Meta: Muse Spark 1.1

Meta: Muse Spark 1.1 är en multimodal resonemangsmodell från Meta, identifierad på api14 som meta/muse-spark-1.1. Meta positionerar den för agentiska uppgifter, vilket innebär arbete där modellen förväntas planera, anropa verktyg och driva en uppgift genom flera steg i stället för att svara på en enskild fråga. Den finns i katalogens textkategori, och den släpptes av leverantören den 16 juli 2026.

Modellen tar text, bilder, video och filer som indata, och returnerar text. Den kombinationen gör den till en resonemangsmodell som du kan rikta mot mer än vanlig chatt: du kan ge den en skärmbild, ett klipp eller ett PDF-dokument tillsammans med dina instruktioner. Kontextfönstret är 1 048 576 tokens, så långa dokument eller utdragna konversationer får plats i en enda begäran. Maximal utdata är 943 718 tokens, vilket är ovanligt stort och spelar roll när du vill ha en fullständig rapport eller en lång genererad artefakt i ett anrop i stället för ett kort svar.

Dessa förmågor antyder några praktiska arbetsformer. Dokument- och videoförståelse: skicka ett avtal, en forskningsartikel eller en inspelning och be om en sammanfattning, extrahering eller frågebesvarande över hela materialet. Agentiska pipelines: definiera verktyg, låt modellen välja när de ska anropas och låt den resonera över de mellanliggande resultaten. Strukturerad extrahering: plocka ut fält ur blandade indata till JSON för nedströms system. Långsiktig generering: producera omfattande text, till exempel ett utkast till en specifikation, från en stor mängd källmaterial. Eftersom utdatasidan endast är text bör du använda den där leveransen är skriven eller strukturerad text, inte där du behöver genererade bilder eller ljud.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t meta/muse-spark-1.1, så befintliga OpenAI-SDK:er och klienter fungerar med en ändrad bas-URL och ett ändrat modellnamn. De begärandeparametrar den stöder är include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k och top_p. Resonemangsbeteende styrs genom parametrarna reasoning, reasoning_effort och include_reasoning, verktygsanvändning genom tools och tool_choice, och utdataform genom response_format och structured_outputs. Sampling justeras med temperature, top_p, top_k och repetition_penalty, och längd med max_tokens.

Två saker att ha i åtanke när du bestämmer dig. Utdatamodaliteten är endast text, så om din uppgift behöver genererade bilder eller tal passar inte den här modellen. Och taken för kontext och utdata är generösa men inte oändliga, så extremt stora indata behöver fortfarande trimmas eller delas upp. För enkla, korta textuppgifter kan en mindre och snabbare textmodell vara enklare att driva; Muse Spark 1.1 är mest meningsfull när du behöver multimodala indata, verktygsanvändning eller mycket långa utdata i en enda begäran.