Muse Spark 1.2 adalah pembaruan berfokus pemrograman dari Muse Spark 1.1 milik Meta, dengan penekanan pada pemahaman multimodal dan penalaran visual. Demonstrasi pembuatnya menghubungkan gambar dan video dengan artefak digital seperti halaman web dan gim, sedangkan tabel modelnya mencantumkan konteks 1,048,576 token serta keluaran teks. Entri ini membahas Standard 1.2, yang berbeda dari Contributor 1.2 dan versi 1.3 yang lebih baru.
Pemrograman visual
Rilisnya menjelaskan penerjemahan tata letak, hierarki, dan gaya visual menjadi kode yang berfungsi, kemudian pemeriksaan artefak hasilnya melalui alat. Untuk tugas yang berguna, berikan gambar atau klip beserta perilaku yang perlu diimplementasikan. Tangkapan layar dapat menunjukkan tampilan tetapi mungkin tidak menetapkan interaksi, jadi sebutkan kontrol, status, dan respons yang diharapkan terhadap tindakan pengguna yang perlu disertakan dalam hasil.
Mintalah struktur yang terlihat, usulan implementasi, dan asumsi secara terpisah. Misalnya, tugas rekonstruksi halaman dapat mewajibkan bagian bernama serta hubungan visual yang tampak pada rujukan, lalu meminta kode untuk satu interaksi yang terdefinisi. Rendering dan pengujian kode tersebut memerlukan lingkungan yang terhubung; tangkapan layar hasilnya atau umpan balik eksekusi dapat menjadi masukan untuk koreksi berikutnya.
Pembuatnya menyebutkan pemahaman bagan dan penalaran visual di luar pembuatan kode. Pertahankan sumbu, satuan, dan label pada bagan serta mintalah pengamatan yang mendukung setiap kesimpulan. Untuk diagram, identifikasi hubungan yang perlu dijelaskan dan label sumber yang harus dipertahankan. Untuk gambar dokumen, bedakan transkripsi kata-kata yang terlihat dengan ringkasan atau interpretasi.
Alur kerja spasial dan audiovisual
Pengumuman 1.2 juga membahas varian khusus robotika dan sistem perencanaan/tindakan dua tingkat. Keduanya merupakan komponen eksperimen yang berbeda: model tingkat tinggi menalar adegan dan subtugas, sedangkan kebijakan vision-language-action yang terpisah melakukan tindakan tingkat rendah. Model Standard dengan keluaran teks tidak boleh dideskripsikan sebagai aktuator robot hanya karena rilis keluarga tersebut memuat demonstrasi itu.
Untuk versi Standard, tabel model mendokumentasikan teks, gambar, video, audio, dan PDF sebagai masukan. Tugas audiovisual dapat meminta peristiwa atau kondisi lisan yang relevan dengan pertanyaan dan mengembalikan uraian berurutan tentang bahan pendukung. Identifikasi segmen yang relevan dan bentuk jawaban, alih-alih meminta ringkasan tanpa arah atas setiap modalitas.
Contoh pembuatnya menggabungkan pemahaman video, deskripsi visual terperinci, dan pemeriksaan berbantuan alat. Alur kerja praktis dapat membandingkan demonstrasi dengan prosedur tertulisnya, meminta kecocokan dan perbedaan yang terlihat, lalu menyiapkan hasil teks untuk langkah aplikasi berikutnya. Prosa yang dihasilkan, kode, dan temuan terstruktur merupakan keluaran yang didokumentasikan; pembuatan gambar atau suara merupakan tugas komponen yang bernama terpisah.
Pengaturan penalaran dan konteks
Muse Spark menalar secara internal sebelum menghasilkan teks yang terlihat. Tingkat upaya yang didokumentasikan dan berlaku untuk 1.2 adalah minimal, low, medium, high, dan xhigh. Max merupakan milik Standard 1.3, dan none bukan cara yang didukung untuk menonaktifkan penalaran. Ketika upaya tidak ditentukan, model menggunakan tingkat yang ditentukan model.
