Meta: Muse Spark Open

Meta: Muse Spark Open är en textmodell från Meta, släppt den 15 oktober 2026. Den beskrivs som en kodningsoptimerad modell med öppna vikter, tränad specifikt för agentiska kodningsarbetsflöden. Det fokuset syns i de angivna målen: högre träffsäkerhet vid första försöket, tillförlitliga verktygsanrop och djup förståelse för kodbaser i de repositorier utvecklare arbetar i. Om du bygger utvecklarverktyg eller automatiserar arbete inuti ett befintligt repo är den här modellen riktad direkt mot den miljön snarare än mot enbart allmän chatt.

På indatasidan accepterar Muse Spark Open text, bilder, video, filer och ljud, medan utdata endast är text. Kontextfönstret är 1 048 576 tokens, och maximal utdata är 943 718 tokens. Den kombinationen av en mycket stor kontext och en mycket stor utdatabudget innebär att du kan mata in långa källor, till exempel stora filer eller utdragna transkriptioner, och fortfarande ha utrymme kvar för ett omfattande genererat svar. Stödet för multimodala indata är värt att notera för kodningsarbete: skärmbilder, designfiler, inspelade genomgångar och ljudanteckningar kan alla ingå i samma begäran som den omgivande texten.

De praktiska användningsområdena följer av dessa förmågor. Agentiska kodningsarbetsflöden är den tydligaste matchningen, eftersom modellen är tränad för verktygsanrop och förståelse av kodbaser, vilket passar uppgifter som att navigera i ett repo, planera flerstegsändringar och anropa verktyg som en del av en loop. Den stora kontexten hjälper när en uppgift är beroende av många filer eller en lång historik av tidigare steg. Eftersom bilder, video, ljud och filer accepteras som indata kan du också bygga flöden som omvandlar en skärminspelning, en UI-mockup eller en muntlig buggrapport till textutdata som en skriftlig sammanfattning, en patchbeskrivning eller en strukturerad rapport. Resonemangskontroller och strukturerade utdata gör den användbar i pipelines där resultatet måste parsas snarare än läsas av en person.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id:t "meta/muse-spark-open". De stödda begärandeparametrarna är frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs och top_p. I praktiken innebär det att du kan justera sampling med temperature, top_p, top_k och min_p, tillämpa straff, begränsa svaret med max_tokens, styra utdata med response_format eller structured_outputs och koppla upp funktionsanrop med tools och tool_choice. Parametrarna reasoning och reasoning_effort, tillsammans med include_reasoning, låter dig styra hur mycket internt resonemang som exponeras eller begärs, och seed plus logprobs eller top_logprobs stöder reproducerbara eller granskade genereringar.

En begränsning att ha i åtanke är att utdata endast är text, så alla uppgifter som kräver genererade bilder, ljud eller video behöver en annan modell. Modellen är dessutom uttryckligen kodningsoptimerad, så för arbete som inte har något med kod eller agentisk verktygsanvändning att göra kan en allmän textmodell vara ett enklare val.