Muse Spark 1.2 Contributor ist die Experimentier- und Prototypenausgabe von Metas Reasoning-Familie Muse Spark 1.2. Halte den Bezeichner Contributor von Standard 1.2 und späteren 1.3-Ausgaben getrennt. Die Familiendokumentation des Herstellers beschreibt agentengestützte Arbeit, Softwareassistenten, multimodales Reasoning, Werkzeugnutzung und strukturierte Textergebnisse; sie begründet keine separate Leistungsgarantie für Contributor anhand von Standard-Demonstrationen.
Dokumentierte Eingaben und Kontext
Der Hersteller nennt Text, Bilder, Video, Audio und PDFs als Eingabemodalitäten der Version 1.2 und Text als Ausgabe, mit einem Kontext von 1,048,576 Tokens. Diese Tabelle definiert den vom Hersteller dokumentierten Modellumfang. Das Ergebnis kann eine schriftliche Erklärung, strukturierte Erkenntnisse oder vorgeschlagener Code sein; das Rendern einer Oberfläche, Erstellen einer Aufnahme oder Ausführen einer anderen externen Aktion braucht eine Anwendungskomponente.
Wähle für einen Prototyp eine definierte Aufgabe und liefere das Material, das zur Prüfung ihres Ergebnisses nötig ist. Ein Screenshot kann eine Anforderung an eine bestimmte Interaktion begleiten. Ein PDF kann die zu vergleichenden oder zu extrahierenden Aussagen liefern. Ein Video kann die zu beschreibende sichtbare Abfolge zeigen, während eine audiovisuelle Frage benennen sollte, welches gesprochene oder sichtbare Detail wichtig ist. Kennzeichne jede Quelle und verlange die Belege, die die Antwort stützen.
Die 1.2-Veröffentlichung beschreibt Stärken der Familie beim Umwandeln visuellen Materials in Code und beim Reasoning über Diagramme oder Szenen. Nutze sie als Aufgabengebiete und nicht als Behauptung, dass diese Contributor-Ausgabe jede Standard-Demo reproduziert. Eine praktische Anfrage kann die in einem Screenshot sichtbaren Layoutelemente, eine vorgeschlagene Implementierung und die verbleibenden Fragen zu einem im Bild nicht gezeigten Verhalten verlangen.
Reasoning und Ergebnisvorbereitung
Der Muse-Spark-Reasoning-Leitfaden nennt für diese Ausgabe die Aufwandsstufen minimal, low, medium, high und xhigh. Max gilt speziell für Standard 1.3; das Deaktivieren von Reasoning mit none wird nicht unterstützt. Auch ohne ausdrückliche Einstellung verwendet das Modell eine selbst bestimmte Reasoning-Stufe. Für eine kleine Extraktion und ein mehrstufiges visuelles oder Coding-Problem kommen daher unterschiedliche Einstellungen für den Reasoning-Aufwand infrage; die Identität als 1.2 Contributor bleibt dabei erhalten.
Das Ausgabebudget umfasst internes Reasoning und sichtbaren Text gemeinsam. Rohes Reasoning ist privat; verlange deshalb die Erklärung oder das Endergebnis, das der Nutzer braucht, statt die zugrunde liegende Spur zu erwarten. Lege die Antwortlänge und Felder der Aufgabe danach fest, was anschliessend geprüft wird.
Verlange bei einem Dokumentvergleich die Quellaussage, ihre Seite, die dadurch festgelegte Bedingung und jeden Widerspruch. Lege für einen Codeprototyp die akzeptierte Eingabe, das erwartete Ergebnis und die zu bewahrende Schnittstelle fest. Verlange das vorgeschlagene Fragment getrennt von seinen Annahmen und Beispieleingaben. Diese Anforderungen definieren ein überprüfbares Ergebnis statt eines offenen Experiments ohne Abschlusskriterium.
Werkzeuggestützte Experimente
Entwicklerdefinierte Werkzeugnutzung folgt einer Schleife aus Modell und Anwendung. Die Anwendung beschreibt Funktionen, das Modell wählt eine Operation und bereitet Argumente vor, und die Anwendung führt sie aus und gibt das Ergebnis zurück. Eine Abfrage kann Referenzinformationen liefern; ein Ausführungswerkzeug kann zeigen, was beim Ausführen vorgeschlagenen Codes geschah. Halte die ursprüngliche Operation und das zurückgegebene Ergebnis miteinander verknüpft, bevor du die nächste Antwort verlangst.