Konteks 1,048,576 token dapat menyimpan bahan sumber terkait dan percakapan, tetapi tujuan serta artefak akhir tetap perlu ditentukan. Untuk tugas dokumen panjang, identifikasi pertanyaan, beri label setiap sumber, dan pertahankan lokasinya di samping informasi yang diekstrak. Token penalaran dan jawaban yang terlihat berbagi anggaran keluaran, jadi sisakan ruang yang cukup bagi penjelasan atau kode yang benar-benar dibutuhkan tugas.
Penalaran internal mentah tidak ditampilkan sebagai teks biasa. Antarmuka percakapan pembuatnya juga tidak meneruskan jejak privat yang dapat dibaca antar giliran untuk pemanggil eksternal; pertahankan pesan yang terlihat, sumber, dan hasil alat yang dikembalikan yang dibutuhkan untuk tindak lanjut. Probabilitas log tidak didukung, sehingga model tidak menyediakan fitur tersebut sebagai ukuran keyakinan atas kesimpulannya.
Alat dan artefak terstruktur
Aplikasi menjelaskan fungsi pengembang, model menghasilkan usulan panggilan dan argumen, lalu aplikasi menjalankannya dan mengembalikan hasil untuk setiap panggilan. Model kemudian dapat memeriksa umpan balik aktual dan memilih langkah berikutnya. Penekanan rilis pada pemeriksaan masukan visual maupun artefak yang dihasilkan bergantung pada keberadaan alat tersebut dalam lingkungan.
Keluaran terstruktur dapat membatasi teks pada skema JSON yang ditentukan. Rekaman ekstraksi visual dapat memuat gambar sumber, objek atau label, nilai yang diamati, dan interpretasi. Tinjauan kode dapat mengidentifikasi simbol yang terdampak, ketidaksesuaian, dan usulan perubahan. Mode ketat pembuatnya mewajibkan akar berupa objek biasa, semua properti yang tercantum bersifat wajib, dan properti tambahan dinonaktifkan; skema rekursif ditolak.
Tentukan kebenaran artefak secara praktis: detail sumber mana yang harus dipertahankan, bagaimana interaksi harus berperilaku, dan umpan balik yang dikembalikan seperti apa yang akan membuktikan perilaku itu. Sumber yang dibaca tidak memberikan kapasitas maksimum independen untuk token masukan atau keluaran di luar konteks model. Pertahankan edisi Standard 1.2 dan perbedaan antara artefak teks yang diusulkan dengan hasil eksekusi atau rendering yang digunakan untuk memeriksanya.
", "aboutText": "Muse Spark 1.2 adalah pembaruan berfokus pemrograman dari Muse Spark 1.1 milik Meta, dengan penekanan pada pemahaman multimodal dan penalaran visual. Demonstrasi pembuatnya menghubungkan gambar dan video dengan artefak digital seperti halaman web dan gim, sedangkan tabel modelnya mencantumkan konteks 1,048,576 token serta keluaran teks. Entri ini membahas Standard 1.2, yang berbeda dari Contributor 1.2 dan versi 1.3 yang lebih baru.\n\nPemrograman visual\n\nRilisnya menjelaskan penerjemahan tata letak, hierarki, dan gaya visual menjadi kode yang berfungsi, kemudian pemeriksaan artefak hasilnya melalui alat. Untuk tugas yang berguna, berikan gambar atau klip beserta perilaku yang perlu diimplementasikan. Tangkapan layar dapat menunjukkan tampilan tetapi mungkin tidak menetapkan interaksi, jadi sebutkan kontrol, status, dan respons yang diharapkan terhadap tindakan pengguna yang perlu disertakan dalam hasil.\n\nMintalah struktur yang terlihat, usulan implementasi, dan asumsi secara terpisah. Misalnya, tugas rekonstruksi halaman dapat mewajibkan bagian bernama serta hubungan visual yang tampak pada rujukan, lalu meminta kode untuk satu interaksi yang terdefinisi. Rendering dan pengujian kode tersebut memerlukan lingkungan yang terhubung; tangkapan layar hasilnya atau umpan balik eksekusi dapat menjadi masukan untuk koreksi berikutnya.