A Muse Spark 1.1 a Meta Superintelligence Labs multimodális következtető modellje ügynöki munkához, kódoláshoz és számítógép-használati munkafolyamatokhoz. A gyártó eredeti kiadása a tervezésre, koordinálásra, kontextuskezelésre és a vizuális bizonyítékok eszközök által biztosított műveletekkel való összekapcsolására helyezi a hangsúlyt. A dokumentált kimenet szöveg; a modell körüli alkalmazás biztosítja a tényleges végrehajtást és a renderelt anyagokat.
Ügynöki tervezés és hosszú kontextus
A kiadás natív eszközökhöz, egyéni függvényekhez és ügynökkörnyezetekhez való alkalmazkodást ír le. Főügynökként a modell kontextust gyűjthet, tervet készíthet és meghatározott munkát delegálhat; delegált szerepben követi a kijelölt feladatot, és jelezheti a továbbadást igénylő akadályt. Ezek ügynökkörnyezet által használt képességek, nem egyetlen szöveges válasz által automatikusan létrehozott alügynökök gyűjteménye.
A gyártó modelltáblázata 1 048 576 tokenes kontextust ad meg. Az 1.1 kiadás a korábbi munka felidézését és a későbbi lépésekhez szükséges információ tömörítését írja le. Egy hasznos feladatnak azonosítania kell a célt, a forrásanyagot és a végső eredményt, a fontos döntéseket és eszközeredményeket kifejezetten megőrizve. A nagy kontextus segít együtt tartani a kapcsolódó információkat, de nem határozza meg, mely követelményt kell teljesítenie az eredménynek.
Hosszú projektkérdésnél címkézze a forrásdokumentumokat, és kérje a releváns követelményt, annak helyét és a megoldatlan feltételt. Tervnél kérje a műveleteket a megadott korlátokhoz kötött sorrendben, és adja meg, milyen eredmény zárná le az egyes lépéseket. Folytatáskor őrizze meg a látható megállapításokat és kimeneteleket ahelyett, hogy feltételezné, egy meg nem határozott memória minden korábbi tényt tartalmaz.
Számítógép-használat és kódolás
A gyártó változó alkalmazásokon átívelő számítógépes munkafolyamatokat ír le, amelyekben a modell egy csatlakoztatott környezetben közvetlen felületi interakció és szkriptelt automatizálás között választ. Egy képernyőkép megadhatja a látható állapotot, egy szöveges utasítás pedig meghatározhatja a felhasználó célját. Kérje a releváns vezérlőt, a javasolt műveletet és az azt alátámasztó bizonyítékot, majd ha a környezet végrehajtja a műveletet, adja vissza a tényleges új állapotot.
Kódolásnál a kiadás hibák diagnosztizálását, funkciók megvalósítását és kódmigrációk kezelését írja le. Hibakeresési bemutatója kódgenerálást, képernyőképeket, a hiba megtalálását és a javítás ellenőrzését kapcsolja össze. Egy gyakorlati kérés megadhatja a hibás viselkedést, az érintett forrást és az elvárt eredményt, majd kérheti a javasolt módosítást a nyilvános interfész megőrzésével. A kódvégrehajtás és a fájlmódosítás továbbra is az alkalmazás eszközei által biztosított művelet.
Adja meg a modellnek a viselkedést meghatározó kódot és deklarációkat. Magyarázathoz adjon végigkövetendő bemenetet; módosításhoz határozza meg az eredményt és a korlátokat; vizuális megvalósításhoz mellékelje a képernyőképet és a képen nem látható interakciókat. Az anyagot a feltételezéseitől és az ellenőrzéséhez szükséges visszajelzéstől külön kérje.
