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

# Meta: Muse Spark 1.3

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

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

Muse Spark 1.3 est le modèle de raisonnement multimodal de Meta pour les agents de longue durée et les workflows de programmation. Il suit les sources et les résultats antérieurs, prend en charge un contexte fabricant de 1 048 576 tokens et des niveaux de raisonnement allant jusqu’à max dans cette édition Standard, et renvoie du texte et des actions d’outils proposées.

- [**Ailoot Ultra · Chat OpenAI** `POST /v1/chat/completions` `meta/muse-spark-1.3`](https://ailoot.ai/models/fr/meta-muse-spark-1-3/#method-0)
- [**Ailoot Ultra · Messages Anthropic** `POST /v1/messages` `meta/muse-spark-1.3`](https://ailoot.ai/models/fr/meta-muse-spark-1-3/#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 est le modèle de raisonnement de Meta pour le travail soutenu d’agents et de programmation. Le fabricant insiste sur la conservation du contexte et des résultats antérieurs dans les tâches prolongées, le traitement de sources contradictoires et la production d’un livrable terminé. Cette entrée concerne l’édition Standard 1.3, dont les réglages de raisonnement documentés incluent max ; l’édition Contributor nommée séparément a ses propres limites de réglage.

Travail d’agents de longue haleine

La publication décrit un modèle entraîné dans différents environnements d’agents pour recueillir des informations, réviser un plan lorsque les éléments probants changent et préserver des exigences détaillées au fil d’une tâche à plusieurs étapes. Elle décrit aussi une meilleure gestion de plusieurs workflows dans un même fil, les demandes entrantes étant associées à la tâche concernée. Une demande utile doit définir l’objectif, les sources, les exigences et le livrable qui constituera l’achèvement.

Pour une tâche documentaire professionnelle, fournissez les rapports sources, identifiez les faits à conserver et demandez une note structurée avec les emplacements dans les sources. Si les sources se contredisent, demandez séparément les énoncés contradictoires et les informations nécessaires pour les départager. Pour une tâche de programmation, incluez le comportement attendu, les modules concernés et le code pertinent ; demandez l’implémentation proposée et les éléments permettant de distinguer le résultat attendu.

Le fabricant indique que la version 1.3 demande des précisions lorsqu’une requête est ambiguë et sollicite l’aide de l’utilisateur lorsqu’elle est bloquée. Il décrit aussi un meilleur discernement concernant les actions aux conséquences importantes. Ce sont des améliorations de comportement du modèle plutôt qu’un remplacement des contrôles d’exécution de l’application. Donnez à l’agent les informations nécessaires pour décider et rendez explicite le résultat requis.

Programmation et éléments multimodaux

La publication met l’accent sur des tâches de programmation plus longues, des sorties plus propres et moins d’échanges inutiles par rapport à la version 1.2. Un workflow d’agent de programmation peut examiner une capture d’écran, repérer le code pertinent, proposer une correction et exploiter les retours d’exécution ou de rendu renvoyés par ses outils. Précisez l’interface à maintenir compatible et demandez le livrable modifié séparément de ses hypothèses et de son explication.

Le tableau officiel des modèles répertorie le texte, les images, la vidéo et les PDF en entrée, une sortie textuelle et un contexte de 1 048 576 tokens. Des images ou des extraits vidéo peuvent apporter des éléments visibles aux côtés de la tâche écrite. Une question sur un graphique doit conserver les axes, les légendes et les unités ; une question sur une capture d’écran doit identifier le comportement à reproduire ou à examiner. Une question sur un PDF peut demander une extraction ou une comparaison reliée aux sources plutôt qu’un résumé général de toutes les pages.

Le fabricant indique explicitement que la compréhension audio dans la version 1.3 n’est pas entièrement prise en charge et que les réponses contenant de l’audio peuvent se dégrader. Cela se distingue des capacités audiovisuelles documentées de la version 1.2. Le résultat textuel du modèle ne génère pas non plus à lui seul une image, un enregistrement vocal ou un fichier terminé sans les outils de l’application environnante.

Effort de raisonnement et continuité

Les niveaux documentés sont minimal, low, medium, high, xhigh et max. Max est propre à Standard 1.3. Muse Spark ne permet pas de désactiver le raisonnement avec none ; omettre le réglage laisse un niveau de raisonnement déterminé par le modèle. Choisissez l’effort selon le problème réel et laissez de la place à la fois pour le raisonnement interne et pour le résultat écrit requis.

Les tokens de raisonnement et les tokens visibles partagent le budget de sortie. Le raisonnement interne brut reste privé et n’est pas renvoyé en texte lisible ordinaire. Le fabricant distingue l’historique conversationnel visible de la continuité du raisonnement privé : son interface de chat n’expose pas de trace que les appelants externes puissent rejouer, tandis que son autre workflow conversationnel documenté prend en charge une continuation gérée ou chiffrée du raisonnement. Conservez les sources, les messages visibles et les résultats réels des outils nécessaires à la suite plutôt que de supposer que toutes les interfaces conservent le raisonnement privé de façon identique.