Die Ankündigung der 1.2-Familie betont die Werkzeugnutzung zur genaueren Prüfung visueller Eingaben und generierter Ergebnisse. Das bedeutet, dass die Umgebung die Prüf- oder Rendering-Operation bereitstellt. Ein Textvorschlag allein ist keine gerenderte Seite oder ausgeführte Interaktion. Definiere die Rückgaben der Werkzeuge, damit das Modell die Rückmeldung mit der tatsächlichen Anforderung verbinden kann.
Strukturierte Ausgaben können die Erkenntnisse des Experiments in einem vorgegebenen Schema organisieren. Definiere Feldnamen, erforderliche Typen und den Umgang mit fehlenden Werten und bewahre Quellenbezeichner neben extrahierten Informationen. Ein syntaktisch gültiger Datensatz und eine korrekte Interpretation sind verschiedene Eigenschaften; halte das Originalmaterial zur Prüfung der letzteren verfügbar.
Grenzen der Ausgabe und der Fortsetzung
Der gewöhnliche Chatablauf des Herstellers gibt privaten Reasoning-Kontext nicht an externe Aufrufer zur erneuten Einspeisung zurück. Bewahre sichtbaren Verlauf, Quellenfakten und Werkzeugergebnisse beim Fortsetzen eines Experiments und verwende nur die für die angebundene Schnittstelle dokumentierten Fortsetzungsmechanismen. Log-Wahrscheinlichkeiten werden für Muse Spark nicht unterstützt und sollten deshalb nicht als eingebauter Konfidenzwert für ein extrahiertes Feld behandelt werden.
Die veröffentlichte Kontext- und Modalitätstabelle gehört zu dieser benannten 1.2-Ausgabe; sie sollte weder die max-Einstellung von 1.3 noch deren Audioeinschränkung übernehmen. Die gelesenen Quellen nennen über den Kontext hinaus keine separate maximale Eingabe- oder Ausgabetokenkapazität. Halte Ziel, Material und überprüfbares Textergebnis des Prototyps ausdrücklich fest und bewahre dabei die Contributor-Identität und die tatsächlichen Ergebnisse ihrer Werkzeuge.
", "aboutText": "Muse Spark 1.2 Contributor ist die Experimentier- und Prototypenausgabe von Metas Reasoning-Familie Muse Spark 1.2. Halte den Bezeichner Contributor von Standard 1.2 und späteren 1.3-Ausgaben getrennt. Die Familiendokumentation des Herstellers beschreibt agentengestützte Arbeit, Softwareassistenten, multimodales Reasoning, Werkzeugnutzung und strukturierte Textergebnisse; sie begründet keine separate Leistungsgarantie für Contributor anhand von Standard-Demonstrationen.\n\nDokumentierte Eingaben und Kontext\n\nDer Hersteller nennt Text, Bilder, Video, Audio und PDFs als Eingabemodalitäten der Version 1.2 und Text als Ausgabe, mit einem Kontext von 1,048,576 Tokens. Diese Tabelle definiert den vom Hersteller dokumentierten Modellumfang. Das Ergebnis kann eine schriftliche Erklärung, strukturierte Erkenntnisse oder vorgeschlagener Code sein; das Rendern einer Oberfläche, Erstellen einer Aufnahme oder Ausführen einer anderen externen Aktion braucht eine Anwendungskomponente.\n\nWähle für einen Prototyp eine definierte Aufgabe und liefere das Material, das zur Prüfung ihres Ergebnisses nötig ist. Ein Screenshot kann eine Anforderung an eine bestimmte Interaktion begleiten. Ein PDF kann die zu vergleichenden oder zu extrahierenden Aussagen liefern. Ein Video kann die zu beschreibende sichtbare Abfolge zeigen, während eine audiovisuelle Frage benennen sollte, welches gesprochene oder sichtbare Detail wichtig ist. Kennzeichne jede Quelle und verlange die Belege, die die Antwort stützen.