Source: https://ailoot.ai/models/fr-be/meta-muse-spark-1-3-contributor/
Canonical: https://ailoot.ai/models/fr-be/meta-muse-spark-1-3-contributor/
Language: fr-be

# Meta: Muse Spark 1.3 Contributor

[Markdown](https://ailoot.ai/models/fr-be/meta-muse-spark-1-3-contributor/index.md) · [JSON](https://ailoot.ai/models/fr-be/meta-muse-spark-1-3-contributor/facts.json)

## [Meta: Muse Spark 1.3 Contributor](https://ailoot.ai/models/fr-be/meta-muse-spark-1-3-contributor/)

Muse Spark 1.3 Contributor est une édition de raisonnement de la famille Meta dédiée aux agents et à la programmation, pour les workflows de prototypage. Le fabricant annonce des entrées texte, image, vidéo et PDF, une sortie textuelle et un contexte de 1 048 576 tokens, avec des niveaux de raisonnement jusqu’à xhigh plutôt que le niveau max de Standard 1.3.

- [**Ailoot Ultra · Chat OpenAI** `POST /v1/chat/completions` `meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/fr-be/meta-muse-spark-1-3-contributor/#method-0)
- [**Ailoot Ultra · Messages Anthropic** `POST /v1/messages` `meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/fr-be/meta-muse-spark-1-3-contributor/#method-1)

À propos du modèle

Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.

Muse Spark 1.3 Contributor est une édition nommée séparément dans la famille Muse Spark de Meta, destinée au prototypage et à l’expérimentation. La famille est conçue pour les tâches d’agents et de programmation : boucles d’outils en plusieurs étapes, assistants logiciels et raisonnement sur des sources volumineuses. Conservez le nom Contributor lors du choix de l’édition au lieu de le traiter comme l’entrée Standard 1.3 en lui transférant tous les réglages à l’identique.

Entrées et contexte

Le tableau officiel des modèles répertorie le texte, les images, la vidéo et les PDF comme entrées, et le texte comme sortie, avec une fenêtre de contexte de 1 048 576 tokens. Une tâche peut combiner une exigence écrite, une capture d’écran, un extrait vidéo pertinent ou des pages de document et demander une explication écrite, des constats structurés ou du code proposé. Le résultat textuel du modèle peut devenir un livrable dans l’application qui l’entoure ; le rendu d’une page ou l’exécution de code nécessite cet environnement applicatif.

Identifiez chaque source et son rôle avant de demander un résultat. Une tâche de prototypage d’interface peut associer une capture d’écran au comportement souhaité et au fragment de code existant. Demandez les différences visibles, la modification d’implémentation proposée et les hypothèses restant à clarifier. Une tâche documentaire peut définir les champs à extraire et demander la page ou le passage justificatif à côté de chaque constat.

Le fabricant indique que la compréhension audio dans la version 1.3 n’est pas entièrement prise en charge et peut produire des réponses dégradées. Traitez cela comme une limite propre à cette version au lieu de copier dans cette description les capacités audio de Muse Spark 1.2 ou d’un modèle de transcription nommé séparément.

Niveaux de raisonnement et budget de réponse

Muse Spark génère un raisonnement interne avant sa réponse visible. Les niveaux d’effort documentés applicables ici sont minimal, low, medium, high et xhigh. Le niveau max appartient spécifiquement à Standard Muse Spark 1.3 et n’est pas disponible pour les modèles Contributor. Désactiver le raisonnement avec none n’est pas pris en charge ; omettre le réglage laisse toujours le modèle raisonner à un niveau qu’il détermine lui-même.

Le budget de tokens de sortie couvre à la fois le raisonnement interne et le texte visible. Une demande de long résultat écrit nécessite donc de la place pour les deux, surtout à un niveau d’effort de raisonnement plus élevé. Le raisonnement interne brut reste privé et les log-probabilités ne sont pas prises en charge comme mesure de confiance. Demandez l’explication, les champs ou le code final nécessaires à la tâche au lieu de supposer que la trace de raisonnement sous-jacente sera renvoyée sous forme de texte lisible.

