Meta: Muse Spark 1.3 Contributor

Meta: Muse Spark 1.3 Contributor is een tekstgericht multimodaal redeneermodel van Meta. Het zit in de contributor-tier van de Muse Spark 1.3-lijn, die Meta beschrijft als de kostenefficiënte tier gericht op experimenteren, leren en vroegtijdige agentic, multi-agent en coding workflows. De releasedatum van de provider is 2026-09-02. Als je modellen evalueert voor een project dat moet redeneren over gemengde media in plaats van alleen platte tekst, is dit het instappunt dat Meta in die familie biedt.

Het model accepteert tekst-, afbeeldings-, video- en bestandsinvoer, en het retourneert tekst. Het contextvenster is 1.048.576 tokens, en de maximale uitvoer is 943.718 tokens. Die combinatie is belangrijk voor workloads waarbij de invoer groot is en het verwachte antwoord ook lang, zoals het samenvatten van een lange opname, het extraheren van gestructureerde data uit een stapel documenten, of het vasthouden van een lange werkstatus gedurende een taak met meerdere stappen. Redeneergedrag wordt blootgesteld in plaats van verborgen: de ondersteunde parameters omvatten reasoning, reasoning_effort en include_reasoning, zodat je kunt bepalen hoeveel interne afweging het model doet en of die afweging aan jou wordt teruggegeven.

Die mogelijkheden wijzen op een paar praktische toepassingen. Document- en media-analyse is een natuurlijke fit, omdat je bestanden, afbeeldingen of video samen met een tekstprompt kunt doorgeven en om een geschreven resultaat kunt vragen. Coding en agentic workflows zijn een andere, geholpen door tool calling en structured outputs, waarmee het model functies kan aanroepen en antwoorden kan retourneren in een schema dat jij definieert. Multi-agent-opstellingen kunnen dezelfde functies gebruiken om gestructureerde berichten tussen agents door te geven. Omdat het model is gepositioneerd voor experimenteren en vroegtijdig werk, is het ook geschikt voor het prototypen van een pipeline voordat je je vastlegt op een zwaarder model.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id "meta/muse-spark-1.3-contributor". De ondersteunde aanvraagparameters zijn include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k en top_p. In de praktijk stel je het model-veld in op dat id, stuur je je messages, en voeg je toe welke van deze parameters je workload nodig heeft, bijvoorbeeld tools en tool_choice voor function calling, of response_format en structured_outputs wanneer je een voorspelbare vorm terug wilt.

Een beperking om in gedachten te houden is dat uitvoer alleen tekst is, dus taken waarbij afbeeldingen, audio of video moeten worden gegenereerd vallen hier buiten scope. De contributor-tier wordt ook beschreven als kostenefficiënt en gericht op experimenteren, leren en vroegtijdige workflows, wat suggereert dat productieworkloads met de strengste kwaliteitseisen beter bediend kunnen worden door een hogere tier in dezelfde familie. Als je invoer alleen tekst is en je contextbehoeften bescheiden zijn, is een kleiner tekstmodel misschien eenvoudiger te beheren.