\n\nDie 1.2-Veröffentlichung beschreibt Stärken der Familie beim Umwandeln visuellen Materials in Code und beim Reasoning über Diagramme oder Szenen. Nutze sie als Aufgabengebiete und nicht als Behauptung, dass diese Contributor-Ausgabe jede Standard-Demo reproduziert. Eine praktische Anfrage kann die in einem Screenshot sichtbaren Layoutelemente, eine vorgeschlagene Implementierung und die verbleibenden Fragen zu einem im Bild nicht gezeigten Verhalten verlangen.\n\nReasoning und Ergebnisvorbereitung\n\nDer Muse-Spark-Reasoning-Leitfaden nennt für diese Ausgabe die Aufwandsstufen minimal, low, medium, high und xhigh. Max gilt speziell für Standard 1.3; das Deaktivieren von Reasoning mit none wird nicht unterstützt. Auch ohne ausdrückliche Einstellung verwendet das Modell eine selbst bestimmte Reasoning-Stufe. Für eine kleine Extraktion und ein mehrstufiges visuelles oder Coding-Problem kommen daher unterschiedliche Einstellungen für den Reasoning-Aufwand infrage; die Identität als 1.2 Contributor bleibt dabei erhalten.\n\nDas Ausgabebudget umfasst internes Reasoning und sichtbaren Text gemeinsam. Rohes Reasoning ist privat; verlange deshalb die Erklärung oder das Endergebnis, das der Nutzer braucht, statt die zugrunde liegende Spur zu erwarten. Lege die Antwortlänge und Felder der Aufgabe danach fest, was anschliessend geprüft wird.\n\nVerlange bei einem Dokumentvergleich die Quellaussage, ihre Seite, die dadurch festgelegte Bedingung und jeden Widerspruch. Lege für einen Codeprototyp die akzeptierte Eingabe, das erwartete Ergebnis und die zu bewahrende Schnittstelle fest. Verlange das vorgeschlagene Fragment getrennt von seinen Annahmen und Beispieleingaben. Diese Anforderungen definieren ein überprüfbares Ergebnis statt eines offenen Experiments ohne Abschlusskriterium.\n\nWerkzeuggestützte Experimente\n\nEntwicklerdefinierte Werkzeugnutzung folgt einer Schleife aus Modell und Anwendung. Die Anwendung beschreibt Funktionen, das Modell wählt eine Operation und bereitet Argumente vor, und die Anwendung führt sie aus und gibt das Ergebnis zurück. Eine Abfrage kann Referenzinformationen liefern; ein Ausführungswerkzeug kann zeigen, was beim Ausführen vorgeschlagenen Codes geschah. Halte die ursprüngliche Operation und das zurückgegebene Ergebnis miteinander verknüpft, bevor du die nächste Antwort verlangst.\n\nDie Ankündigung der 1.2-Familie betont die Werkzeugnutzung zur genaueren Prüfung visueller Eingaben und generierter Ergebnisse. Das bedeutet, dass die Umgebung die Prüf- oder Rendering-Operation bereitstellt. Ein Textvorschlag allein ist keine gerenderte Seite oder ausgeführte Interaktion. Definiere die Rückgaben der Werkzeuge, damit das Modell die Rückmeldung mit der tatsächlichen Anforderung verbinden kann.\n\nStrukturierte Ausgaben können die Erkenntnisse des Experiments in einem vorgegebenen Schema organisieren. Definiere Feldnamen, erforderliche Typen und den Umgang mit fehlenden Werten und bewahre Quellenbezeichner neben extrahierten Informationen. Ein syntaktisch gültiger Datensatz und eine korrekte Interpretation sind verschiedene Eigenschaften; halte das Originalmaterial zur Prüfung der letzteren verfügbar.\n\nGrenzen der Ausgabe und der Fortsetzung\n\nDer gewöhnliche Chatablauf des Herstellers gibt privaten Reasoning-Kontext nicht an externe Aufrufer zur erneuten Einspeisung zurück. Bewahre sichtbaren Verlauf, Quellenfakten und Werkzeugergebnisse beim Fortsetzen eines Experiments und verwende nur die für die angebundene Schnittstelle dokumentierten Fortsetzungsmechanismen. Log-Wahrscheinlichkeiten werden für Muse Spark nicht unterstützt und sollten deshalb nicht als eingebauter Konfidenzwert für ein extrahiertes Feld behandelt werden.