Multimodális bemenetek
A modelltáblázat az 1.1-hez szöveges, képi, videós, hang- és PDF-bemenetet dokumentál, szöveges kimenettel. A kiadás részletes kép- és videófeliratozást, vizuális anyagból végzett kódgenerálást és érzékelési részletek hosszabb munkafolyamaton át történő használatát írja le. Dokumentumkérdés kérhet forráshoz kötött mezőket vagy összehasonlítást; videókérdés azonosíthatja a leírandó eseményt vagy sorozatot; audiovizuális kérdés meghatározhatja, mely elhangzott és látható információ fontos.
A modell kimenete továbbra is írásos magyarázat, strukturált eredmény vagy javasolt kód. Generált képhez, szintetizált beszédhez vagy befejezett külső művelethez külön biztosított komponens szükséges. Őrizze meg a forrásazonosítókat, címkéket, mértékegységeket és releváns szakaszokat, hogy a szöveges eredmény összevethető legyen az eredeti anyaggal.
Következtetés, eszközök és strukturált kimenet
A Muse Spark következtetési útmutatója ehhez a kiadáshoz minimal, low, medium, high és xhigh szinteket dokumentál. A max egy későbbi Standard 1.3 beállítás, a none pedig nem támogatott. A következtetés kifejezett erőfeszítési érték nélkül is megtörténik, és a kimeneti keret a privát belső következtetést és a látható választ is lefedi. A nyers következtetés és a logaritmikus valószínűségek nem érhetők el szokásos megbízhatósági vagy magyarázati mezőkként.
A fejlesztő által meghatározott eszközhívás ciklust követ: az alkalmazás biztosítja a műveleteket, a modell előkészíti az argumentumokat, az alkalmazás minden hívást végrehajt és visszaadja az eredményét, a következő válasz pedig felhasználja azt. Egy eszközhívás információt vagy műveletet kérhet; önmagában nem bizonyítja a művelet befejezését. A beszélgetésben tartsa összekapcsolva az eredeti hívást és az eredményt.
A gyártó megadott JSON-sémára korlátozott strukturált szöveget is dokumentál. Határozza meg az alkalmazás által igényelt mezőket és típusaikat, és ha eltérő célt szolgálnak, különítse el a forrásinformációt az értelmezéstől. A strukturált forma nem igazolja a ténybeli helyességet; az ellenőrizhető válasz tartalmát továbbra is az eredeti források és tényleges eszközeredmények határozzák meg.
Kiadási és folytonossági határok
A Muse Spark 1.1 önálló kiadás marad. Az 1.2 konkrét kódolási változtatásait, az 1.3 hosszú távú viselkedési frissítéseit és a Standard 1.3 max beállítását nem szabad neki tulajdonítani pusztán a közös család miatt. A gyártó csevegési felülete nem ad külső hívóknak visszajátszható privát következtetést, ezért őrizze meg a látható előzményeket, és a csatlakoztatott felület által kínált folytonossági mechanizmusokat használja.
Az elolvasott források a dokumentált kontextuson túl nem adnak meg külön szigorú maximális bemeneti vagy kimenetitoken-kapacitást. Határozza meg a szükséges szöveges anyagot, és őrizze meg minden művelethez vagy következtetéshez a szükséges bizonyítékot, külön tartva a modell tervezését és érzékelését a javasolt műveleteket végrehajtó környezettől.
