Meta: Muse Spark 1.3

Meta: Muse Spark 1.3 to multimodalny model rozumowania od Meta, zbudowany do długotrwałych przepływów pracy agentowych, wieloagentowych i kodowania. Jest modelem tekstowym w tym sensie, że jego wynikiem jest tekst, ale na wejściu przyjmuje więcej niż tekst. Meta pozycjonuje go wokół śledzenia informacji w rozciągniętych zadaniach i rozwiązywania problemów w czasie, dlatego ramy agentowe mają znaczenie: to model stworzony do pracy w pętli, a nie do odpowiadania na jedno izolowane pytanie.

Po stronie wejścia Muse Spark 1.3 przyjmuje tekst, obrazy, wideo i pliki, a zwraca tekst. Okno kontekstu wynosi 1,048,576 tokenów, a maksymalne wyjście to 943,718 tokenów. To połączenie bardzo dużego budżetu wejściowego i bardzo dużego budżetu wyjściowego jest nietypowe i kształtuje to, do czego model się nadaje. Może przyjąć długie dokumenty, media i zgromadzoną historię rozmowy, a także wygenerować długie, uporządkowane odpowiedzi, plany lub kod bez przedwczesnego ucięcia. Rozumowanie jest pierwszorzędną częścią modelu: obsługiwane parametry obejmują reasoning, reasoning_effort i include_reasoning, więc możesz kontrolować, ile pracy wewnętrznej się odbywa i czy to rozumowanie jest zwracane do ciebie.

Praktyczne przypadki użycia wynikają z tych możliwości. Długoterminowi agenci, którzy muszą utrzymywać stan przez wiele kroków, są naturalnym zastosowaniem, podobnie jak konfiguracje wieloagentowe, w których jeden model koordynuje pracę innych lub ją ocenia. Przepływy pracy kodowania korzystają z dużego budżetu wyjściowego, ponieważ generowany kod, różnice i wyjaśnienia mogą zostać zwrócone w jednej odpowiedzi. Ponieważ obrazy, wideo i pliki są przyjmowane jako wejście, model może też obsługiwać zadania łączące media z tekstem, takie jak przeglądanie nagrania ekranu razem ze zgłoszeniem błędu albo praca z dokumentem i towarzyszącymi mu diagramami. Wszystko, co wymaga przeczytania dużej ilości materiału, a następnie napisania dużej ilości z powrotem, jest tym, na co ten model jest nakierowany.

Wywołujesz go przez zgodne z OpenAI API api14, używając identyfikatora modelu "meta/muse-spark-1.3". Obsługiwane parametry żądania to include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k i top_p. W praktyce oznacza to, że możesz dostroić próbkowanie za pomocą temperature, top_p i top_k, zniechęcić do powtórzeń za pomocą repetition_penalty, ograniczyć odpowiedź za pomocą max_tokens i sterować głębokością rozumowania za pomocą reasoning_effort. Do użycia narzędzi dostępne są tools i tool_choice, a do odpowiedzi czytelnych maszynowo możesz użyć response_format lub structured_outputs. Jeśli chcesz, aby rozumowanie modelu zostało zwrócone w odpowiedzi, ustaw include_reasoning.

Najważniejszą rzeczą do rozważenia jest to, że jest to model z wyjściem tekstowym. Jeśli twoje zadanie wymaga generowanych obrazów, dźwięku lub innego wyjścia niebędącego tekstem, Muse Spark 1.3 go nie wygeneruje, nawet jeśli potrafi czytać obrazy, wideo i pliki jako wejście. Bardzo duże limity kontekstu i wyjścia oznaczają również, że żądania mogą być kosztowne pod względem opóźnienia i zasobów, więc do krótkich, prostych wywołań o dużym wolumenie lepszym wyborem może być mniejszy i szybszy model. Sięgaj po Muse Spark 1.3, gdy zadanie jest długie, multimodalne po stronie wejścia, agentowe lub mocno kodowe, oraz gdy potrzebujesz miejsca na myślenie i długie pisanie.