\n\nPembuatnya menyebutkan pemahaman bagan dan penalaran visual di luar pembuatan kode. Pertahankan sumbu, satuan, dan label pada bagan serta mintalah pengamatan yang mendukung setiap kesimpulan. Untuk diagram, identifikasi hubungan yang perlu dijelaskan dan label sumber yang harus dipertahankan. Untuk gambar dokumen, bedakan transkripsi kata-kata yang terlihat dengan ringkasan atau interpretasi.\n\nAlur kerja spasial dan audiovisual\n\nPengumuman 1.2 juga membahas varian khusus robotika dan sistem perencanaan/tindakan dua tingkat. Keduanya merupakan komponen eksperimen yang berbeda: model tingkat tinggi menalar adegan dan subtugas, sedangkan kebijakan vision-language-action yang terpisah melakukan tindakan tingkat rendah. Model Standard dengan keluaran teks tidak boleh dideskripsikan sebagai aktuator robot hanya karena rilis keluarga tersebut memuat demonstrasi itu.\n\nUntuk versi Standard, tabel model mendokumentasikan teks, gambar, video, audio, dan PDF sebagai masukan. Tugas audiovisual dapat meminta peristiwa atau kondisi lisan yang relevan dengan pertanyaan dan mengembalikan uraian berurutan tentang bahan pendukung. Identifikasi segmen yang relevan dan bentuk jawaban, alih-alih meminta ringkasan tanpa arah atas setiap modalitas.\n\nContoh pembuatnya menggabungkan pemahaman video, deskripsi visual terperinci, dan pemeriksaan berbantuan alat. Alur kerja praktis dapat membandingkan demonstrasi dengan prosedur tertulisnya, meminta kecocokan dan perbedaan yang terlihat, lalu menyiapkan hasil teks untuk langkah aplikasi berikutnya. Prosa yang dihasilkan, kode, dan temuan terstruktur merupakan keluaran yang didokumentasikan; pembuatan gambar atau suara merupakan tugas komponen yang bernama terpisah.\n\nPengaturan penalaran dan konteks\n\nMuse Spark menalar secara internal sebelum menghasilkan teks yang terlihat. Tingkat upaya yang didokumentasikan dan berlaku untuk 1.2 adalah minimal, low, medium, high, dan xhigh. Max merupakan milik Standard 1.3, dan none bukan cara yang didukung untuk menonaktifkan penalaran. Ketika upaya tidak ditentukan, model menggunakan tingkat yang ditentukan model.\n\nKonteks 1,048,576 token dapat menyimpan bahan sumber terkait dan percakapan, tetapi tujuan serta artefak akhir tetap perlu ditentukan. Untuk tugas dokumen panjang, identifikasi pertanyaan, beri label setiap sumber, dan pertahankan lokasinya di samping informasi yang diekstrak. Token penalaran dan jawaban yang terlihat berbagi anggaran keluaran, jadi sisakan ruang yang cukup bagi penjelasan atau kode yang benar-benar dibutuhkan tugas.\n\nPenalaran internal mentah tidak ditampilkan sebagai teks biasa. Antarmuka percakapan pembuatnya juga tidak meneruskan jejak privat yang dapat dibaca antar giliran untuk pemanggil eksternal; pertahankan pesan yang terlihat, sumber, dan hasil alat yang dikembalikan yang dibutuhkan untuk tindak lanjut. Probabilitas log tidak didukung, sehingga model tidak menyediakan fitur tersebut sebagai ukuran keyakinan atas kesimpulannya.\n\nAlat dan artefak terstruktur\n\nAplikasi menjelaskan fungsi pengembang, model menghasilkan usulan panggilan dan argumen, lalu aplikasi menjalankannya dan mengembalikan hasil untuk setiap panggilan. Model kemudian dapat memeriksa umpan balik aktual dan memilih langkah berikutnya. Penekanan rilis pada pemeriksaan masukan visual maupun artefak yang dihasilkan bergantung pada keberadaan alat tersebut dalam lingkungan.