", "aboutText": "A Muse Spark 1.1 a Meta Superintelligence Labs multimodális következtető modellje ügynöki munkához, kódoláshoz és számítógép-használati munkafolyamatokhoz. A gyártó eredeti kiadása a tervezésre, koordinálásra, kontextuskezelésre és a vizuális bizonyítékok eszközök által biztosított műveletekkel való összekapcsolására helyezi a hangsúlyt. A dokumentált kimenet szöveg; a modell körüli alkalmazás biztosítja a tényleges végrehajtást és a renderelt anyagokat.\n\nÜgynöki tervezés és hosszú kontextus\n\nA kiadás natív eszközökhöz, egyéni függvényekhez és ügynökkörnyezetekhez való alkalmazkodást ír le. Főügynökként a modell kontextust gyűjthet, tervet készíthet és meghatározott munkát delegálhat; delegált szerepben követi a kijelölt feladatot, és jelezheti a továbbadást igénylő akadályt. Ezek ügynökkörnyezet által használt képességek, nem egyetlen szöveges válasz által automatikusan létrehozott alügynökök gyűjteménye.\n\nA gyártó modelltáblázata 1 048 576 tokenes kontextust ad meg. Az 1.1 kiadás a korábbi munka felidézését és a későbbi lépésekhez szükséges információ tömörítését írja le. Egy hasznos feladatnak azonosítania kell a célt, a forrásanyagot és a végső eredményt, a fontos döntéseket és eszközeredményeket kifejezetten megőrizve. A nagy kontextus segít együtt tartani a kapcsolódó információkat, de nem határozza meg, mely követelményt kell teljesítenie az eredménynek.\n\nHosszú projektkérdésnél címkézze a forrásdokumentumokat, és kérje a releváns követelményt, annak helyét és a megoldatlan feltételt. Tervnél kérje a műveleteket a megadott korlátokhoz kötött sorrendben, és adja meg, milyen eredmény zárná le az egyes lépéseket. Folytatáskor őrizze meg a látható megállapításokat és kimeneteleket ahelyett, hogy feltételezné, egy meg nem határozott memória minden korábbi tényt tartalmaz.\n\nSzámítógép-használat és kódolás\n\nA gyártó változó alkalmazásokon átívelő számítógépes munkafolyamatokat ír le, amelyekben a modell egy csatlakoztatott környezetben közvetlen felületi interakció és szkriptelt automatizálás között választ. Egy képernyőkép megadhatja a látható állapotot, egy szöveges utasítás pedig meghatározhatja a felhasználó célját. Kérje a releváns vezérlőt, a javasolt műveletet és az azt alátámasztó bizonyítékot, majd ha a környezet végrehajtja a műveletet, adja vissza a tényleges új állapotot.\n\nKódolásnál a kiadás hibák diagnosztizálását, funkciók megvalósítását és kódmigrációk kezelését írja le. Hibakeresési bemutatója kódgenerálást, képernyőképeket, a hiba megtalálását és a javítás ellenőrzését kapcsolja össze. Egy gyakorlati kérés megadhatja a hibás viselkedést, az érintett forrást és az elvárt eredményt, majd kérheti a javasolt módosítást a nyilvános interfész megőrzésével. A kódvégrehajtás és a fájlmódosítás továbbra is az alkalmazás eszközei által biztosított művelet.\n\nAdja meg a modellnek a viselkedést meghatározó kódot és deklarációkat. Magyarázathoz adjon végigkövetendő bemenetet; módosításhoz határozza meg az eredményt és a korlátokat; vizuális megvalósításhoz mellékelje a képernyőképet és a képen nem látható interakciókat. Az anyagot a feltételezéseitől és az ellenőrzéséhez szükséges visszajelzéstől külön kérje.\n\nMultimodális bemenetek\n\nA modelltáblázat az 1.1-hez szöveges, képi, videós, hang- és PDF-bemenetet dokumentál, szöveges kimenettel. A kiadás részletes kép- és videófeliratozást, vizuális anyagból végzett kódgenerálást és érzékelési részletek hosszabb munkafolyamaton át történő használatát írja le. Dokumentumkérdés kérhet forráshoz kötött mezőket vagy összehasonlítást; videókérdés azonosíthatja a leírandó eseményt vagy sorozatot; audiovizuális kérdés meghatározhatja, mely elhangzott és látható információ fontos.