\n\nDie veröffentlichte Kontext- und Modalitätstabelle gehört zu dieser benannten 1.2-Ausgabe; sie sollte weder die max-Einstellung von 1.3 noch deren Audioeinschränkung übernehmen. Die gelesenen Quellen nennen über den Kontext hinaus keine separate maximale Eingabe- oder Ausgabetokenkapazität. Halte Ziel, Material und überprüfbares Textergebnis des Prototyps ausdrücklich fest und bewahre dabei die Contributor-Identität und die tatsächlichen Ergebnisse ihrer Werkzeuge.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Prototype a bounded state reducer\n\nPropose a JavaScript reducer for an upload widget with states idle, uploading, success and error. Events start, finish and fail are supplied as plain strings. Only uploading may transition to success or error; start resets any state to uploading. Include a transition table and tests for an invalid finish from idle.Reducer code, a transition table and tests covering valid and ignored transitions.Check that finish from idle is ignored and that the proposal does not claim a rendered or executed widget.meta/muse-spark-1.2-contributorMuse Spark 1.2 Contributor ist eine separat benannte Reasoning-Ausgabe von Meta für Prototypen und experimentelle Agentenabläufe. Meta dokumentiert einen Kontext von 1,048,576 Tokens und multimodale Eingaben mit Textausgabe; die Ausgabe bewahrt ihre eigene Identität und Reasoning-Stufen ohne max von 1.3 Standard.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Muse Spark 1.2 Contributor ist die Experimentier- und Prototypenausgabe von Metas Reasoning-Familie Muse Spark 1.2. Halte den Bezeichner Contributor von Standard 1.2 und späteren 1.3-Ausgaben getrennt. Die Familiendokumentation des Herstellers beschreibt agentengestützte Arbeit, Softwareassistenten, multimodales Reasoning, Werkzeugnutzung und strukturierte Textergebnisse; sie begründet keine separate Leistungsgarantie für Contributor anhand von Standard-Demonstrationen.
Dokumentierte Eingaben und Kontext
Der Hersteller nennt Text, Bilder, Video, Audio und PDFs als Eingabemodalitäten der Version 1.2 und Text als Ausgabe, mit einem Kontext von 1,048,576 Tokens. Diese Tabelle definiert den vom Hersteller dokumentierten Modellumfang. Das Ergebnis kann eine schriftliche Erklärung, strukturierte Erkenntnisse oder vorgeschlagener Code sein; das Rendern einer Oberfläche, Erstellen einer Aufnahme oder Ausführen einer anderen externen Aktion braucht eine Anwendungskomponente.
Wähle für einen Prototyp eine definierte Aufgabe und liefere das Material, das zur Prüfung ihres Ergebnisses nötig ist. Ein Screenshot kann eine Anforderung an eine bestimmte Interaktion begleiten. Ein PDF kann die zu vergleichenden oder zu extrahierenden Aussagen liefern. Ein Video kann die zu beschreibende sichtbare Abfolge zeigen, während eine audiovisuelle Frage benennen sollte, welches gesprochene oder sichtbare Detail wichtig ist. Kennzeichne jede Quelle und verlange die Belege, die die Antwort stützen.
Die 1.2-Veröffentlichung beschreibt Stärken der Familie beim Umwandeln visuellen Materials in Code und beim Reasoning über Diagramme oder Szenen. Nutze sie als Aufgabengebiete und nicht als Behauptung, dass diese Contributor-Ausgabe jede Standard-Demo reproduziert. Eine praktische Anfrage kann die in einem Screenshot sichtbaren Layoutelemente, eine vorgeschlagene Implementierung und die verbleibenden Fragen zu einem im Bild nicht gezeigten Verhalten verlangen.