Outils et livrables structurés

L’application fournit des descriptions de fonctions définies par les développeurs, le modèle crée les arguments requis pour l’appel, puis l’application exécute chaque appel et renvoie le résultat associé. Le modèle peut demander plusieurs fonctions dans un échange. Renvoyez le résultat de chaque opération d’origine avant de demander la conclusion suivante, afin que la réponse exploite des informations réellement récupérées ou calculées.

Le fabricant documente séparément des outils de recherche intégrés exécutés dans son service connecté. Les fonctions des développeurs et ces outils intégrés ont des modalités d’exécution différentes. Le modèle peut raisonner sur les informations dont il a besoin, mais sélectionner le modèle seul ne fournit ni accès à un dépôt, ni navigateur, ni source d’informations privée.

Une sortie structurée peut contraindre le résultat à un schéma JSON fourni. Définissez les champs et les types nécessaires à l’étape suivante et le traitement des informations sources manquantes. Dans le mode de schéma strict du fabricant, la racine est un objet simple, chaque propriété est obligatoire et les propriétés supplémentaires sont interdites ; les schémas récursifs sont rejetés. Ce sont des contraintes de l’interface structurée du fabricant, et non la preuve que les faits contenus dans un enregistrement bien formé sont vrais.

Pour un livrable final utile, demandez séparément les constats étayés par les sources, la modification ou le document proposés et les conditions non résolues. Les sources consultées ne donnent pas de capacité maximale stricte indépendante pour les tokens d’entrée ou de sortie au-delà du contexte documenté. Gardez explicites l’identité Standard 1.3, le choix de raisonnement et les résultats d’exécution connectés tout au long de la tâche.

Cas pratique

### Cas pratique

Exemple technique en anglais

```
Resolve conflicting project reports

Prepare a decision brief from these reports. Engineering E: migration scripts passed staging checks. Operations O: production backup restoration has not been rehearsed. Release policy P: rehearsal must pass before migration approval. State what is established, what blocks approval and the next evidence needed. Keep staging success separate from production readiness and cite E, O or P beside each point.
```

#### Résultat attendu

```
A source-linked brief with established facts, the blocking condition and one concrete evidence request.
```

#### Vérifier le résultat

```
Staging checks alone never satisfy the policy's restoration-rehearsal requirement.
```

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

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

Meta /`meta/muse-spark-1.3`

### Premiers pas

Muse Spark 1.3 est le modèle de raisonnement multimodal de Meta pour les agents de longue durée et les workflows de programmation. Il suit les sources et les résultats antérieurs, prend en charge un contexte fabricant de 1 048 576 tokens et des niveaux de raisonnement allant jusqu’à max dans cette édition Standard, et renvoie du texte et des actions d’outils proposées.

Entrées acceptées

Texte

Résultats

Texte

### Disponible dans Ailoot · entrées et méthodes

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

Types d’entrée

`text`

Types de 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 | 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 **$0.0025** / 1K tokens Sortie · Tokens en sortie **$0.0085** / 1K tokens Entrée · Lecture du cache **$0.0003** / 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 **$0.0025** / 1K tokens Sortie · Tokens en sortie **$0.0085** / 1K tokens Entrée · Lecture du cache **$0.0003** / 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/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", "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',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',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`](https://ailoot.ai/models/fr/#m=meta%2Fmuse-spark-1.3&route=Ultra&caller=meta%2Fmuse-spark-1.3&fmt=chat)

#### Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

#### ID d’appel associés

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

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

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

Meta /`meta/muse-spark-1.3`

### Premiers pas

Muse Spark 1.3 est le modèle de raisonnement multimodal de Meta pour les agents de longue durée et les workflows de programmation. Il suit les sources et les résultats antérieurs, prend en charge un contexte fabricant de 1 048 576 tokens et des niveaux de raisonnement allant jusqu’à max dans cette édition Standard, et renvoie du texte et des actions d’outils proposées.

Entrées acceptées

Texte

Résultats

json · sse

### Disponible dans Ailoot · entrées et méthodes

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

Types d’entrée

`text`

Types de 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 | 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 **$0.0025** / 1K tokens Sortie · Tokens en sortie **$0.0085** / 1K tokens Entrée · Lecture du cache **$0.0003** / 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 **$0.0025** / 1K tokens Sortie · Tokens en sortie **$0.0085** / 1K tokens Entrée · Lecture du cache **$0.0003** / 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/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",
  "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', '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', '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`](https://ailoot.ai/models/fr/#m=meta%2Fmuse-spark-1.3&route=Ultra&caller=meta%2Fmuse-spark-1.3&fmt=messages)

#### Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

#### ID d’appel associés

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

FAQ · Meta: Muse Spark 1.3

Quelles entrées et quels résultats sont disponibles ?

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

Quels champs la requête utilise-t-elle ?

`POST /v1/chat/completions` · `meta/muse-spark-1.3`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `meta/muse-spark-1.3`: `model`, `messages`, `max_tokens`, `stream`

Quelles limites s’appliquent ?

`POST /v1/chat/completions` · `meta/muse-spark-1.3`: `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/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr/)

## 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)

## 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.