\n\nA modell kimenete továbbra is írásos magyarázat, strukturált eredmény vagy javasolt kód. Generált képhez, szintetizált beszédhez vagy befejezett külső művelethez külön biztosított komponens szükséges. Őrizze meg a forrásazonosítókat, címkéket, mértékegységeket és releváns szakaszokat, hogy a szöveges eredmény összevethető legyen az eredeti anyaggal.\n\nKövetkeztetés, eszközök és strukturált kimenet\n\nA Muse Spark következtetési útmutatója ehhez a kiadáshoz minimal, low, medium, high és xhigh szinteket dokumentál. A max egy későbbi Standard 1.3 beállítás, a none pedig nem támogatott. A következtetés kifejezett erőfeszítési érték nélkül is megtörténik, és a kimeneti keret a privát belső következtetést és a látható választ is lefedi. A nyers következtetés és a logaritmikus valószínűségek nem érhetők el szokásos megbízhatósági vagy magyarázati mezőkként.\n\nA fejlesztő által meghatározott eszközhívás ciklust követ: az alkalmazás biztosítja a műveleteket, a modell előkészíti az argumentumokat, az alkalmazás minden hívást végrehajt és visszaadja az eredményét, a következő válasz pedig felhasználja azt. Egy eszközhívás információt vagy műveletet kérhet; önmagában nem bizonyítja a művelet befejezését. A beszélgetésben tartsa összekapcsolva az eredeti hívást és az eredményt.\n\nA gyártó megadott JSON-sémára korlátozott strukturált szöveget is dokumentál. Határozza meg az alkalmazás által igényelt mezőket és típusaikat, és ha eltérő célt szolgálnak, különítse el a forrásinformációt az értelmezéstől. A strukturált forma nem igazolja a ténybeli helyességet; az ellenőrizhető válasz tartalmát továbbra is az eredeti források és tényleges eszközeredmények határozzák meg.\n\nKiadási és folytonossági határok\n\nA Muse Spark 1.1 önálló kiadás marad. Az 1.2 konkrét kódolási változtatásait, az 1.3 hosszú távú viselkedési frissítéseit és a Standard 1.3 max beállítását nem szabad neki tulajdonítani pusztán a közös család miatt. A gyártó csevegési felülete nem ad külső hívóknak visszajátszható privát következtetést, ezért őrizze meg a látható előzményeket, és a csatlakoztatott felület által kínált folytonossági mechanizmusokat használja.\n\nAz elolvasott források a dokumentált kontextuson túl nem adnak meg külön szigorú maximális bemeneti vagy kimenetitoken-kapacitást. Határozza meg a szükséges szöveges anyagot, és őrizze meg minden művelethez vagy következtetéshez a szükséges bizonyítékot, külön tartva a modell tervezését és érzékelését a javasolt műveleteket végrehajtó környezettől.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Plan an approval workflow\n\nPlan a document approval flow from these constraints: the author submits a draft; a reviewer must approve before the coordinator publishes; rejected drafts return to the author; publication needs a recorded approval ID. Give the ordered steps and evidence required at each transition. Mark any actor permission that the supplied rules do not define.A numbered workflow with approval evidence, rejection path and unresolved permission questions.Verify every publication path requires a recorded approval ID and rejection cannot skip review.meta/muse-spark-1.1A Muse Spark 1.1 a Meta multimodális következtető modellje ügynökökhöz, számítógép-használathoz és kódoláshoz. Terjedelmes szöveges és vizuális kontextussal dolgozik, szöveget és javasolt eszközműveleteket állít elő, és a gyártó szerint 1 048 576 tokenes kontextussal rendelkezik, xhigh szintig terjedő következtetési szintekkel.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Muse Spark 1.1 a Meta Superintelligence Labs multimodális következtető modellje ügynöki munkához, kódoláshoz és számítógép-használati munkafolyamatokhoz. A gyártó eredeti kiadása a tervezésre, koordinálásra, kontextuskezelésre és a vizuális bizonyítékok eszközök által biztosított műveletekkel való összekapcsolására helyezi a hangsúlyt. A dokumentált kimenet szöveg; a modell körüli alkalmazás biztosítja a tényleges végrehajtást és a renderelt anyagokat.
