modelos

Meta: Muse Spark Open

Markdown · JSON

Meta: Muse Spark Open

meta/muse-spark-open
MetaTextoEntrada USD 0.0025 / 1KSalida USD 0.0085 / 1K

Modelo de Meta con pesos abiertos para programación, razonamiento de varios pasos y trabajo con contextos textuales extensos.

Un modelo de Meta para desarrollo y tareas largas

Muse Spark Open es una versión de Muse Spark con pesos publicados, orientada a la programación y los flujos de trabajo con agentes. Meta destaca las tareas en las que hay que mantener un objetivo durante varios pasos: comprender un proyecto, planificar un cambio, preparar código y ajustar el resultado a los requisitos originales. En Ailoot, el modelo recibe mensajes de texto y devuelve texto.

Según Meta, Muse Spark Open tiene 816 mil millones de parámetros en total y 42 mil millones de parámetros activos por token. Estas cifras describen la estructura del modelo: el tamaño total y la parte utilizada al procesar un token. Que los pesos estén publicados no significa que el usuario deba descargarlos u organizar una ejecución local para trabajar en Ailoot.

Trabajo con código y requisitos

En una solicitud de texto puedes enviar el planteamiento de la tarea, fragmentos de código fuente, información del entorno y el comportamiento esperado. Para analizar un error, conviene adjuntar el mensaje real, un ejemplo mínimo y las restricciones sobre los cambios. El modelo puede preparar una explicación, una propuesta de corrección y sugerencias de comprobación; ejecutar el código y verificar el resultado siguen siendo acciones independientes del flujo de trabajo.

Al diseñar un cambio, define la secuencia del resultado: identificar primero las partes afectadas, describir después la solución y presentar el código al final. Para una revisión, adjunta los requisitos junto al fragmento modificado, de modo que el análisis se base en el comportamiento del sistema y no solo en el estilo del código. Estas formas de trabajo corresponden a la orientación declarada del modelo: programación y resolución de tareas de varios pasos.

Contexto en Ailoot

Para Muse Spark Open se indica un contexto de 1 048 576 tokens. Permite incluir materiales de texto extensos e historial de la tarea. Una ventana amplia facilita analizar conjuntamente requisitos, documentación y varios módulos relacionados; conviene conservar explícitamente los nombres de los archivos y los límites de cada fragmento para que la respuesta pueda hacer referencia a ellos.

El modelo base Muse Spark Open es multimodal, pero los métodos actuales de Ailoot para esta ficha trabajan con texto. Esta descripción no anuncia análisis de imágenes, audio o video adjuntos ni control de programas. Las demostraciones con agentes de Meta muestran el modelo dentro de otro entorno con herramientas; una respuesta de texto por sí sola no confirma que se haya realizado un cambio en una aplicación o repositorio.

