Source: https://ailoot.ai/models/de/meta-muse-spark-1-3-contributor/ Canonical: https://ailoot.ai/models/de/meta-muse-spark-1-3-contributor/ Language: de # Meta: Muse Spark 1.3 Contributor [Markdown](https://ailoot.ai/models/de/meta-muse-spark-1-3-contributor/index.md) · [JSON](https://ailoot.ai/models/de/meta-muse-spark-1-3-contributor/facts.json) ## [Meta: Muse Spark 1.3 Contributor](https://ailoot.ai/models/de/meta-muse-spark-1-3-contributor/) Muse Spark 1.3 Contributor ist eine Reasoning-Ausgabe in Metas Familie für Agenten- und Coding-Aufgaben, vorgesehen für Prototyping-Workflows. Der Hersteller nennt Text-, Bild-, Video- und PDF-Eingaben, Textausgabe und einen Kontext von 1.048.576 Token, mit Reasoning-Stufen bis xhigh statt der Stufe max von Standard 1.3. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/de/meta-muse-spark-1-3-contributor/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/de/meta-muse-spark-1-3-contributor/#method-1) Über das Modell Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt. Muse Spark 1.3 Contributor ist eine separat benannte Ausgabe in Metas Muse-Spark-Familie für Prototyping und Experimente. Die Familie ist für Agenten- und Coding-Arbeit ausgelegt: mehrstufige Werkzeugschleifen, Softwareassistenten und Reasoning über umfangreiches Quellmaterial. Bewahren Sie bei der Auswahl der Ausgabe den Namen Contributor, statt sie als Standard-1.3-Eintrag zu behandeln und sämtliche Einstellungen unverändert zu übernehmen. Eingaben und Kontext Die offizielle Modelltabelle nennt Text, Bilder, Video und PDFs als Eingaben und Text als Ausgabe, mit einem Kontextfenster von 1.048.576 Token. Eine Aufgabe kann eine schriftliche Anforderung, einen Screenshot, einen relevanten Clip oder Dokumentseiten kombinieren und eine schriftliche Erklärung, strukturierte Erkenntnisse oder Codevorschläge anfordern. Das Textergebnis des Modells kann in der umgebenden Anwendung zu einem Artefakt werden; das Rendern einer Seite oder Ausführen von Code benötigt diese Anwendungsumgebung. Benennen Sie vor der Ergebnisanforderung jede Quelle und ihre Rolle. Eine Aufgabe für einen Oberflächenprototyp kann einen Screenshot mit dem gewünschten Verhalten und dem vorhandenen Codefragment verbinden. Fordern Sie die sichtbaren Unterschiede, die vorgeschlagene Implementierungsänderung und die noch zu klärenden Annahmen an. Eine Dokumentaufgabe kann die zu extrahierenden Felder definieren und die stützende Seite oder Passage neben jeder Erkenntnis verlangen. Der Hersteller weist darauf hin, dass Audioverständnis in Version 1.3 nicht vollständig unterstützt wird und schlechtere Antworten liefern kann. Behandeln Sie dies als versionsspezifische Einschränkung, statt die Audiofähigkeiten von Muse Spark 1.2 oder eines separat benannten Transkriptionsmodells in diese Beschreibung zu übernehmen. Reasoning-Stufen und Antwortbudget Muse Spark erzeugt internes Reasoning vor seiner sichtbaren Antwort. Die hier anwendbaren dokumentierten Aufwandsstufen sind minimal, low, medium, high und xhigh. Die Stufe max gehört ausdrücklich zu Standard Muse Spark 1.3 und steht für Contributor-Modelle nicht zur Verfügung. Das Deaktivieren von Reasoning mit none wird nicht unterstützt; ohne diese Einstellung denkt das Modell weiterhin auf einem selbst bestimmten Niveau nach. Das Budget für Ausgabe-Token umfasst sowohl internes Reasoning als auch sichtbaren Text. Eine Anfrage nach einem langen schriftlichen Ergebnis benötigt daher Platz für beides, insbesondere bei höherem Reasoning-Aufwand. Das rohe interne Reasoning bleibt privat, und Log-Wahrscheinlichkeiten werden nicht als Konfidenzmaß unterstützt. Fordern Sie die Erklärung, Felder oder den abschließenden Code an, die die Aufgabe benötigt, statt anzunehmen, die zugrunde liegende Reasoning-Spur werde als lesbarer Text zurückgegeben. Definieren Sie für ein gezieltes Extraktions- oder Formatierungsexperiment den genauen Datensatz und