\n\nKeluaran terstruktur dapat membatasi teks pada skema JSON yang ditentukan. Rekaman ekstraksi visual dapat memuat gambar sumber, objek atau label, nilai yang diamati, dan interpretasi. Tinjauan kode dapat mengidentifikasi simbol yang terdampak, ketidaksesuaian, dan usulan perubahan. Mode ketat pembuatnya mewajibkan akar berupa objek biasa, semua properti yang tercantum bersifat wajib, dan properti tambahan dinonaktifkan; skema rekursif ditolak.\n\nTentukan kebenaran artefak secara praktis: detail sumber mana yang harus dipertahankan, bagaimana interaksi harus berperilaku, dan umpan balik yang dikembalikan seperti apa yang akan membuktikan perilaku itu. Sumber yang dibaca tidak memberikan kapasitas maksimum independen untuk token masukan atau keluaran di luar konteks model. Pertahankan edisi Standard 1.2 dan perbedaan antara artefak teks yang diusulkan dengan hasil eksekusi atau rendering yang digunakan untuk memeriksanya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Implement a specified responsive layout\n\nDraft semantic HTML and CSS for a product comparison section with a title, introduction and three feature columns. At narrow widths, stack the columns in the same reading order. Each column needs a heading and three bullet points. Use the placeholder copy supplied in your code and explain the breakpoint choice; return source only, without claiming a rendered result.A bounded HTML/CSS section and a short explanation of stacking behavior and reading order.At the proposed narrow breakpoint, the DOM order and visual order match and no horizontal overflow is introduced.meta/muse-spark-1.2Muse Spark 1.2 adalah model penalaran multimodal Meta yang berfokus pada pemrograman visual, bagan, dan pemahaman audiovisual. Model ini dapat mengubah gambar atau video yang diberikan menjadi usulan kode web dan gim melalui alat yang terhubung, dengan keluaran teks serta konteks 1,048,576 token dari pembuatnya.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Muse Spark 1.2 adalah pembaruan berfokus pemrograman dari Muse Spark 1.1 milik Meta, dengan penekanan pada pemahaman multimodal dan penalaran visual. Demonstrasi pembuatnya menghubungkan gambar dan video dengan artefak digital seperti halaman web dan gim, sedangkan tabel modelnya mencantumkan konteks 1,048,576 token serta keluaran teks. Entri ini membahas Standard 1.2, yang berbeda dari Contributor 1.2 dan versi 1.3 yang lebih baru.
Pemrograman visual
Rilisnya menjelaskan penerjemahan tata letak, hierarki, dan gaya visual menjadi kode yang berfungsi, kemudian pemeriksaan artefak hasilnya melalui alat. Untuk tugas yang berguna, berikan gambar atau klip beserta perilaku yang perlu diimplementasikan. Tangkapan layar dapat menunjukkan tampilan tetapi mungkin tidak menetapkan interaksi, jadi sebutkan kontrol, status, dan respons yang diharapkan terhadap tindakan pengguna yang perlu disertakan dalam hasil.
Mintalah struktur yang terlihat, usulan implementasi, dan asumsi secara terpisah. Misalnya, tugas rekonstruksi halaman dapat mewajibkan bagian bernama serta hubungan visual yang tampak pada rujukan, lalu meminta kode untuk satu interaksi yang terdefinisi. Rendering dan pengujian kode tersebut memerlukan lingkungan yang terhubung; tangkapan layar hasilnya atau umpan balik eksekusi dapat menjadi masukan untuk koreksi berikutnya.
Pembuatnya menyebutkan pemahaman bagan dan penalaran visual di luar pembuatan kode. Pertahankan sumbu, satuan, dan label pada bagan serta mintalah pengamatan yang mendukung setiap kesimpulan. Untuk diagram, identifikasi hubungan yang perlu dijelaskan dan label sumber yang harus dipertahankan. Untuk gambar dokumen, bedakan transkripsi kata-kata yang terlihat dengan ringkasan atau interpretasi.
