Vi använder cookies. Cookies och webbläsarlagring håller dig inloggad och kommer ihåg dina preferenser. Med ditt tillstånd mäter vi också hur webbplatsen används. Du kan när som helst. Läs vår cookiepolicy.
Meta: Muse Spark 1.2
meta/muse-spark-1.2Testa Meta: Muse Spark 1.2 nu
Körs på ditt saldo till priserna ovan. Nya konton börjar med gratis användning.
Ett API. Alla modeller.
Sessionskostnad 0,00 US$
Inställningar
Avancerade parametrar
Meta: Muse Spark 1.2 i korthet
- Indatapriset är 178% högre än medianen för 434 Text-modeller.
- Kontextfönster på 1 048 576 tokens, tillräckligt för långa dokument och konversationer i flera steg.
- Stöder verktygsanrop (function calling) för agenter och integrationer.
- Stöder strukturerad JSON-utdata med ett schema.
- Stöder styrning av resonemangsnivå.
- Tar emot bilder som indata (vision).
- Ett typiskt anrop (1,000 indata / 500 utdata-tokens) kostar ungefär 0,01 US$.
Om Meta: Muse Spark 1.2
Meta: Muse Spark 1.2 är en resonemangsmodell från Meta, byggd för komplexa agentiska uppgifter. Den tillhör textkategorin, och Meta positionerar den kring arbetsbelastningar där modellen behöver planera, resonera sig igenom steg och agera snarare än att bara svara på en enskild fråga. Om du väljer en modell för en agent som måste arbeta över flera turer och verktyg, är det den här klassen av modell som Meta avser den för.
Modellen tar emot text, bilder, video och filindata, och den returnerar text. Dess kontextfönster är 1 048 576 tokens, med en maximal utdata på 943 718 tokens. Den kombinationen spelar roll för agentiskt arbete: ett stort kontextfönster låter dig hålla långa transkript, dokument eller mediaderivat innehåll i sikte, och ett högt utdatatak innebär att modellen inte tvingas komprimera en lång plan eller rapport till ett kort svar. Resonemang är en del av modellens design, och API:et exponerar kontroller för det.
Praktiska användningsfall följer av dessa förmågor. Eftersom den tar bilder, video och filer tillsammans med text kan du bygga agenter som granskar en dokumentuppsättning och en skärminspelning och sedan producerar en skriftlig analys eller en plan. Långt kontextfönster passar flerstegsresearch, kodbas- eller logganalys och arbetsflöden där tidigare verktygsresultat måste förbli tillgängliga. Verktygsanrop och strukturerade utdata gör den till en rimlig passform för orkestrering, där modellen avgör vilket verktyg som ska anropas och returnerar maskinläsbara resultat. Resonemangskontrollerna låter dig byta hastighet mot djup beroende på uppgiften.
Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "meta/muse-spark-1.2". De stödda begärandeparametrarna är include_reasoning, max_tokens, reasoning, reasoning_effort, repetition_penalty, response_format, structured_outputs, temperature, tool_choice, tools, top_k och top_p. I praktiken driver tools och tool_choice de agentiska looparna, response_format och structured_outputs begränsar svarets form, och resonemangsparametrarna justerar hur mycket internt resonemang modellen utför. Eftersom gränssnittet är OpenAI-kompatibelt fungerar befintliga klienter och SDK:er i allmänhet med bara modell-id:t ändrat.
En begränsning att ha i åtanke är utdatamodalitet: modellen returnerar endast text, så den kan inte generera bilder eller video även om den kan läsa dem. Om din uppgift är ren kortformig textgenerering kan en mindre modell vara enklare och snabbare. För långkontextuellt, multimodalt, verktygsanvändande agentiskt arbete är Muse Spark 1.2 direkt riktad mot just det.
Så anropar du Meta: Muse Spark 1.2 API
- Skapa en API-nyckel i din kontrollpanel.
- Installera det officiella openai-SDK:t för ditt språk.
- Sätt baseURL till https://api14.com/api/v1 och model till "meta/muse-spark-1.2".
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "meta/muse-spark-1.2",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Parametrar som stöds
include_reasoningmax_tokensreasoningreasoning_effortrepetition_penaltyresponse_formatstructured_outputstemperaturetool_choicetoolstop_ktop_pSpecifikationer
- Kontextlängd
- 1 048 576
- Max utdata
- 943 718
- Indata
- text, image, video, file
- Utdata
- text
Anrop på api14 · senaste 7 dagarna
Meta: Muse Spark 1.2: vanliga frågor
- Vad kostar Meta: Muse Spark 1.2 API?
- Meta: Muse Spark 1.2 kostar Indata 4,38 US$ / 1M tokens. Det dras från ditt USD-saldo endast för lyckade anrop; misslyckade anrop är gratis.
- Hur stort är kontextfönstret för Meta: Muse Spark 1.2?
- Meta: Muse Spark 1.2 läser upp till 1 048 576 tokens per anrop, prompt, historik och dokument tillsammans. Den skriver upp till 943 718 utdata-tokens per svar.
- Vad kan Meta: Muse Spark 1.2 göra?
- Meta: Muse Spark 1.2 tar emot text, image, video, file och returnerar text. Den stöder verktygsanrop, strukturerad JSON-utdata, styrning av resonemangsnivå.
- Hur anropar jag Meta: Muse Spark 1.2 från min kod?
- Peka valfritt OpenAI-SDK mot https://api14.com/api/v1 och sätt model till "meta/muse-spark-1.2", inga andra kodändringar. Kopiera ett färdigt exempel från kodpanelen på den här sidan.
- Vilka alternativ finns till Meta: Muse Spark 1.2?
- Jämförbara Text-modeller till ett liknande pris: Meta: Muse Spark Open, Meta: Muse Spark 1.3, Meta: Muse Spark 1.1. Alla körs via samma API-nyckel, så att byta är en sträng.
Community för Meta: Muse Spark 1.2
Ny trådDen här communityn har inga trådar ännu. Starta den första om Meta: Muse Spark 1.2.