Ügynöki tervezés és hosszú kontextus
A kiadás natív eszközökhöz, egyéni függvényekhez és ügynökkörnyezetekhez való alkalmazkodást ír le. Főügynökként a modell kontextust gyűjthet, tervet készíthet és meghatározott munkát delegálhat; delegált szerepben követi a kijelölt feladatot, és jelezheti a továbbadást igénylő akadályt. Ezek ügynökkörnyezet által használt képességek, nem egyetlen szöveges válasz által automatikusan létrehozott alügynökök gyűjteménye.
A gyártó modelltáblázata 1 048 576 tokenes kontextust ad meg. Az 1.1 kiadás a korábbi munka felidézését és a későbbi lépésekhez szükséges információ tömörítését írja le. Egy hasznos feladatnak azonosítania kell a célt, a forrásanyagot és a végső eredményt, a fontos döntéseket és eszközeredményeket kifejezetten megőrizve. A nagy kontextus segít együtt tartani a kapcsolódó információkat, de nem határozza meg, mely követelményt kell teljesítenie az eredménynek.
Hosszú projektkérdésnél címkézze a forrásdokumentumokat, és kérje a releváns követelményt, annak helyét és a megoldatlan feltételt. Tervnél kérje a műveleteket a megadott korlátokhoz kötött sorrendben, és adja meg, milyen eredmény zárná le az egyes lépéseket. Folytatáskor őrizze meg a látható megállapításokat és kimeneteleket ahelyett, hogy feltételezné, egy meg nem határozott memória minden korábbi tényt tartalmaz.
Számítógép-használat és kódolás
A gyártó változó alkalmazásokon átívelő számítógépes munkafolyamatokat ír le, amelyekben a modell egy csatlakoztatott környezetben közvetlen felületi interakció és szkriptelt automatizálás között választ. Egy képernyőkép megadhatja a látható állapotot, egy szöveges utasítás pedig meghatározhatja a felhasználó célját. Kérje a releváns vezérlőt, a javasolt műveletet és az azt alátámasztó bizonyítékot, majd ha a környezet végrehajtja a műveletet, adja vissza a tényleges új állapotot.
Kódolásnál a kiadás hibák diagnosztizálását, funkciók megvalósítását és kódmigrációk kezelését írja le. Hibakeresési bemutatója kódgenerálást, képernyőképeket, a hiba megtalálását és a javítás ellenőrzését kapcsolja össze. Egy gyakorlati kérés megadhatja a hibás viselkedést, az érintett forrást és az elvárt eredményt, majd kérheti a javasolt módosítást a nyilvános interfész megőrzésével. A kódvégrehajtás és a fájlmódosítás továbbra is az alkalmazás eszközei által biztosított művelet.
Adja meg a modellnek a viselkedést meghatározó kódot és deklarációkat. Magyarázathoz adjon végigkövetendő bemenetet; módosításhoz határozza meg az eredményt és a korlátokat; vizuális megvalósításhoz mellékelje a képernyőképet és a képen nem látható interakciókat. Az anyagot a feltételezéseitől és az ellenőrzéséhez szükséges visszajelzéstől külön kérje.
Multimodális bemenetek
A modelltáblázat az 1.1-hez szöveges, képi, videós, hang- és PDF-bemenetet dokumentál, szöveges kimenettel. A kiadás részletes kép- és videófeliratozást, vizuális anyagból végzett kódgenerálást és érzékelési részletek hosszabb munkafolyamaton át történő használatát írja le. Dokumentumkérdés kérhet forráshoz kötött mezőket vagy összehasonlítást; videókérdés azonosíthatja a leírandó eseményt vagy sorozatot; audiovizuális kérdés meghatározhatja, mely elhangzott és látható információ fontos.