Disponible mediante la API de Ailoot

Ultra Anthropic MessagesPOST /v1/messages
Entrada
text
Salida
text
Contexto
No se indica en el catálogo
Respuesta máx.
No se indica en el catálogo
Entrada
USD 0.0025 / 1K
Salida
USD 0.0085 / 1K
Lectura de caché
USD 0.0003 / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Entrada
text
Salida
text
Contexto
No se indica en el catálogo
Respuesta máx.
No se indica en el catálogo
Entrada
USD 0.0025 / 1K
Salida
USD 0.0085 / 1K
Lectura de caché
USD 0.0003 / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Entrada
text
Salida
text
Contexto
No se indica en el catálogo
Respuesta máx.
No se indica en el catálogo
Entrada
USD 0.0025 / 1K
Salida
USD 0.0085 / 1K
Lectura de caché
USD 0.0003 / 1K
Ultra Gemini generateContentPOST /v1beta/models/meta/muse-spark-open:generateContent
Entrada
text
Salida
text
Contexto
No se indica en el catálogo
Respuesta máx.
No se indica en el catálogo
Entrada
USD 0.0025 / 1K
Salida
USD 0.0085 / 1K
Lectura de caché
USD 0.0003 / 1K
meta/muse-spark-open · JSON
{"about":"### Un modelo de Meta para desarrollo y tareas largas\n\nMuse Spark Open es una versión de Muse Spark con pesos publicados, orientada a la programación y los flujos de trabajo con agentes. Meta destaca las tareas en las que hay que mantener un objetivo durante varios pasos: comprender un proyecto, planificar un cambio, preparar código y ajustar el resultado a los requisitos originales. En Ailoot, el modelo recibe mensajes de texto y devuelve texto.\n\nSegún Meta, Muse Spark Open tiene 816 mil millones de parámetros en total y 42 mil millones de parámetros activos por token. Estas cifras describen la estructura del modelo: el tamaño total y la parte utilizada al procesar un token. Que los pesos estén publicados no significa que el usuario deba descargarlos u organizar una ejecución local para trabajar en Ailoot.\n\n### Trabajo con código y requisitos\n\nEn una solicitud de texto puedes enviar el planteamiento de la tarea, fragmentos de código fuente, información del entorno y el comportamiento esperado. Para analizar un error, conviene adjuntar el mensaje real, un ejemplo mínimo y las restricciones sobre los cambios. El modelo puede preparar una explicación, una propuesta de corrección y sugerencias de comprobación; ejecutar el código y verificar el resultado siguen siendo acciones independientes del flujo de trabajo.\n\nAl diseñar un cambio, define la secuencia del resultado: identificar primero las partes afectadas, describir después la solución y presentar el código al final. Para una revisión, adjunta los requisitos junto al fragmento modificado, de modo que el análisis se base en el comportamiento del sistema y no solo en el estilo del código. Estas formas de trabajo corresponden a la orientación declarada del modelo: programación y resolución de tareas de varios pasos.\n\n### Contexto en Ailoot\n\nPara Muse Spark Open se indica un contexto de 1 048 576 tokens. Permite incluir materiales de texto extensos e historial de la tarea. Una ventana amplia facilita analizar conjuntamente requisitos, documentación y varios módulos relacionados; conviene conservar explícitamente los nombres de los archivos y los límites de cada fragmento para que la respuesta pueda hacer referencia a ellos.\n\nEl modelo base Muse Spark Open es multimodal, pero los métodos actuales de Ailoot para esta ficha trabajan con texto. Esta descripción no anuncia análisis de imágenes, audio o video adjuntos ni control de programas. Las demostraciones con agentes de Meta muestran el modelo dentro de otro entorno con herramientas; una respuesta de texto por sí sola no confirma que se haya realizado un cambio en una aplicación o repositorio.","alias_of":null,"aliases":[],"author":"Meta","canonical_model":"meta/muse-spark-open","ctx":null,"formats":["chat","gemini","messages","responses"],"id":"meta/muse-spark-open","input":["text"],"kind":"text","max_out":null,"methods":[{"cache_read":0.3,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"anthropic","fast_multiplier":1,"flex_multiplier":1,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":2.5,"input":["text"],"label":"Anthropic Messages","max_out":null,"max_tool_calls":null,"out":8.5,"output":["text"],"path":"/v1/messages","request_model_id":"meta/muse-spark-open","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.3,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":2.5,"input":["text"],"label":"OpenAI Responses","max_out":null,"max_tool_calls":null,"out":8.5,"output":["text"],"path":"/v1/responses","request_model_id":"meta/muse-spark-open","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.3,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":2.5,"input":["text"],"label":"OpenAI Chat","max_out":null,"max_tool_calls":null,"out":8.5,"output":["text"],"path":"/v1/chat/completions","request_model_id":"meta/muse-spark-open","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.3,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"gemini","fast_multiplier":1,"flex_multiplier":1,"fmt":"gemini","http":"POST","img_in":null,"img_out":null,"in":2.5,"input":["text"],"label":"Gemini generateContent","max_out":null,"max_tool_calls":null,"out":8.5,"output":["text"],"path":"/v1beta/models/meta/muse-spark-open:generateContent","request_model_id":"meta/muse-spark-open","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"meta/muse-spark-open","request_model_id":"meta/muse-spark-open","route_label":"Ultra"}],"name":"Meta: Muse Spark Open","price":{"in":2.5,"in_label":null,"out":8.5,"out_label":null,"sort_in":2.5,"sort_out":8.5,"varies":false},"public_id":"meta/muse-spark-open","short":"Modelo de Meta con pesos abiertos para programación, razonamiento de varios pasos y trabajo con contextos textuales extensos."}

Preguntas

¿Cómo elijo un modelo para mi tarea?

Primero determina la entrada y la salida necesarias: texto, imagen, audio o vídeo. Después compara los métodos de API compatibles, el ID exacto del modelo o el modelo al que apunta actualmente el alias, el precio y la unidad de facturación. GET /v1/models es gratuito y enumera los modelos disponibles para tu clave.

¿Cada modelo admite todos los métodos de API y tipos de contenido?

Utiliza los métodos de API y los tipos de entrada y salida que figuran en la ficha del modelo. La compatibilidad con texto, imágenes, audio o vídeo depende del modelo y del método seleccionados; consulta su ejemplo de solicitud antes de enviar tus datos.

¿Qué diferencia hay entre el ID de un modelo y un alias?

Un ID exacto identifica un modelo concreto. Un alias apunta a un modelo y su destino puede cambiar. Consulta en el catálogo a qué modelo apunta actualmente el alias; utiliza el ID exacto cuando tu integración necesite un modelo concreto.

¿Cómo comparo los precios antes de enviar una solicitud?

Consulta en la ficha del modelo el precio y la unidad de facturación del método de API seleccionado. Compara la misma unidad y el mismo tipo de entrada y salida; el historial de solicitudes muestra el uso real y el importe cobrado.

¿Qué ofrece la suscripción?

Descuento en compra de tokens para trabajo habitual. Elige el plan según tu volumen; condiciones y precio se muestran al contratar.

¿Cómo aplico un código de hasta el 50%?

Introduce el código al comprar tokens. El importe se recalcula según la promoción; ves el descuento antes de pagar.