Alur kerja spasial dan audiovisual
Pengumuman 1.2 juga membahas varian khusus robotika dan sistem perencanaan/tindakan dua tingkat. Keduanya merupakan komponen eksperimen yang berbeda: model tingkat tinggi menalar adegan dan subtugas, sedangkan kebijakan vision-language-action yang terpisah melakukan tindakan tingkat rendah. Model Standard dengan keluaran teks tidak boleh dideskripsikan sebagai aktuator robot hanya karena rilis keluarga tersebut memuat demonstrasi itu.
Untuk versi Standard, tabel model mendokumentasikan teks, gambar, video, audio, dan PDF sebagai masukan. Tugas audiovisual dapat meminta peristiwa atau kondisi lisan yang relevan dengan pertanyaan dan mengembalikan uraian berurutan tentang bahan pendukung. Identifikasi segmen yang relevan dan bentuk jawaban, alih-alih meminta ringkasan tanpa arah atas setiap modalitas.
Contoh pembuatnya menggabungkan pemahaman video, deskripsi visual terperinci, dan pemeriksaan berbantuan alat. Alur kerja praktis dapat membandingkan demonstrasi dengan prosedur tertulisnya, meminta kecocokan dan perbedaan yang terlihat, lalu menyiapkan hasil teks untuk langkah aplikasi berikutnya. Prosa yang dihasilkan, kode, dan temuan terstruktur merupakan keluaran yang didokumentasikan; pembuatan gambar atau suara merupakan tugas komponen yang bernama terpisah.
Pengaturan penalaran dan konteks
Muse Spark menalar secara internal sebelum menghasilkan teks yang terlihat. Tingkat upaya yang didokumentasikan dan berlaku untuk 1.2 adalah minimal, low, medium, high, dan xhigh. Max merupakan milik Standard 1.3, dan none bukan cara yang didukung untuk menonaktifkan penalaran. Ketika upaya tidak ditentukan, model menggunakan tingkat yang ditentukan model.
Konteks 1,048,576 token dapat menyimpan bahan sumber terkait dan percakapan, tetapi tujuan serta artefak akhir tetap perlu ditentukan. Untuk tugas dokumen panjang, identifikasi pertanyaan, beri label setiap sumber, dan pertahankan lokasinya di samping informasi yang diekstrak. Token penalaran dan jawaban yang terlihat berbagi anggaran keluaran, jadi sisakan ruang yang cukup bagi penjelasan atau kode yang benar-benar dibutuhkan tugas.
Penalaran internal mentah tidak ditampilkan sebagai teks biasa. Antarmuka percakapan pembuatnya juga tidak meneruskan jejak privat yang dapat dibaca antar giliran untuk pemanggil eksternal; pertahankan pesan yang terlihat, sumber, dan hasil alat yang dikembalikan yang dibutuhkan untuk tindak lanjut. Probabilitas log tidak didukung, sehingga model tidak menyediakan fitur tersebut sebagai ukuran keyakinan atas kesimpulannya.
Alat dan artefak terstruktur
Aplikasi menjelaskan fungsi pengembang, model menghasilkan usulan panggilan dan argumen, lalu aplikasi menjalankannya dan mengembalikan hasil untuk setiap panggilan. Model kemudian dapat memeriksa umpan balik aktual dan memilih langkah berikutnya. Penekanan rilis pada pemeriksaan masukan visual maupun artefak yang dihasilkan bergantung pada keberadaan alat tersebut dalam lingkungan.
Keluaran terstruktur dapat membatasi teks pada skema JSON yang ditentukan. Rekaman ekstraksi visual dapat memuat gambar sumber, objek atau label, nilai yang diamati, dan interpretasi. Tinjauan kode dapat mengidentifikasi simbol yang terdampak, ketidaksesuaian, dan usulan perubahan. Mode ketat pembuatnya mewajibkan akar berupa objek biasa, semua properti yang tercantum bersifat wajib, dan properti tambahan dinonaktifkan; skema rekursif ditolak.
