Meta: Muse Spark 1.3 Contributor

Meta: Muse Spark 1.3 Contributor é um modelo de raciocínio multimodal focado em texto da Meta. Ele fica no nível contributor da linha Muse Spark 1.3, que a Meta descreve como o nível de custo eficiente voltado para experimentação, aprendizado e fluxos de trabalho agênticos, multiagentes e de codificação em estágio inicial. A data de lançamento do provedor é 2026-09-02. Se você está avaliando modelos para um projeto que precisa raciocinar sobre mídia mista em vez de apenas texto simples, este é o ponto de entrada que a Meta oferece nessa família.

O modelo aceita entradas de texto, imagem, vídeo e arquivo, e retorna texto. Sua janela de contexto é de 1.048.576 tokens, e a saída máxima é de 943.718 tokens. Essa combinação importa para cargas de trabalho em que a entrada é grande e a resposta esperada também é longa, como resumir uma gravação longa, extrair dados estruturados de um conjunto de documentos ou manter um estado de trabalho extenso ao longo de uma tarefa de várias etapas. O comportamento de raciocínio é exposto em vez de oculto: os parâmetros suportados incluem reasoning, reasoning_effort e include_reasoning, então você pode controlar quanta deliberação interna o modelo faz e se essa deliberação é retornada a você.

Essas capacidades apontam para alguns usos práticos. Análise de documentos e mídia é um encaixe natural, já que você pode passar arquivos, imagens ou vídeo junto com um prompt de texto e pedir um resultado escrito. Codificação e fluxos de trabalho agênticos são outro, ajudados por chamada de ferramentas e saídas estruturadas, que permitem ao modelo invocar funções e retornar respostas em um esquema que você define. Configurações multiagentes podem usar os mesmos recursos para passar mensagens estruturadas entre agentes. Como o modelo é posicionado para experimentação e trabalho em estágio inicial, ele também serve para prototipar um pipeline antes de se comprometer com um modelo mais pesado.

Você o chama através da API compatível com OpenAI da api14 usando o id de modelo "meta/muse-spark-1.3-contributor". 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, você define o campo model com esse id, envia suas mensagens e adiciona qualquer um desses parâmetros que sua carga de trabalho precisar, por exemplo tools e tool_choice para chamada de funções, ou response_format e structured_outputs quando você precisa de um formato previsível de volta.

Um limite a ter em mente é que a saída é apenas texto, então tarefas que exigem gerar imagens, áudio ou vídeo estão fora do escopo aqui. O nível contributor também é descrito como de custo eficiente e voltado para experimentação, aprendizado e fluxos de trabalho em estágio inicial, o que sugere que cargas de trabalho de produção com as demandas de qualidade mais rigorosas podem ser melhor atendidas por um nível superior na mesma família. Se suas entradas são apenas texto e suas necessidades de contexto são modestas, um modelo de texto menor pode ser mais simples de operar.