Meta: Muse Spark 1.2

Meta: Muse Spark 1.2 é um modelo de raciocínio da Meta, criado para tarefas agênticas complexas. Ele está na categoria de texto, e a Meta o posiciona em torno de cargas de trabalho em que o modelo precisa planejar, raciocinar por etapas e agir, em vez de simplesmente responder a uma única pergunta. Se você está escolhendo um modelo para um agente que precisa trabalhar ao longo de vários turnos e ferramentas, esta é a classe de modelo para a qual a Meta o destina.

O modelo aceita entradas de texto, imagens, vídeo e arquivos, e retorna texto. Sua janela de contexto é de 1.048.576 tokens, com saída máxima de 943.718 tokens. Essa combinação importa para o trabalho agêntico: um contexto grande permite manter transcrições longas, documentos ou conteúdo derivado de mídia em vista, e um teto de saída grande significa que o modelo não é forçado a comprimir um plano ou relatório longo em uma resposta curta. O raciocínio faz parte do design do modelo, e a API expõe controles para ele.

Os casos de uso práticos decorrem dessas capacidades. Como ele aceita imagens, vídeo e arquivos junto com texto, você pode criar agentes que revisam um conjunto de documentos e uma gravação de tela, e então produzem uma análise escrita ou um plano. O contexto longo é adequado para pesquisa em várias etapas, análise de base de código ou logs, e fluxos de trabalho em que resultados anteriores de ferramentas precisam permanecer disponíveis. O chamado de ferramentas e as saídas estruturadas fazem dele um ajuste razoável para orquestração, em que o modelo decide qual ferramenta chamar e retorna resultados legíveis por máquina. Os controles de raciocínio permitem trocar velocidade por profundidade dependendo da tarefa.

Você o chama através da API compatível com OpenAI da api14 usando o id de modelo "meta/muse-spark-1.2". Os parâmetros de requisição suportados são include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k e top_p. Na prática, tools e tool_choice conduzem os laços agênticos, response_format e structured_outputs restringem o formato da resposta, e os parâmetros de raciocínio ajustam quanto raciocínio interno o modelo faz. Como a interface é compatível com OpenAI, clientes e SDKs existentes geralmente funcionam apenas com a mudança do id de modelo.

Um limite a ter em mente é a modalidade de saída: o modelo retorna apenas texto, então não pode gerar imagens ou vídeo, embora possa lê-los. Se sua tarefa é puramente geração de texto de formato curto, um modelo menor pode ser mais simples e rápido. Para trabalho agêntico de contexto longo, multimodal e com uso de ferramentas, o Muse Spark 1.2 é voltado exatamente para isso.