das Quellmaterial. Legen Sie bei einem mehrstufigen Coding- oder visuellen Problem die Zwischenentscheidungen und das abschließende Artefakt fest. Ein höherer Reasoning-Aufwand verändert die Zuweisung von Denkaufwand; er definiert für sich genommen nicht, was ein abgeschlossenes, nützliches Ergebnis ausmacht. Werkzeuge und strukturierte Erkenntnisse Die Muse-Spark-Dokumentation des Herstellers beschreibt entwicklerdefinierte Werkzeugaufrufe und strukturierte Ausgaben. Die Anwendung liefert die Werkzeugdefinitionen, das Modell entscheidet über die benötigte Operation und bereitet ihre Argumente vor, und die Anwendung führt jeden Aufruf aus und gibt das entsprechende Ergebnis zurück. Die nächste Antwort kann diese Ergebnisse für die Entscheidung über den nächsten Schritt verwenden. Ein Aufrufvorschlag ist von einer abgeschlossenen Operation zu unterscheiden. Dieselbe Dokumentation unterscheidet verbundene integrierte Suchwerkzeuge von entwicklerdefinierten Funktionen. Suche oder Codeausführung gehören zur Werkzeugumgebung und sind keine zusätzliche Inhaltsmodalität der Textantwort. Stellen Sie in einem Prototyp nur die für die Frage relevanten Operationen bereit und beschreiben Sie, was jede zurückgibt, damit die nachfolgende Antwort mit tatsächlich abgerufenen oder berechneten Informationen verbunden bleibt. Legen Sie für strukturierte Extraktion Feldnamen, erforderliche Informationen und die Darstellung fehlender Werte fest. Ein praktischer Datensatz kann Quellenkennung, beobachteten Fakt, Interpretation und eine noch zu klärende Frage enthalten. Halten Sie den Datensatz von optionalem Fließtext getrennt, wenn eine Anwendung die Felder zuverlässig verarbeiten muss. Die Schema-Schnittstelle des Herstellers lehnt rekursive Schemata ab und begrenzt die Verschachtelung auf zehn Ebenen. Ihr strikter Modus erfordert ein einfaches Objekt als Wurzel, alle aufgeführten Eigenschaften als Pflichtfelder und verbietet zusätzliche Eigenschaften. Eine passende Struktur belegt keine sachliche Richtigkeit. Eine hilfreiche Prototyping-Aufgabe Wählen Sie einen Workflow, der ein überprüfbares Artefakt erzeugen kann. Stellen Sie die Anforderung, ein visuelles Beispiel und den für das aktuelle Verhalten maßgeblichen Code bereit. Fordern Sie einen kurzen Vergleich, einen überarbeiteten Fragmentvorschlag und Beispiele an, die das erwartete vom aktuellen Verhalten unterscheiden. Fügen Sie jedes von der Anwendung zurückgegebene Abfrage- oder Ausführungsergebnis ein, bevor Sie die abschließende Erklärung verlangen. Geben Sie für einen dokumentorientierten Prototyp das PDF und die zu beantwortende Frage an und fordern Sie dann eine quellengestützte Zusammenfassung oder Vergleichstabelle an. Benennen Sie bei Video das zu untersuchende Ereignis oder visuelle Verhältnis und verlangen Sie eine geordnete Beschreibung mit den stützenden Beobachtungen. Definieren Sie Länge und Abschnitte der abschließenden Antwort, damit der große Kontext des Modells der tatsächlichen Frage dient. Grenzen der Ausgabe und Fortsetzung Contributor bleibt eine eigenständig benannte 1.3-Ausgabe mit dem dokumentierten Kontext und den dokumentierten Eingabetypen. Metas Reasoning-Leitfaden unterscheidet gewöhnlichen Gesprächsverlauf vom Bewahren privaten Reasonings über Gesprächsrunden hinweg: Die Chat-Schnittstelle des Herstellers gibt diese private Spur nicht an externe Aufrufer zurück. Bewahren Sie die sichtbaren Nachrichten, Quellen und Werkzeugergebnisse, die ein Folgeauftrag benötigt, statt anzunehmen, jede Schnittstelle führe internes Reasoning fort. Die gelesenen Quellen geben keine separate feste maximale Kapazität für Eingabe- oder Ausgabe-Token über das Kontextfenster hinaus an. Bewahren Sie die Ausgabe, die Eingabevorbereitung und das angeforderte Artefakt und halten Sie Werkzeugausführung und abschließende Textlieferung mit den tatsächlich im Prototyping-Workflow erzielten Ergebnissen verbunden. Praktische