Meta: Muse Spark 1.1

Meta: Muse Spark 1.1 é um modelo de raciocínio multimodal da Meta, identificado em api14 como meta/muse-spark-1.1. A Meta posiciona-o para tarefas agênticas, ou seja, trabalho em que se espera que o modelo planeje, chame ferramentas e conduza uma tarefa ao longo de vários passos, em vez de responder a uma única pergunta. Encontra-se na categoria de texto do catálogo, e foi lançado pelo fornecedor em 16 de julho de 2026.

O modelo aceita texto, imagens, vídeo e ficheiros como entrada, e devolve texto. Essa combinação faz dele um modelo de raciocínio que pode ser apontado a mais do que um simples chat: pode entregar-lhe uma captura de ecrã, um clipe ou um documento PDF juntamente com as suas instruções. A janela de contexto é de 1.048.576 tokens, pelo que documentos longos ou conversas extensas cabem num único pedido. A saída máxima é de 943.718 tokens, o que é invulgarmente grande e é relevante quando quer um relatório completo ou um artefacto gerado longo numa só chamada, em vez de uma resposta curta.

Essas capacidades sugerem algumas formas práticas de trabalho. Compreensão de documentos e vídeo: envie um contrato, um artigo de investigação ou uma gravação e peça um resumo, extração ou resposta a perguntas sobre o conjunto todo. Pipelines agênticos: defina ferramentas, deixe o modelo escolher quando as chamar e deixe-o raciocinar sobre os resultados intermédios. Extração estruturada: retire campos de entradas mistas para JSON, para sistemas a jusante. Geração de longo alcance: produza texto extenso, como um rascunho de especificação, a partir de um grande conjunto de material de origem. Como o lado da saída é apenas texto, use-o quando o resultado for texto escrito ou estruturado, não quando precisar de imagens ou áudio gerados.

Chama-o através da API compatível com OpenAI do api14, usando o id de modelo meta/muse-spark-1.1, pelo que os SDKs e clientes OpenAI existentes funcionam com uma base URL e um nome de modelo alterados. Os parâmetros de pedido que suporta são include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k e top_p. O comportamento de raciocínio é controlado através dos parâmetros reasoning, reasoning_effort e include_reasoning, o uso de ferramentas através de tools e tool_choice, e a forma da saída através de response_format e structured_outputs. A amostragem é ajustada com temperature, top_p, top_k e repetition_penalty, e o comprimento com max_tokens.

Duas coisas a ter em conta na decisão. A modalidade de saída é apenas texto, pelo que, se a sua tarefa precisar de imagens ou fala geradas, este modelo não é o adequado. E os limites de contexto e de saída são generosos, mas não infinitos, pelo que entradas extremamente grandes continuam a precisar de corte ou divisão em blocos. Para tarefas de texto simples e curtas, um modelo de texto mais pequeno e mais rápido pode ser mais simples de operar; o Muse Spark 1.1 faz mais sentido quando precisa de entrada multimodal, uso de ferramentas ou saídas muito longas num único pedido.