Pour une expérience ciblée d’extraction ou de mise en forme, définissez l’enregistrement exact et les sources. Pour un problème de programmation ou visuel à plusieurs étapes, définissez les décisions intermédiaires et le livrable final. Un effort plus élevé modifie les ressources allouées au raisonnement ; il ne définit pas à lui seul ce qui constitue un résultat utile et terminé.

Outils et constats structurés

La documentation Muse Spark du fabricant décrit l’appel d’outils définis par le développeur et les sorties structurées. L’application fournit les définitions des outils, le modèle décide de l’opération nécessaire et prépare ses arguments, puis l’application exécute chaque appel et renvoie le résultat correspondant. La réponse suivante peut utiliser ces résultats pour décider de la suite. Un appel proposé se distingue d’une opération accomplie.

La même documentation distingue les outils de recherche intégrés connectés des fonctions définies par le développeur. La recherche ou l’exécution de code relève de l’environnement d’outils, et non d’une modalité de contenu supplémentaire de la réponse textuelle. Dans un prototype, fournissez uniquement les opérations pertinentes pour la question et décrivez ce que chacune renvoie afin que la réponse suivante reste reliée aux informations réellement retrouvées ou calculées.

Pour une extraction structurée, précisez les noms des champs, les informations requises et la représentation des valeurs manquantes. Un enregistrement pratique peut contenir l’identifiant de la source, le fait observé, l’interprétation et la question restant à clarifier. Gardez cet enregistrement séparé de la prose facultative lorsqu’une application doit traiter les champs de manière fiable. L’interface de schéma du fabricant rejette les schémas récursifs et limite l’imbrication à dix niveaux. Son mode strict exige un objet simple à la racine, toutes les propriétés répertoriées obligatoires et l’interdiction des propriétés supplémentaires. Une structure conforme n’établit pas l’exactitude factuelle.

Une tâche de prototypage utile

Choisissez un workflow capable de produire un livrable inspectable. Fournissez l’exigence, un exemple visuel et le code qui détermine le comportement actuel. Demandez une courte comparaison, un fragment révisé proposé et des exemples distinguant le comportement attendu du comportement actuel. Incluez tout résultat de recherche ou d’exécution renvoyé par l’application avant de demander l’explication finale.

Pour un prototype documentaire, donnez le PDF et la question à traiter, puis demandez un résumé relié aux sources ou un tableau comparatif. Pour la vidéo, identifiez l’événement ou la relation visuelle à examiner et demandez une description ordonnée avec les observations qui l’étayent. Définissez la longueur et les sections de la réponse finale afin que le grand contexte du modèle serve la question réelle.

Limites d’édition et de continuité

Contributor reste une édition 1.3 nommée à part entière, avec le contexte et les types d’entrées documentés. Le guide de raisonnement de Meta distingue l’historique de conversation ordinaire de la conservation du raisonnement privé entre les tours : l’interface de chat du fabricant ne renvoie pas cette trace privée aux appelants externes. Conservez les messages visibles, les sources et les résultats d’outils nécessaires au suivi au lieu de supposer que chaque interface transmet le raisonnement interne.

Les sources consultées ne précisent pas de capacité maximale stricte distincte de tokens d’entrée ou de sortie au-delà de la fenêtre de contexte. Préservez l’édition, la préparation des entrées et le livrable demandé, et reliez l’exécution des outils et la livraison du texte final aux résultats réellement obtenus dans le workflow de prototypage.

Cas pratique

### Cas pratique

Exemple technique en anglais

```
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.
```

#### Résultat attendu

```
A self-contained function, boundary-case assertions and explicit assumptions about input fields.
```

#### Vérifier le résultat

```
Exactly the 0- and 30-minute records qualify, and the function does not send messages or assume calendar access.
```

**Ailoot Ultra · Chat OpenAI** `POST /v1/chat/completions` `meta/muse-spark-1.3-contributor`

[`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/fr-be/#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`

### Premiers pas

Muse Spark 1.3 Contributor est une édition de raisonnement de la famille Meta dédiée aux agents et à la programmation, pour les workflows de prototypage. Le fabricant annonce des entrées texte, image, vidéo et PDF, une sortie textuelle et un contexte de 1 048 576 tokens, avec des niveaux de raisonnement jusqu’à xhigh plutôt que le niveau max de Standard 1.3.