Tentukan kebenaran artefak secara praktis: detail sumber mana yang harus dipertahankan, bagaimana interaksi harus berperilaku, dan umpan balik yang dikembalikan seperti apa yang akan membuktikan perilaku itu. Sumber yang dibaca tidak memberikan kapasitas maksimum independen untuk token masukan atau keluaran di luar konteks model. Pertahankan edisi Standard 1.2 dan perbedaan antara artefak teks yang diusulkan dengan hasil eksekusi atau rendering yang digunakan untuk memeriksanya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan meta/muse-spark-1.2 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.0085 / 1K token Masukan · Pembacaan cache $0.0003 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.0085 / 1K token Masukan · Pembacaan cache $0.0003 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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-1.2", "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-1.2',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-1.2',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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra meta/muse-spark-1.2
Gunakan jalur metode yang ditampilkan di atas.
meta/muse-spark-1.2Muse Spark 1.2 adalah model penalaran multimodal Meta yang berfokus pada pemrograman visual, bagan, dan pemahaman audiovisual. Model ini dapat mengubah gambar atau video yang diberikan menjadi usulan kode web dan gim melalui alat yang terhubung, dengan keluaran teks serta konteks 1,048,576 token dari pembuatnya.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Muse Spark 1.2 adalah pembaruan berfokus pemrograman dari Muse Spark 1.1 milik Meta, dengan penekanan pada pemahaman multimodal dan penalaran visual. Demonstrasi pembuatnya menghubungkan gambar dan video dengan artefak digital seperti halaman web dan gim, sedangkan tabel modelnya mencantumkan konteks 1,048,576 token serta keluaran teks. Entri ini membahas Standard 1.2, yang berbeda dari Contributor 1.2 dan versi 1.3 yang lebih baru.
Pemrograman visual
Rilisnya menjelaskan penerjemahan tata letak, hierarki, dan gaya visual menjadi kode yang berfungsi, kemudian pemeriksaan artefak hasilnya melalui alat. Untuk tugas yang berguna, berikan gambar atau klip beserta perilaku yang perlu diimplementasikan. Tangkapan layar dapat menunjukkan tampilan tetapi mungkin tidak menetapkan interaksi, jadi sebutkan kontrol, status, dan respons yang diharapkan terhadap tindakan pengguna yang perlu disertakan dalam hasil.
Mintalah struktur yang terlihat, usulan implementasi, dan asumsi secara terpisah. Misalnya, tugas rekonstruksi halaman dapat mewajibkan bagian bernama serta hubungan visual yang tampak pada rujukan, lalu meminta kode untuk satu interaksi yang terdefinisi. Rendering dan pengujian kode tersebut memerlukan lingkungan yang terhubung; tangkapan layar hasilnya atau umpan balik eksekusi dapat menjadi masukan untuk koreksi berikutnya.
Pembuatnya menyebutkan pemahaman bagan dan penalaran visual di luar pembuatan kode. Pertahankan sumbu, satuan, dan label pada bagan serta mintalah pengamatan yang mendukung setiap kesimpulan. Untuk diagram, identifikasi hubungan yang perlu dijelaskan dan label sumber yang harus dipertahankan. Untuk gambar dokumen, bedakan transkripsi kata-kata yang terlihat dengan ringkasan atau interpretasi.
Alur kerja spasial dan audiovisual
Pengumuman 1.2 juga membahas varian khusus robotika dan sistem perencanaan/tindakan dua tingkat. Keduanya merupakan komponen eksperimen yang berbeda: model tingkat tinggi menalar adegan dan subtugas, sedangkan kebijakan vision-language-action yang terpisah melakukan tindakan tingkat rendah. Model Standard dengan keluaran teks tidak boleh dideskripsikan sebagai aktuator robot hanya karena rilis keluarga tersebut memuat demonstrasi itu.
Untuk versi Standard, tabel model mendokumentasikan teks, gambar, video, audio, dan PDF sebagai masukan. Tugas audiovisual dapat meminta peristiwa atau kondisi lisan yang relevan dengan pertanyaan dan mengembalikan uraian berurutan tentang bahan pendukung. Identifikasi segmen yang relevan dan bentuk jawaban, alih-alih meminta ringkasan tanpa arah atas setiap modalitas.