Reasoning und Ergebnisvorbereitung
Der Muse-Spark-Reasoning-Leitfaden nennt für diese Ausgabe die Aufwandsstufen minimal, low, medium, high und xhigh. Max gilt speziell für Standard 1.3; das Deaktivieren von Reasoning mit none wird nicht unterstützt. Auch ohne ausdrückliche Einstellung verwendet das Modell eine selbst bestimmte Reasoning-Stufe. Für eine kleine Extraktion und ein mehrstufiges visuelles oder Coding-Problem kommen daher unterschiedliche Einstellungen für den Reasoning-Aufwand infrage; die Identität als 1.2 Contributor bleibt dabei erhalten.
Das Ausgabebudget umfasst internes Reasoning und sichtbaren Text gemeinsam. Rohes Reasoning ist privat; verlange deshalb die Erklärung oder das Endergebnis, das der Nutzer braucht, statt die zugrunde liegende Spur zu erwarten. Lege die Antwortlänge und Felder der Aufgabe danach fest, was anschliessend geprüft wird.
Verlange bei einem Dokumentvergleich die Quellaussage, ihre Seite, die dadurch festgelegte Bedingung und jeden Widerspruch. Lege für einen Codeprototyp die akzeptierte Eingabe, das erwartete Ergebnis und die zu bewahrende Schnittstelle fest. Verlange das vorgeschlagene Fragment getrennt von seinen Annahmen und Beispieleingaben. Diese Anforderungen definieren ein überprüfbares Ergebnis statt eines offenen Experiments ohne Abschlusskriterium.
Werkzeuggestützte Experimente
Entwicklerdefinierte Werkzeugnutzung folgt einer Schleife aus Modell und Anwendung. Die Anwendung beschreibt Funktionen, das Modell wählt eine Operation und bereitet Argumente vor, und die Anwendung führt sie aus und gibt das Ergebnis zurück. Eine Abfrage kann Referenzinformationen liefern; ein Ausführungswerkzeug kann zeigen, was beim Ausführen vorgeschlagenen Codes geschah. Halte die ursprüngliche Operation und das zurückgegebene Ergebnis miteinander verknüpft, bevor du die nächste Antwort verlangst.
Die Ankündigung der 1.2-Familie betont die Werkzeugnutzung zur genaueren Prüfung visueller Eingaben und generierter Ergebnisse. Das bedeutet, dass die Umgebung die Prüf- oder Rendering-Operation bereitstellt. Ein Textvorschlag allein ist keine gerenderte Seite oder ausgeführte Interaktion. Definiere die Rückgaben der Werkzeuge, damit das Modell die Rückmeldung mit der tatsächlichen Anforderung verbinden kann.
Strukturierte Ausgaben können die Erkenntnisse des Experiments in einem vorgegebenen Schema organisieren. Definiere Feldnamen, erforderliche Typen und den Umgang mit fehlenden Werten und bewahre Quellenbezeichner neben extrahierten Informationen. Ein syntaktisch gültiger Datensatz und eine korrekte Interpretation sind verschiedene Eigenschaften; halte das Originalmaterial zur Prüfung der letzteren verfügbar.
Grenzen der Ausgabe und der Fortsetzung
Der gewöhnliche Chatablauf des Herstellers gibt privaten Reasoning-Kontext nicht an externe Aufrufer zur erneuten Einspeisung zurück. Bewahre sichtbaren Verlauf, Quellenfakten und Werkzeugergebnisse beim Fortsetzen eines Experiments und verwende nur die für die angebundene Schnittstelle dokumentierten Fortsetzungsmechanismen. Log-Wahrscheinlichkeiten werden für Muse Spark nicht unterstützt und sollten deshalb nicht als eingebauter Konfidenzwert für ein extrahiertes Feld behandelt werden.