Entrées acceptées

Texte

Résultats

Texte

### Disponible dans Ailoot · entrées et méthodes

**Ailoot Ultra · Chat OpenAI** `POST /v1/chat/completions`

Entrée

`text`

Sortie

`text`

Format de sortie

json ou SSE

| Champ | Type | Exigence | Valeurs et limites | Par défaut |
| --- | --- | --- | --- | --- |
| Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites meta/muse-spark-1.3-contributor | Par défaut— |
| Champ`messages` | Type`message[]` | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
| Champ`messages[].role` | Type`string` | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
| Champ`messages[].content` | Type`string\|content_part[]\|null` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`messages[].tool_calls` | Type`tool_call[]` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`messages[].tool_call_id` | Type`string` | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
| Champ`messages[].name` | Type`string` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`messages[].reasoning_content` | Type`string` | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
| Champ`messages[].reasoning_details` | Type`object\|array` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`max_tokens` | Type`integer` | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
| Champ`max_completion_tokens` | Type`integer` | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
| Champ`stream` | Type`boolean` | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
| Champ`stream_options.include_usage` | Type`boolean` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`temperature` | Type`number` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`top_p` | Type`number` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`stop` | Type`string\|string[]` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`tools` | Type`function_tool[]` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`tools[].type` | Type`string` | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
| Champ`tools[].function.name` | Type`string` | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
| Champ`tools[].function.description` | Type`string` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`tools[].function.parameters` | Type`JSON_schema` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`tool_choice` | Type`string\|object` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`parallel_tool_calls` | Type`boolean` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`response_format` | Type`object` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`reasoning_effort` | Type`string` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`reasoning` | Type`object` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`service_tier` | Type`string` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`instructions` | Type`string` | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
| Champ`functions` | Type`function[]` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`function_call` | Type`string\|object` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`prompt_cache_options` | Type`object` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`modalities` | Type`string[]` | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
| Champ`provider` | Type`object` | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
| Champ`cache_control.ttl` | Type`string` | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |

Combinaisons d’éléments d’entrée

**Texte** · Texte UTF8

`messages[].content`

Paramètres et cycle de vie de la méthode

| Paramètre | Contrat |
| --- | --- |
| Paramètre`content_type` | Contratapplication/json |
| Paramètre`required` | Contratmodel, messages |
| Paramètre`material_types` | Contrattext |
| Paramètre`messages` | Contrattableau de messages avec une structure role/content |
| Paramètre`file_material` | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
| Paramètre`optional_controls` | Contratstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice |
| Paramètre`control_scope` | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
| Paramètre`output_modalities` | Contrattext |
| Paramètre`hosted_operations` | Contratfalse |
| Paramètre`multimodal_input_binding` | Contratnull |

Cycle de vie : `synchronous_or_streamed`

Envoyez l’identifiant exact du modèle avec messages.

La longueur du contexte n’est pas un plafond de sortie.

Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.

### Tarifs

Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.

Mode rapide

Tarif standard Lorsque le mode rapide est sélectionné

Mode Flex

Tarif standard Lorsque le mode flex est sélectionné

Effort de raisonnement maximal

Tarif standard Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)

Effort de raisonnement · élevé

Tarif standard Lorsque l’effort de raisonnement est élevé

Effort de raisonnement · faible

Tarif standard Lorsque l’effort de raisonnement est faible

Effort de raisonnement · maximal

Tarif standard Lorsque l’effort de raisonnement est maximal

Effort de raisonnement · moyen

Tarif standard Lorsque l’effort de raisonnement est moyen

Effort de raisonnement · minimal

Tarif standard Lorsque l’effort de raisonnement est minimal

Effort de raisonnement · xhigh

Tarif standard Lorsque l’effort de raisonnement vaut xhigh

#### Tarifs Ailoot

#### Prix par configuration

Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.

| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
| --- | --- | --- | --- | --- |
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée **$0.0002** / 1K tokens Sortie · Tokens en sortie **$0.0004** / 1K tokens Entrée · Lecture du cache **$0.000004** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée **$0.0002** / 1K tokens Sortie · Tokens en sortie **$0.0004** / 1K tokens Entrée · Lecture du cache **$0.000004** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens |

Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr-be/billing/reserve/)

### Exemples de requêtes

#### Ailoot Ultra · Chat OpenAI

curlPython SDKStreaming Python

```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")
```

### Recevoir et enregistrer les résultats

#### Ailoot Ultra · Chat OpenAI

json ou SSE

##### Conserver tous les résultats terminés

Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.

Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.

##### Si la réponse d’origine doit être vérifiée

Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.

Champs de la réponse

| Champ | Type |
| --- | --- |
| Champ`choices[].index` | Typeinteger |
| Champ`choices[].message.content` | Typestring\|null |
| Champ`choices[].message.tool_calls` | Typetool\_call\[\] |
| Champ`choices[].message.reasoning_content` | Typestring |
| Champ`choices[].message.reasoning_details` | Typeobject\|array |
| Champ`choices[].finish_reason` | Typestring\|null |
| Champ`usage` | Typeobject |

Erreurs et étapes suivantes

| Réponse | Condition | Étape suivante |
| --- | --- | --- |
| Réponse400 · `invalid_request_error` | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |

### Alias

#### Alias du modèle

**Ailoot Ultra** [`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/fr-be/#m=meta%2Fmuse-spark-1.3-contributor&route=Ultra&caller=meta%2Fmuse-spark-1.3-contributor&fmt=chat)

#### Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

#### ID d’appel associés

[`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/fr-be/#m=meta%2Fmuse-spark-1.3-contributor&route=Ultra&caller=meta%2Fmuse-spark-1.3-contributor&fmt=chat)

**Ailoot Ultra · Messages Anthropic** `POST /v1/messages` `meta/muse-spark-1.3-contributor`

[`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/fr-be/#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`

### Premiers pas

Muse Spark 1.3 Contributor est une édition de raisonnement de la famille Meta dédiée aux agents et à la programmation, pour les workflows de prototypage. Le fabricant annonce des entrées texte, image, vidéo et PDF, une sortie textuelle et un contexte de 1 048 576 tokens, avec des niveaux de raisonnement jusqu’à xhigh plutôt que le niveau max de Standard 1.3.

Entrées acceptées

Texte

Résultats

json · sse

### Disponible dans Ailoot · entrées et méthodes

**Ailoot Ultra · Messages Anthropic** `POST /v1/messages`

Entrée

`text`

Sortie

`json`, `sse`

Format de sortie

JSON ou SSE

| Champ | Type | Exigence | Valeurs et limites | Par défaut |
| --- | --- | --- | --- | --- |
| Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites meta/muse-spark-1.3-contributor | Par défaut— |
| Champ`messages` | Type`message[]` | ExigenceObligatoire | Valeurs et limites | Par défaut— |
| Champ`messages[].role` | Type`string` | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
| Champ`messages[].content` | Type`string` | ExigenceObligatoire | Valeurs et limites | Par défaut— |
| Champ`max_tokens` | Type`integer` | ExigenceObligatoire | Valeurs et limites | Par défaut— |
| Champ`stream` | Type`boolean` | ExigenceFacultatif | Valeurs et limites | Par défautfalse |

Combinaisons d’éléments d’entrée

**Texte** · Texte UTF-8

`chaîne messages[].content`

Paramètres et cycle de vie de la méthode

| Paramètre | Contrat |
| --- | --- |
| Paramètre`content_type` | Contratapplication/json |
| Paramètre`required` | Contratmodel, messages, max\_tokens |
| Paramètre`optional_controls` | Contratstream |
| Paramètre`material_types` | Contrattext |
| Paramètre`text_file_material` | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |

Cycle de vie : `synchronous_or_streamed`

### Tarifs

Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.