Aufgabe ### Praktische Aufgabe Technisches Beispiel auf Englisch ``` Prototype and test a text-only helper Design a small Python prototype for an appointment reminder. Input records contain id and minutes_until_start. Return IDs where 0 <= minutes_until_start <= 30, preserving input order. Supply the function and cases at -1, 0, 30 and 31 minutes. Include a short note on assumptions; no calendar connection or reminder sending is available. ``` #### Erwartetes Ergebnis ``` A self-contained function, boundary-case assertions and explicit assumptions about input fields. ``` #### Ergebnis prüfen ``` Exactly the 0- and 30-minute records qualify, and the function does not send messages or assume calendar access. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `meta/muse-spark-1.3-contributor` [`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/de/#m=meta%2Fmuse-spark-1.3-contributor&route=Ultra&caller=meta%2Fmuse-spark-1.3-contributor&fmt=chat) Meta /`meta/muse-spark-1.3-contributor` ### Start Muse Spark 1.3 Contributor ist eine Reasoning-Ausgabe in Metas Familie für Agenten- und Coding-Aufgaben, vorgesehen für Prototyping-Workflows. Der Hersteller nennt Text-, Bild-, Video- und PDF-Eingaben, Textausgabe und einen Kontext von 1.048.576 Token, mit Reasoning-Stufen bis xhigh statt der Stufe max von Standard 1.3. Zulässige Eingaben Text Ergebnisse Text ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Eingabetypen `text` Ausgabetypen `text` Ausgabeformat json oder SSE | Feld | Typ | Anforderung | Werte und Limits | Standard | | --- | --- | --- | --- | --- | | Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits meta/muse-spark-1.3-contributor | Standard— | | Feld`messages` | Typ`message[]` | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— | | Feld`messages[].role` | Typ`string` | 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— | | Feld`messages[].content` | Typ`string\|content_part[]\|null` | AnforderungOptional | Werte und Limits | Standard— | | Feld`messages[].tool_calls` | Typ`tool_call[]` | AnforderungOptional | Werte und Limits | Standard— | | Feld`messages[].tool_call_id` | Typ`string` | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— | | Feld`messages[].name` | Typ`string` | AnforderungOptional | Werte und Limits | Standard— | | Feld`messages[].reasoning_content` | Typ`string` | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— | | Feld`messages[].reasoning_details` | Typ`object\|array` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`max_tokens` | Typ`integer` | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— | | Feld`max_completion_tokens` | Typ`integer` | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— | | Feld`stream` | Typ`boolean` | AnforderungOptional | Werte und Limits | Standardfalse | | Feld`stream_options.include_usage` | Typ`boolean` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`temperature` | Typ`number` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`top_p` | Typ`number` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`stop` | Typ`string\|string[]` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`tools` | Typ`function_tool[]` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`tools[].type` | Typ`string` | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— | | Feld`tools[].function.name` | Typ`string` | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— | | Feld`tools[].function.description` | Typ`string` | AnforderungOptional | Werte und Limits | Standard— | | Feld`tools[].function.parameters` | Typ`JSON_schema` | AnforderungOptional | Werte und Limits | Standard— | | Feld`tool_choice` | Typ`string\|object` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`parallel_tool_calls` | Typ`boolean` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`response_format` | Typ`object` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`reasoning_effort` | Typ`string` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`reasoning` | Typ`object` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`service_tier` | Typ`string` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`instructions` | Typ`string` | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— | | Feld`functions` | Typ`function[]` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`function_call` | Typ`string\|object` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`prompt_cache_options` | Typ`object` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`modalities` | Typ`string[]` | AnforderungOptional | Werte und Limits text | Standard— | | Feld`provider` | Typ`object` | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— | | Feld`cache_control.ttl` | Typ`string` | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— | Kombinationen von Eingabematerialien **Text** · UTF8-Text `messages[].content` Methodenparameter und Lebenszyklus | Parameter | Vertrag | | --- | --- | | Parameter`content_type` | Vertragapplication/json | | Parameter`required` | Vertragmodel, messages | | Parameter`material_types` | Vertragtext | | Parameter`messages` | VertragNachrichtenarray mit role/content-Struktur | | Parameter`file_material` | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet | | Parameter`optional_controls` | Vertragstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parameter`control_scope` | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen | | Parameter`output_modalities` | Vertragtext | | Parameter`hosted_operations` | Vertragfalse | | Parameter`multimodal_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. ### Tarife Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode. Schnellmodus Standardtarif Wenn der Schnellmodus ausgewählt ist Flex-Modus Standardtarif Wenn der Modus flex ausgewählt ist Maximaler Denkaufwand Standardtarif Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird Denkaufwand · hoch Standardtarif Wenn der Denkaufwand hoch ist Denkaufwand · niedrig Standardtarif Wenn der Denkaufwand niedrig ist Denkaufwand · max Standardtarif Wenn der Denkaufwand max ist Denkaufwand · mittel Standardtarif Wenn der Denkaufwand mittel ist Denkaufwand · minimal Standardtarif Wenn der Denkaufwand minimal ist Denkaufwand · xhigh Standardtarif Wenn der Denkaufwand xhigh ist #### Ailoot-Tarife #### Preise nach Konfiguration 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 Token Ausgabe · Ausgabetoken **$0.0004** / 1K Token Eingabe · Cache-Lesen **$0.000004** / 1K Token Eingabe · Cache-Schreiben **—** / 1K Token Eingabe · Cache-Schreiben, 1 Stunde **—** / 1K Token | | KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken **$0.0002** / 1K Token Ausgabe · Ausgabetoken **$0.0004** / 1K Token Eingabe · Cache-Lesen **$0.000004** / 1K Token Eingabe · Cache-Schreiben **—** / 1K Token Eingabe · Cache-Schreiben, 1 Stunde **—** / 1K Token | Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de/billing/reserve/) ### Beispielanfragen #### Ailoot Ultra · OpenAI Chat curlPython SDKPython-Stream ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "meta/muse-spark-1.3-contributor", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='meta/muse-spark-1.3-contributor',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='meta/muse-spark-1.3-contributor',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Ergebnisse abrufen und speichern #### Ailoot Ultra · OpenAI Chat json oder SSE ##### Alle fertiggestellten Ergebnisse aufbewahren 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. ##### Wenn die ursprüngliche Antwort geprüft werden muss Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben. Antwortfelder | Feld | Typ | | --- | --- | | Feld`choices[].index` | Typinteger | | Feld`choices[].message.content` | Typstring\|null | | Feld`choices[].message.tool_calls` | Typtool\_call\[\] | | Feld`choices[].message.reasoning_content` | Typstring | | Feld`choices[].message.reasoning_details` | Typobject\|array | | Feld`choices[].finish_reason` | Typstring\|null | | Feld`usage` | Typobject | Fehler und nächste Schritte | Antwort | Bedingung | Nächster Schritt | | --- | --- | --- | | Antwort400 · `invalid_request_error` | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. | ### Aliasnamen #### Modellaliasnamen **Ailoot Ultra** [`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/de/#m=meta%2Fmuse-spark-1.3-contributor&route=Ultra&caller=meta%2Fmuse-spark-1.3-contributor&fmt=chat) #### Aliasnamen für Methodenpfade Verwenden Sie die oben angezeigten Methodenpfade. #### Zugehörige Aufrufer-IDs [`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/de/#m=meta%2Fmuse-spark-1.3-contributor&route=Ultra&caller=meta%2Fmuse-spark-1.3-contributor&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `meta/muse-spark-1.3-contributor` [`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/de/#m=meta%2Fmuse-spark-1.3-contributor&route=Ultra&caller=meta%2Fmuse-spark-1.3-contributor&fmt=messages) Meta /`meta/muse-spark-1.3-contributor` ### Start Muse Spark 1.3 Contributor ist eine Reasoning-Ausgabe in Metas Familie für Agenten- und Coding-Aufgaben, vorgesehen für Prototyping-Workflows. Der Hersteller nennt Text-, Bild-, Video- und PDF-Eingaben, Textausgabe und einen Kontext von 1.048.576 Token, mit Reasoning-Stufen bis xhigh statt der Stufe max von Standard 1.3. Zulässige Eingaben Text Ergebnisse json · sse ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Eingabetypen `text` Ausgabetypen `json`, `sse` Ausgabeformat JSON oder SSE | Feld | Typ | Anforderung | Werte und Limits | Standard | | --- | --- | --- | --- | --- | | Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits meta/muse-spark-1.3-contributor | Standard— | | Feld`messages` | Typ`message[]` | AnforderungErforderlich | Werte und Limits | Standard— | | Feld`messages[].role` | Typ`string` | AnforderungErforderlich | Werte und Limits user, assistant | Standard— | | Feld`messages[].content` | Typ`string` | AnforderungErforderlich | Werte und Limits | Standard— | | Feld`max_tokens` | Typ`integer` | AnforderungErforderlich | Werte und Limits | Standard— | | Feld`stream` | Typ`boolean` | AnforderungOptional | Werte und Limits | Standardfalse | Kombinationen von Eingabematerialien **Text** · UTF-8-Text `Zeichenfolge messages[].content` Methodenparameter und Lebenszyklus | Parameter | Vertrag | | --- | --- | | Parameter`content_type` | Vertragapplication/json | | Parameter`required` | Vertragmodel, messages, max\_tokens | | Parameter`optional_controls` | Vertragstream | | Parameter`material_types` | Vertragtext | | Parameter`text_file_material` | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. | Lebenszyklus: `synchronous_or_streamed` ### Tarife Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode. Schnellmodus Standardtarif Wenn der Schnellmodus ausgewählt ist Flex-Modus Standardtarif Wenn der Modus flex ausgewählt ist Maximaler Denkaufwand Standardtarif Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird Denkaufwand · hoch Standardtarif Wenn der Denkaufwand hoch ist Denkaufwand · niedrig Standardtarif Wenn der Denkaufwand niedrig ist Denkaufwand · max Standardtarif Wenn der Denkaufwand max ist Denkaufwand · mittel Standardtarif Wenn der Denkaufwand mittel ist Denkaufwand · minimal Standardtarif Wenn der Denkaufwand minimal ist Denkaufwand · xhigh Standardtarif Wenn der Denkaufwand xhigh ist #### Ailoot-Tarife #### Preise nach Konfiguration 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 Token Ausgabe · Ausgabetoken **$0.0004** / 1K Token Eingabe · Cache-Lesen **$0.000004** / 1K Token Eingabe · Cache-Schreiben **—** / 1K Token Eingabe · Cache-Schreiben, 1 Stunde **—** / 1K Token | | KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken **$0.0002** / 1K Token Ausgabe · Ausgabetoken **$0.0004** / 1K Token Eingabe · Cache-Lesen **$0.000004** / 1K Token Eingabe · Cache-Schreiben **—** / 1K Token Eingabe · Cache-Schreiben, 1 Stunde **—** / 1K Token | Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de/billing/reserve/) ### Beispielanfragen #### Ailoot Ultra · Anthropic Messages Vollständiger minimaler JSON-Bodycurl · eigenes UTF-8-Dokument verwendenPython · das vollständige Ergebnis speichern ```json { "model": "meta/muse-spark-1.3-contributor", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'meta/muse-spark-1.3-contributor', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'meta/muse-spark-1.3-contributor', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### Ergebnisse abrufen und speichern #### Ailoot Ultra · Anthropic Messages JSON oder SSE ##### Alle fertiggestellten Ergebnisse aufbewahren 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. ##### Wenn die ursprüngliche Antwort geprüft werden muss Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben. Antwortfelder | Feld | Typ | | --- | --- | | Feld`id` | Typstring | | Feld`model` | Typstring | | Feld`content[]` | Typtext\|thinking\|tool\_use\|other content block | | Feld`stop_reason` | Typstring\|null | | Feld`usage` | Typobject | Fehler und nächste Schritte | Antwort | Bedingung | Nächster Schritt | | --- | --- | --- | | Antwort400 · `invalid_request_error` | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. | ### Aliasnamen #### Modellaliasnamen **Ailoot Ultra** [`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/de/#m=meta%2Fmuse-spark-1.3-contributor&route=Ultra&caller=meta%2Fmuse-spark-1.3-contributor&fmt=messages) #### Aliasnamen für Methodenpfade Verwenden Sie die oben angezeigten Methodenpfade. #### Zugehörige Aufrufer-IDs [`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/de/#m=meta%2Fmuse-spark-1.3-contributor&route=Ultra&caller=meta%2Fmuse-spark-1.3-contributor&fmt=messages) FAQ · Meta: Muse Spark 1.3 Contributor Welche Eingaben und Ergebnisse sind verfügbar? `POST /v1/chat/completions` · `meta/muse-spark-1.3-contributor`: `text` → `text` `POST /v1/messages` · `meta/muse-spark-1.3-contributor`: `text` → `json`, `sse` Welche Felder verwendet die Anfrage? `POST /v1/chat/completions` · `meta/muse-spark-1.3-contributor`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `meta/muse-spark-1.3-contributor`: `model`, `messages`, `max_tokens`, `stream` Welche Grenzen gelten? `POST /v1/chat/completions` · `meta/muse-spark-1.3-contributor`: `messages.min_items`: `1` Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung. ## Das Unternehmen und sein Projektportfolio Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. ## Tokens mit Rabatt kaufen. Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf. Abo Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen. Aktionscode bis 50% Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet. Ausgaben in der Historie Modell, Tokens und Betrag werden für jede Anfrage gespeichert. [Abo wählen](https://ailoot.ai/docs/de/billing/subscriptions/) · [Modellpreise ansehen](https://ailoot.ai/models/de/) ## Verbinden Sie die API mit dem Produkt, das Sie verkaufen. SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an. Kommerzielle Anwendung Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes. Reseller-Lizenz Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an. Dokumente auf der Website Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich. [Reseller-Lizenz anfordern](mailto:support@ailoot.ai) · [Offizielles Angebot und Lizenzvertrag](https://ailoot.ai/legal/offer?lang=de) ## Ailoot · Das Unternehmen und sein Projektportfolio Ailoot baut auf bewährte Betriebserfahrung, einen großen Kundenstamm, stabilen Service und kontinuierliche KPI-Kontrolle. Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. Ailoot nutzt diese Betriebserfahrung für den API-Zugang zu KI-Funktionen in Kundenprodukten, Agenten, Anwendungen und Automatisierungen.