Die veröffentlichte Kontext- und Modalitätstabelle gehört zu dieser benannten 1.2-Ausgabe; sie sollte weder die max-Einstellung von 1.3 noch deren Audioeinschränkung übernehmen. Die gelesenen Quellen nennen über den Kontext hinaus keine separate maximale Eingabe- oder Ausgabetokenkapazität. Halte Ziel, Material und überprüfbares Textergebnis des Prototyps ausdrücklich fest und bewahre dabei die Contributor-Identität und die tatsächlichen Ergebnisse ihrer Werkzeuge.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits meta/muse-spark-1.2-contributor | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0004 / 1K Tokens Eingabe · Cache lesen $0.000004 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0004 / 1K Tokens Eingabe · Cache lesen $0.000004 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "meta/muse-spark-1.2-contributor", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='meta/muse-spark-1.2-contributor',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='meta/muse-spark-1.2-contributor',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra meta/muse-spark-1.2-contributor
Verwenden Sie die oben angezeigten Methodenpfade.
meta/muse-spark-1.2-contributorMuse Spark 1.2 Contributor ist eine separat benannte Reasoning-Ausgabe von Meta für Prototypen und experimentelle Agentenabläufe. Meta dokumentiert einen Kontext von 1,048,576 Tokens und multimodale Eingaben mit Textausgabe; die Ausgabe bewahrt ihre eigene Identität und Reasoning-Stufen ohne max von 1.3 Standard.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Muse Spark 1.2 Contributor ist die Experimentier- und Prototypenausgabe von Metas Reasoning-Familie Muse Spark 1.2. Halte den Bezeichner Contributor von Standard 1.2 und späteren 1.3-Ausgaben getrennt. Die Familiendokumentation des Herstellers beschreibt agentengestützte Arbeit, Softwareassistenten, multimodales Reasoning, Werkzeugnutzung und strukturierte Textergebnisse; sie begründet keine separate Leistungsgarantie für Contributor anhand von Standard-Demonstrationen.
Dokumentierte Eingaben und Kontext
Der Hersteller nennt Text, Bilder, Video, Audio und PDFs als Eingabemodalitäten der Version 1.2 und Text als Ausgabe, mit einem Kontext von 1,048,576 Tokens. Diese Tabelle definiert den vom Hersteller dokumentierten Modellumfang. Das Ergebnis kann eine schriftliche Erklärung, strukturierte Erkenntnisse oder vorgeschlagener Code sein; das Rendern einer Oberfläche, Erstellen einer Aufnahme oder Ausführen einer anderen externen Aktion braucht eine Anwendungskomponente.
Wähle für einen Prototyp eine definierte Aufgabe und liefere das Material, das zur Prüfung ihres Ergebnisses nötig ist. Ein Screenshot kann eine Anforderung an eine bestimmte Interaktion begleiten. Ein PDF kann die zu vergleichenden oder zu extrahierenden Aussagen liefern. Ein Video kann die zu beschreibende sichtbare Abfolge zeigen, während eine audiovisuelle Frage benennen sollte, welches gesprochene oder sichtbare Detail wichtig ist. Kennzeichne jede Quelle und verlange die Belege, die die Antwort stützen.
Die 1.2-Veröffentlichung beschreibt Stärken der Familie beim Umwandeln visuellen Materials in Code und beim Reasoning über Diagramme oder Szenen. Nutze sie als Aufgabengebiete und nicht als Behauptung, dass diese Contributor-Ausgabe jede Standard-Demo reproduziert. Eine praktische Anfrage kann die in einem Screenshot sichtbaren Layoutelemente, eine vorgeschlagene Implementierung und die verbleibenden Fragen zu einem im Bild nicht gezeigten Verhalten verlangen.
Reasoning und Ergebnisvorbereitung
Der Muse-Spark-Reasoning-Leitfaden nennt für diese Ausgabe die Aufwandsstufen minimal, low, medium, high und xhigh. Max gilt speziell für Standard 1.3; das Deaktivieren von Reasoning mit none wird nicht unterstützt. Auch ohne ausdrückliche Einstellung verwendet das Modell eine selbst bestimmte Reasoning-Stufe. Für eine kleine Extraktion und ein mehrstufiges visuelles oder Coding-Problem kommen daher unterschiedliche Einstellungen für den Reasoning-Aufwand infrage; die Identität als 1.2 Contributor bleibt dabei erhalten.
Das Ausgabebudget umfasst internes Reasoning und sichtbaren Text gemeinsam. Rohes Reasoning ist privat; verlange deshalb die Erklärung oder das Endergebnis, das der Nutzer braucht, statt die zugrunde liegende Spur zu erwarten. Lege die Antwortlänge und Felder der Aufgabe danach fest, was anschliessend geprüft wird.
