horizon: produceer lange tekst, zoals een conceptspecificatie, op basis van een grote hoeveelheid bronmateriaal. Omdat de uitvoerkant alleen tekst is, gebruik het waar het eindproduct geschreven of gestructureerde tekst is, niet waar je gegenereerde afbeeldingen of audio nodig hebt.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id meta/muse-spark-1.1, dus bestaande OpenAI SDK's en clients werken met een gewijzigde base URL en modelnaam. De verzoekparameters die het ondersteunt zijn include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k en top_p. Redeneergedrag wordt bestuurd via de parameters reasoning, reasoning_effort en include_reasoning, toolgebruik via tools en tool_choice, en de vorm van de uitvoer via response_format en structured_outputs. Sampling wordt afgestemd met temperature, top_p, top_k en repetition_penalty, en lengte met max_tokens.

Twee dingen om in gedachten te houden bij het beslissen. De uitvoermodaliteit is alleen tekst, dus als je taak gegenereerde afbeeldingen of spraak nodig heeft, is dit model niet geschikt. En de context- en uitvoerplafonds zijn ruim maar niet oneindig, dus extreem grote invoer moet nog steeds worden ingekort of opgedeeld. Voor eenvoudige, korte teksttaken is een kleiner en sneller tekstmodel misschien eenvoudiger te bedienen; Muse Spark 1.1 is het meest zinvol wanneer je multimodale invoer, toolgebruik of zeer lange uitvoer in één verzoek nodig hebt.