A modell kimenete továbbra is írásos magyarázat, strukturált eredmény vagy javasolt kód. Generált képhez, szintetizált beszédhez vagy befejezett külső művelethez külön biztosított komponens szükséges. Őrizze meg a forrásazonosítókat, címkéket, mértékegységeket és releváns szakaszokat, hogy a szöveges eredmény összevethető legyen az eredeti anyaggal.
Következtetés, eszközök és strukturált kimenet
A Muse Spark következtetési útmutatója ehhez a kiadáshoz minimal, low, medium, high és xhigh szinteket dokumentál. A max egy későbbi Standard 1.3 beállítás, a none pedig nem támogatott. A következtetés kifejezett erőfeszítési érték nélkül is megtörténik, és a kimeneti keret a privát belső következtetést és a látható választ is lefedi. A nyers következtetés és a logaritmikus valószínűségek nem érhetők el szokásos megbízhatósági vagy magyarázati mezőkként.
A fejlesztő által meghatározott eszközhívás ciklust követ: az alkalmazás biztosítja a műveleteket, a modell előkészíti az argumentumokat, az alkalmazás minden hívást végrehajt és visszaadja az eredményét, a következő válasz pedig felhasználja azt. Egy eszközhívás információt vagy műveletet kérhet; önmagában nem bizonyítja a művelet befejezését. A beszélgetésben tartsa összekapcsolva az eredeti hívást és az eredményt.
A gyártó megadott JSON-sémára korlátozott strukturált szöveget is dokumentál. Határozza meg az alkalmazás által igényelt mezőket és típusaikat, és ha eltérő célt szolgálnak, különítse el a forrásinformációt az értelmezéstől. A strukturált forma nem igazolja a ténybeli helyességet; az ellenőrizhető válasz tartalmát továbbra is az eredeti források és tényleges eszközeredmények határozzák meg.
Kiadási és folytonossági határok
A Muse Spark 1.1 önálló kiadás marad. Az 1.2 konkrét kódolási változtatásait, az 1.3 hosszú távú viselkedési frissítéseit és a Standard 1.3 max beállítását nem szabad neki tulajdonítani pusztán a közös család miatt. A gyártó csevegési felülete nem ad külső hívóknak visszajátszható privát következtetést, ezért őrizze meg a látható előzményeket, és a csatlakoztatott felület által kínált folytonossági mechanizmusokat használja.
Az elolvasott források a dokumentált kontextuson túl nem adnak meg külön szigorú maximális bemeneti vagy kimenetitoken-kapacitást. Határozza meg a szükséges szöveges anyagot, és őrizze meg minden művelethez vagy következtetéshez a szükséges bizonyítékot, külön tartva a modell tervezését és érzékelését a javasolt műveleteket végrehajtó környezettől.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok meta/muse-spark-1.1 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0025 / 1K token Kimenet · Kimeneti tokenek $0.0085 / 1K token Bemenet · Gyorsítótár olvasása $0.0003 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0025 / 1K token Kimenet · Kimeneti tokenek $0.0085 / 1K token Bemenet · Gyorsítótár olvasása $0.0003 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "meta/muse-spark-1.1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='meta/muse-spark-1.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='meta/muse-spark-1.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra meta/muse-spark-1.1
Használja a fent látható metódusútvonalakat.
meta/muse-spark-1.1A Muse Spark 1.1 a Meta multimodális következtető modellje ügynökökhöz, számítógép-használathoz és kódoláshoz. Terjedelmes szöveges és vizuális kontextussal dolgozik, szöveget és javasolt eszközműveleteket állít elő, és a gyártó szerint 1 048 576 tokenes kontextussal rendelkezik, xhigh szintig terjedő következtetési szintekkel.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Muse Spark 1.1 a Meta Superintelligence Labs multimodális következtető modellje ügynöki munkához, kódoláshoz és számítógép-használati munkafolyamatokhoz. A gyártó eredeti kiadása a tervezésre, koordinálásra, kontextuskezelésre és a vizuális bizonyítékok eszközök által biztosított műveletekkel való összekapcsolására helyezi a hangsúlyt. A dokumentált kimenet szöveg; a modell körüli alkalmazás biztosítja a tényleges végrehajtást és a renderelt anyagokat.
