Meta: Muse Spark 1.3

Meta: Muse Spark 1.3 é um modelo de raciocínio multimodal da Meta, concebido para fluxos de trabalho agenticos, multiagente e de programação de longa duração. É um modelo de texto no sentido em que a sua saída é texto, mas aceita mais do que texto à entrada. A Meta posiciona-o em torno de manter o registo de informações ao longo de tarefas extensas e de resolver problemas ao longo do tempo, razão pela qual o enquadramento agentico é importante: este é um modelo destinado a funcionar dentro de um ciclo, em vez de responder a uma única pergunta isolada.

Do lado da entrada, o Muse Spark 1.3 aceita texto, imagens, vídeo e ficheiros, e devolve texto. A janela de contexto é de 1.048.576 tokens, com uma saída máxima de 943.718 tokens. Essa combinação de um orçamento de entrada muito grande e um orçamento de saída muito grande é invulgar e molda aquilo para que o modelo é adequado. Consegue receber documentos longos, multimédia e histórico de conversa acumulado, e consegue produzir respostas longas e estruturadas, planos ou código sem ser cortado prematuramente. O raciocínio é uma parte de primeira classe do modelo: os parâmetros suportados incluem reasoning, reasoning_effort e include_reasoning, pelo que pode controlar quanto trabalho interno acontece e se esse raciocínio lhe é devolvido.

Os casos de uso práticos decorrem dessas capacidades. Agentes de horizonte longo que precisam de manter estado ao longo de muitos passos são uma escolha natural, tal como configurações multiagente em que um modelo coordena ou revê o trabalho de outros. Os fluxos de trabalho de programação beneficiam do grande orçamento de saída, uma vez que código gerado, diffs e explicações podem ser devolvidos numa única resposta. Como imagens, vídeo e ficheiros são aceites como entrada, o modelo também consegue lidar com tarefas que misturam multimédia com texto, como rever uma gravação de ecrã juntamente com um relatório de erro, ou analisar um documento mais os seus diagramas de apoio. Qualquer coisa que exija ler muito material e depois escrever muito de volta é o alvo deste modelo.

Chama-o através da API compatível com OpenAI da api14 usando o id de modelo "meta/muse-spark-1.3". Os parâmetros de pedido 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, isso significa que pode ajustar a amostragem com temperature, top_p e top_k, desencorajar repetições com repetition_penalty, limitar a resposta com max_tokens e orientar a profundidade do raciocínio com reasoning_effort. Para utilização de ferramentas, tools e tool_choice estão disponíveis, e para respostas legíveis por máquina pode usar response_format ou structured_outputs. Se quiser que o raciocínio do modelo seja devolvido na resposta, defina include_reasoning.

O principal aspeto a ponderar é que este é um modelo com saída de texto. Se a sua tarefa precisa de imagens geradas, áudio ou outra saída que não seja texto, o Muse Spark 1.3 não a produzirá, ainda que consiga ler imagens, vídeo e ficheiros como entrada. Os limites muito grandes de contexto e de saída também significam que os pedidos podem ser dispendiosos em termos de latência e recursos, pelo que, para chamadas curtas, simples e de grande volume, um modelo mais pequeno e mais rápido pode ser a melhor escolha. Recorra ao Muse Spark 1.3 quando a tarefa for longa, multimodal do lado da entrada, agentica ou com muito código, e quando precisar de espaço para pensar e escrever longamente.