Mode rapide

Tarif standard Lorsque le mode rapide est sélectionné

Mode Flex

Tarif standard Lorsque le mode flex est sélectionné

Effort de raisonnement maximal

Tarif standard Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)

Effort de raisonnement · élevé

Tarif standard Lorsque l’effort de raisonnement est élevé

Effort de raisonnement · faible

Tarif standard Lorsque l’effort de raisonnement est faible

Effort de raisonnement · maximal

Tarif standard Lorsque l’effort de raisonnement est maximal

Effort de raisonnement · moyen

Tarif standard Lorsque l’effort de raisonnement est moyen

Effort de raisonnement · minimal

Tarif standard Lorsque l’effort de raisonnement est minimal

Effort de raisonnement · xhigh

Tarif standard Lorsque l’effort de raisonnement vaut xhigh

#### Tarifs Ailoot

#### Prix par configuration

Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.

| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
| --- | --- | --- | --- | --- |
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée **$0.0002** / 1K tokens Sortie · Tokens en sortie **$0.0004** / 1K tokens Entrée · Lecture du cache **$0.000004** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée **$0.0002** / 1K tokens Sortie · Tokens en sortie **$0.0004** / 1K tokens Entrée · Lecture du cache **$0.000004** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens |

Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr-be/billing/reserve/)

### Exemples de requêtes

#### Ailoot Ultra · Messages Anthropic

Corps JSON minimal completcurl · utilisez votre document UTF-8Python · enregistrez le résultat complet

```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))
```

### Recevoir et enregistrer les résultats

#### Ailoot Ultra · Messages Anthropic

JSON ou SSE

##### Conserver tous les résultats terminés

Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.

Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.

##### Si la réponse d’origine doit être vérifiée

Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.

Champs de la réponse

| Champ | Type |
| --- | --- |
| Champ`id` | Typestring |
| Champ`model` | Typestring |
| Champ`content[]` | Typetext\|thinking\|tool\_use\|other content block |
| Champ`stop_reason` | Typestring\|null |
| Champ`usage` | Typeobject |

Erreurs et étapes suivantes

| Réponse | Condition | Étape suivante |
| --- | --- | --- |
| Réponse400 · `invalid_request_error` | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |

### Alias

#### Alias du modèle

**Ailoot Ultra** [`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/fr-be/#m=meta%2Fmuse-spark-1.3-contributor&route=Ultra&caller=meta%2Fmuse-spark-1.3-contributor&fmt=messages)

#### Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

#### ID d’appel associés

[`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/fr-be/#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

Quelles entrées et quels résultats sont disponibles ?

`POST /v1/chat/completions` · `meta/muse-spark-1.3-contributor`: `text` → `text` `POST /v1/messages` · `meta/muse-spark-1.3-contributor`: `text` → `json`, `sse`

Quels champs la requête utilise-t-elle ?

`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`

Quelles limites s’appliquent ?

`POST /v1/chat/completions` · `meta/muse-spark-1.3-contributor`: `messages.min_items`: `1`

Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application.

## L’entreprise et son portefeuille de projets

L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois.

## Achetez des tokens à prix réduit.

Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens.

Abonnement

Choisissez une offre à tarif réduit pour vos requêtes régulières.

Code promo jusqu’à 50%

Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours.

Dépenses dans l’historique

Modèle, tokens et montant sont enregistrés pour chaque requête.

[Choisir un abonnement](https://ailoot.ai/docs/fr-be/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr-be/)

## Connectez l’API au produit que vous vendez.

SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur.

Application commerciale

Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service.

Licence revendeur

Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente.

Documents sur le site

L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion.

[Demander une licence revendeur](mailto:support@ailoot.ai) · [Offre officielle et contrat de licence](https://ailoot.ai/legal/offer?lang=fr-be)

## Ailoot · L’entreprise et son portefeuille de projets





Ailoot s’appuie sur une expérience opérationnelle éprouvée, une large clientèle, un service stable et un suivi continu des KPI.





L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois.





Ailoot met cette expérience opérationnelle au service de l’accès API aux fonctions d’IA dans les produits des clients, leurs agents, applications et automatisations.