Verlange bei einem Dokumentvergleich die Quellaussage, ihre Seite, die dadurch festgelegte Bedingung und jeden Widerspruch. Lege für einen Codeprototyp die akzeptierte Eingabe, das erwartete Ergebnis und die zu bewahrende Schnittstelle fest. Verlange das vorgeschlagene Fragment getrennt von seinen Annahmen und Beispieleingaben. Diese Anforderungen definieren ein überprüfbares Ergebnis statt eines offenen Experiments ohne Abschlusskriterium.
Werkzeuggestützte Experimente
Entwicklerdefinierte Werkzeugnutzung folgt einer Schleife aus Modell und Anwendung. Die Anwendung beschreibt Funktionen, das Modell wählt eine Operation und bereitet Argumente vor, und die Anwendung führt sie aus und gibt das Ergebnis zurück. Eine Abfrage kann Referenzinformationen liefern; ein Ausführungswerkzeug kann zeigen, was beim Ausführen vorgeschlagenen Codes geschah. Halte die ursprüngliche Operation und das zurückgegebene Ergebnis miteinander verknüpft, bevor du die nächste Antwort verlangst.
Die Ankündigung der 1.2-Familie betont die Werkzeugnutzung zur genaueren Prüfung visueller Eingaben und generierter Ergebnisse. Das bedeutet, dass die Umgebung die Prüf- oder Rendering-Operation bereitstellt. Ein Textvorschlag allein ist keine gerenderte Seite oder ausgeführte Interaktion. Definiere die Rückgaben der Werkzeuge, damit das Modell die Rückmeldung mit der tatsächlichen Anforderung verbinden kann.
Strukturierte Ausgaben können die Erkenntnisse des Experiments in einem vorgegebenen Schema organisieren. Definiere Feldnamen, erforderliche Typen und den Umgang mit fehlenden Werten und bewahre Quellenbezeichner neben extrahierten Informationen. Ein syntaktisch gültiger Datensatz und eine korrekte Interpretation sind verschiedene Eigenschaften; halte das Originalmaterial zur Prüfung der letzteren verfügbar.
Grenzen der Ausgabe und der Fortsetzung
Der gewöhnliche Chatablauf des Herstellers gibt privaten Reasoning-Kontext nicht an externe Aufrufer zur erneuten Einspeisung zurück. Bewahre sichtbaren Verlauf, Quellenfakten und Werkzeugergebnisse beim Fortsetzen eines Experiments und verwende nur die für die angebundene Schnittstelle dokumentierten Fortsetzungsmechanismen. Log-Wahrscheinlichkeiten werden für Muse Spark nicht unterstützt und sollten deshalb nicht als eingebauter Konfidenzwert für ein extrahiertes Feld behandelt werden.
Die veröffentlichte Kontext- und Modalitätstabelle gehört zu dieser benannten 1.2-Ausgabe; sie sollte weder die max-Einstellung von 1.3 noch deren Audioeinschränkung übernehmen. Die gelesenen Quellen nennen über den Kontext hinaus keine separate maximale Eingabe- oder Ausgabetokenkapazität. Halte Ziel, Material und überprüfbares Textergebnis des Prototyps ausdrücklich fest und bewahre dabei die Contributor-Identität und die tatsächlichen Ergebnisse ihrer Werkzeuge.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits meta/muse-spark-1.2-contributor | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0004 / 1K Tokens Eingabe · Cache lesen $0.000004 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0004 / 1K Tokens Eingabe · Cache lesen $0.000004 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "meta/muse-spark-1.2-contributor",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'meta/muse-spark-1.2-contributor', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'meta/muse-spark-1.2-contributor', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra meta/muse-spark-1.2-contributor
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Prototype a bounded state reducer\n\nPropose a JavaScript reducer for an upload widget with states idle, uploading, success and error. Events start, finish and fail are supplied as plain strings. Only uploading may transition to success or error; start resets any state to uploading. Include a transition table and tests for an invalid finish from idle.Reducer code, a transition table and tests covering valid and ignored transitions.Check that finish from idle is ignored and that the proposal does not claim a rendered or executed widget.