Contoh pembuatnya menggabungkan pemahaman video, deskripsi visual terperinci, dan pemeriksaan berbantuan alat. Alur kerja praktis dapat membandingkan demonstrasi dengan prosedur tertulisnya, meminta kecocokan dan perbedaan yang terlihat, lalu menyiapkan hasil teks untuk langkah aplikasi berikutnya. Prosa yang dihasilkan, kode, dan temuan terstruktur merupakan keluaran yang didokumentasikan; pembuatan gambar atau suara merupakan tugas komponen yang bernama terpisah.
Pengaturan penalaran dan konteks
Muse Spark menalar secara internal sebelum menghasilkan teks yang terlihat. Tingkat upaya yang didokumentasikan dan berlaku untuk 1.2 adalah minimal, low, medium, high, dan xhigh. Max merupakan milik Standard 1.3, dan none bukan cara yang didukung untuk menonaktifkan penalaran. Ketika upaya tidak ditentukan, model menggunakan tingkat yang ditentukan model.
Konteks 1,048,576 token dapat menyimpan bahan sumber terkait dan percakapan, tetapi tujuan serta artefak akhir tetap perlu ditentukan. Untuk tugas dokumen panjang, identifikasi pertanyaan, beri label setiap sumber, dan pertahankan lokasinya di samping informasi yang diekstrak. Token penalaran dan jawaban yang terlihat berbagi anggaran keluaran, jadi sisakan ruang yang cukup bagi penjelasan atau kode yang benar-benar dibutuhkan tugas.
Penalaran internal mentah tidak ditampilkan sebagai teks biasa. Antarmuka percakapan pembuatnya juga tidak meneruskan jejak privat yang dapat dibaca antar giliran untuk pemanggil eksternal; pertahankan pesan yang terlihat, sumber, dan hasil alat yang dikembalikan yang dibutuhkan untuk tindak lanjut. Probabilitas log tidak didukung, sehingga model tidak menyediakan fitur tersebut sebagai ukuran keyakinan atas kesimpulannya.
Alat dan artefak terstruktur
Aplikasi menjelaskan fungsi pengembang, model menghasilkan usulan panggilan dan argumen, lalu aplikasi menjalankannya dan mengembalikan hasil untuk setiap panggilan. Model kemudian dapat memeriksa umpan balik aktual dan memilih langkah berikutnya. Penekanan rilis pada pemeriksaan masukan visual maupun artefak yang dihasilkan bergantung pada keberadaan alat tersebut dalam lingkungan.
Keluaran terstruktur dapat membatasi teks pada skema JSON yang ditentukan. Rekaman ekstraksi visual dapat memuat gambar sumber, objek atau label, nilai yang diamati, dan interpretasi. Tinjauan kode dapat mengidentifikasi simbol yang terdampak, ketidaksesuaian, dan usulan perubahan. Mode ketat pembuatnya mewajibkan akar berupa objek biasa, semua properti yang tercantum bersifat wajib, dan properti tambahan dinonaktifkan; skema rekursif ditolak.
Tentukan kebenaran artefak secara praktis: detail sumber mana yang harus dipertahankan, bagaimana interaksi harus berperilaku, dan umpan balik yang dikembalikan seperti apa yang akan membuktikan perilaku itu. Sumber yang dibaca tidak memberikan kapasitas maksimum independen untuk token masukan atau keluaran di luar konteks model. Pertahankan edisi Standard 1.2 dan perbedaan antara artefak teks yang diusulkan dengan hasil eksekusi atau rendering yang digunakan untuk memeriksanya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan meta/muse-spark-1.2 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.0085 / 1K token Masukan · Pembacaan cache $0.0003 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.0085 / 1K token Masukan · Pembacaan cache $0.0003 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "meta/muse-spark-1.2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-1.2', '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-1.2', '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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra meta/muse-spark-1.2
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Implement a specified responsive layout\n\nDraft semantic HTML and CSS for a product comparison section with a title, introduction and three feature columns. At narrow widths, stack the columns in the same reading order. Each column needs a heading and three bullet points. Use the placeholder copy supplied in your code and explain the breakpoint choice; return source only, without claiming a rendered result.A bounded HTML/CSS section and a short explanation of stacking behavior and reading order.At the proposed narrow breakpoint, the DOM order and visual order match and no horizontal overflow is introduced.