Meta: Muse Spark 1.3

Meta: Muse Spark 1.3 är en multimodal resonemangsmodell från Meta, byggd för långvariga agentiska, multi-agent- och kodningsarbetsflöden. Det är en textmodell i den meningen att dess utdata är text, men den accepterar mer än text på vägen in. Meta positionerar den kring att hålla reda på information över utsträckta uppgifter och arbeta igenom problem över tid, vilket är varför den agentiska inramningen spelar roll: detta är en modell avsedd att sitta inuti en loop snarare än att svara på en enda isolerad fråga.

På indatasidan accepterar Muse Spark 1.3 text, bilder, video och filer, och den returnerar text. Kontextfönstret är 1 048 576 tokens, med en maximal utdata på 943 718 tokens. Den kombinationen av en mycket stor indatabudget och en mycket stor utdatabudget är ovanlig och formar vad modellen är bra för. Den kan ta in långa dokument, media och ackumulerad konversationshistorik, och den kan producera långa strukturerade svar, planer eller kod utan att kapas tidigt. Resonemang är en förstklassig del av modellen: de stödda parametrarna inkluderar reasoning, reasoning_effort och include_reasoning, så du kan styra hur mycket internt arbete som sker och huruvida det resonemanget visas tillbaka till dig.

De praktiska användningsfallen följer av dessa förmågor. Agenter med lång horisont som behöver hålla tillstånd över många steg passar naturligt, liksom multi-agent-upplägg där en modell koordinerar eller granskar andra modellers arbete. Kodningsarbetsflöden drar nytta av den stora utdatabudgeten, eftersom genererad kod, diffar och förklaringar kan returneras i ett enda svar. Eftersom bilder, video och filer accepteras som indata kan modellen också hantera uppgifter som blandar media med text, såsom att granska en skärminspelning tillsammans med en buggrapport, eller arbeta igenom ett dokument plus dess stödjande diagram. Allt som kräver att läsa mycket material och sedan skriva mycket tillbaka är vad denna modell är riktad mot.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "meta/muse-spark-1.3". De stödda förfrågningsparametrarna 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 betyder det att du kan justera sampling med temperature, top_p och top_k, motverka upprepning med repetition_penalty, begränsa svaret med max_tokens och styra resonemangsdjupet med reasoning_effort. För verktygsanvändning finns tools och tool_choice tillgängliga, och för maskinläsbara svar kan du använda response_format eller structured_outputs. Om du vill att modellens resonemang returneras i svaret, ange include_reasoning.

Det främsta att väga in är att detta är en modell med textutdata. Om din uppgift behöver genererade bilder, ljud eller andra icke-textutdata kommer Muse Spark 1.3 inte att producera det, även om den kan läsa bilder, video och filer som indata. De mycket stora kontext- och utdatagränserna innebär också att förfrågningar kan bli dyra i termer av latens och resurser, så för korta, enkla anrop med hög volym kan en mindre och snabbare modell vara det bättre valet. Välj Muse Spark 1.3 när uppgiften är lång, multimodal på indatasidan, agentisk eller kodtung, och när du behöver utrymme att tänka och att skriva utförligt.