Ügynöki tervezés és hosszú kontextus
A kiadás natív eszközökhöz, egyéni függvényekhez és ügynökkörnyezetekhez való alkalmazkodást ír le. Főügynökként a modell kontextust gyűjthet, tervet készíthet és meghatározott munkát delegálhat; delegált szerepben követi a kijelölt feladatot, és jelezheti a továbbadást igénylő akadályt. Ezek ügynökkörnyezet által használt képességek, nem egyetlen szöveges válasz által automatikusan létrehozott alügynökök gyűjteménye.
A gyártó modelltáblázata 1 048 576 tokenes kontextust ad meg. Az 1.1 kiadás a korábbi munka felidézését és a későbbi lépésekhez szükséges információ tömörítését írja le. Egy hasznos feladatnak azonosítania kell a célt, a forrásanyagot és a végső eredményt, a fontos döntéseket és eszközeredményeket kifejezetten megőrizve. A nagy kontextus segít együtt tartani a kapcsolódó információkat, de nem határozza meg, mely követelményt kell teljesítenie az eredménynek.
Hosszú projektkérdésnél címkézze a forrásdokumentumokat, és kérje a releváns követelményt, annak helyét és a megoldatlan feltételt. Tervnél kérje a műveleteket a megadott korlátokhoz kötött sorrendben, és adja meg, milyen eredmény zárná le az egyes lépéseket. Folytatáskor őrizze meg a látható megállapításokat és kimeneteleket ahelyett, hogy feltételezné, egy meg nem határozott memória minden korábbi tényt tartalmaz.
Számítógép-használat és kódolás
A gyártó változó alkalmazásokon átívelő számítógépes munkafolyamatokat ír le, amelyekben a modell egy csatlakoztatott környezetben közvetlen felületi interakció és szkriptelt automatizálás között választ. Egy képernyőkép megadhatja a látható állapotot, egy szöveges utasítás pedig meghatározhatja a felhasználó célját. Kérje a releváns vezérlőt, a javasolt műveletet és az azt alátámasztó bizonyítékot, majd ha a környezet végrehajtja a műveletet, adja vissza a tényleges új állapotot.
Kódolásnál a kiadás hibák diagnosztizálását, funkciók megvalósítását és kódmigrációk kezelését írja le. Hibakeresési bemutatója kódgenerálást, képernyőképeket, a hiba megtalálását és a javítás ellenőrzését kapcsolja össze. Egy gyakorlati kérés megadhatja a hibás viselkedést, az érintett forrást és az elvárt eredményt, majd kérheti a javasolt módosítást a nyilvános interfész megőrzésével. A kódvégrehajtás és a fájlmódosítás továbbra is az alkalmazás eszközei által biztosított művelet.
Adja meg a modellnek a viselkedést meghatározó kódot és deklarációkat. Magyarázathoz adjon végigkövetendő bemenetet; módosításhoz határozza meg az eredményt és a korlátokat; vizuális megvalósításhoz mellékelje a képernyőképet és a képen nem látható interakciókat. Az anyagot a feltételezéseitől és az ellenőrzéséhez szükséges visszajelzéstől külön kérje.
Multimodális bemenetek
A modelltáblázat az 1.1-hez szöveges, képi, videós, hang- és PDF-bemenetet dokumentál, szöveges kimenettel. A kiadás részletes kép- és videófeliratozást, vizuális anyagból végzett kódgenerálást és érzékelési részletek hosszabb munkafolyamaton át történő használatát írja le. Dokumentumkérdés kérhet forráshoz kötött mezőket vagy összehasonlítást; videókérdés azonosíthatja a leírandó eseményt vagy sorozatot; audiovizuális kérdés meghatározhatja, mely elhangzott és látható információ fontos.
A modell kimenete továbbra is írásos magyarázat, strukturált eredmény vagy javasolt kód. Generált képhez, szintetizált beszédhez vagy befejezett külső művelethez külön biztosított komponens szükséges. Őrizze meg a forrásazonosítókat, címkéket, mértékegységeket és releváns szakaszokat, hogy a szöveges eredmény összevethető legyen az eredeti anyaggal.
Következtetés, eszközök és strukturált kimenet
A Muse Spark következtetési útmutatója ehhez a kiadáshoz minimal, low, medium, high és xhigh szinteket dokumentál. A max egy későbbi Standard 1.3 beállítás, a none pedig nem támogatott. A következtetés kifejezett erőfeszítési érték nélkül is megtörténik, és a kimeneti keret a privát belső következtetést és a látható választ is lefedi. A nyers következtetés és a logaritmikus valószínűségek nem érhetők el szokásos megbízhatósági vagy magyarázati mezőkként.
A fejlesztő által meghatározott eszközhívás ciklust követ: az alkalmazás biztosítja a műveleteket, a modell előkészíti az argumentumokat, az alkalmazás minden hívást végrehajt és visszaadja az eredményét, a következő válasz pedig felhasználja azt. Egy eszközhívás információt vagy műveletet kérhet; önmagában nem bizonyítja a művelet befejezését. A beszélgetésben tartsa összekapcsolva az eredeti hívást és az eredményt.
A gyártó megadott JSON-sémára korlátozott strukturált szöveget is dokumentál. Határozza meg az alkalmazás által igényelt mezőket és típusaikat, és ha eltérő célt szolgálnak, különítse el a forrásinformációt az értelmezéstől. A strukturált forma nem igazolja a ténybeli helyességet; az ellenőrizhető válasz tartalmát továbbra is az eredeti források és tényleges eszközeredmények határozzák meg.
Kiadási és folytonossági határok
A Muse Spark 1.1 önálló kiadás marad. Az 1.2 konkrét kódolási változtatásait, az 1.3 hosszú távú viselkedési frissítéseit és a Standard 1.3 max beállítását nem szabad neki tulajdonítani pusztán a közös család miatt. A gyártó csevegési felülete nem ad külső hívóknak visszajátszható privát következtetést, ezért őrizze meg a látható előzményeket, és a csatlakoztatott felület által kínált folytonossági mechanizmusokat használja.
Az elolvasott források a dokumentált kontextuson túl nem adnak meg külön szigorú maximális bemeneti vagy kimenetitoken-kapacitást. Határozza meg a szükséges szöveges anyagot, és őrizze meg minden művelethez vagy következtetéshez a szükséges bizonyítékot, külön tartva a modell tervezését és érzékelését a javasolt műveleteket végrehajtó környezettől.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok meta/muse-spark-1.1 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0025 / 1K token Kimenet · Kimeneti tokenek $0.0085 / 1K token Bemenet · Gyorsítótár olvasása $0.0003 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.0025 / 1K token Kimenet · Kimeneti tokenek $0.0085 / 1K token Bemenet · Gyorsítótár olvasása $0.0003 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "meta/muse-spark-1.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'meta/muse-spark-1.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'meta/muse-spark-1.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra meta/muse-spark-1.1
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Plan an approval workflow\n\nPlan a document approval flow from these constraints: the author submits a draft; a reviewer must approve before the coordinator publishes; rejected drafts return to the author; publication needs a recorded approval ID. Give the ordered steps and evidence required at each transition. Mark any actor permission that the supplied rules do not define.A numbered workflow with approval evidence, rejection path and unresolved permission questions.Verify every publication path requires a recorded approval ID and rejection cannot skip review.