Muse Spark 1.3 Contributor adalah edisi bernama tersendiri dalam keluarga Muse Spark dari Meta untuk pembuatan prototipe dan eksperimen. Keluarga ini dirancang untuk pekerjaan berbasis agen dan pemrograman: siklus penggunaan alat dengan beberapa langkah, asisten perangkat lunak, serta penalaran atas bahan sumber yang besar. Pertahankan nama Contributor saat memilih edisi, alih-alih memperlakukannya sebagai entri Standard 1.3 dengan seluruh pengaturan dipindahkan tanpa perubahan.
Masukan dan konteks
Tabel model resmi mencantumkan teks, gambar, video, dan PDF sebagai masukan serta teks sebagai keluaran, dengan jendela konteks 1,048,576 token. Sebuah tugas dapat menggabungkan persyaratan tertulis, tangkapan layar, klip yang relevan, atau halaman dokumen, lalu meminta penjelasan tertulis, temuan terstruktur, atau usulan kode. Hasil teks model dapat menjadi artefak dalam aplikasi yang menaunginya; merender halaman atau menjalankan kode memerlukan lingkungan aplikasi tersebut.
Identifikasi setiap sumber dan perannya sebelum meminta hasil. Tugas prototipe antarmuka dapat memasangkan tangkapan layar dengan perilaku yang diinginkan dan fragmen kode yang sudah ada. Mintalah perbedaan yang terlihat, usulan perubahan implementasi, serta asumsi yang masih perlu diperjelas. Tugas dokumen dapat menentukan kolom yang perlu diekstrak dan meminta halaman atau kutipan pendukung di samping setiap temuan.
Pembuatnya menyatakan bahwa pemahaman audio pada versi 1.3 belum didukung sepenuhnya dan dapat menghasilkan respons dengan kualitas menurun. Perlakukan hal itu sebagai keterbatasan khusus versi ini, alih-alih menyalin kemampuan audio Muse Spark 1.2 atau model transkripsi bernama tersendiri ke dalam deskripsi ini.
Tingkat penalaran dan anggaran jawaban
Muse Spark menghasilkan penalaran internal sebelum jawaban yang terlihat. Tingkat upaya yang didokumentasikan dan berlaku di sini adalah minimal, low, medium, high, dan xhigh. Tingkat max secara khusus merupakan milik Standard Muse Spark 1.3 dan tidak tersedia untuk model Contributor. Menonaktifkan penalaran dengan none tidak didukung; menghilangkan pengaturan tersebut tetap membuat model melakukan penalaran pada tingkat yang ditentukan model.
Anggaran token keluaran mencakup penalaran internal dan teks yang terlihat. Karena itu, permintaan hasil tertulis yang panjang memerlukan ruang bagi keduanya, terutama pada tingkat upaya penalaran yang lebih tinggi. Penalaran internal mentah tetap bersifat privat, dan probabilitas log tidak didukung sebagai ukuran keyakinan. Mintalah penjelasan, kolom, atau kode akhir yang dibutuhkan tugas, alih-alih berasumsi bahwa jejak penalaran di baliknya akan dikembalikan sebagai teks yang dapat dibaca.
Untuk eksperimen ekstraksi atau pemformatan yang terfokus, tentukan rekaman dan bahan sumber secara tepat. Untuk masalah pemrograman atau visual dengan beberapa langkah, tentukan keputusan antara dan artefak akhir. Upaya penalaran yang lebih tinggi mengubah alokasi penalaran; hal itu sendiri tidak menentukan seperti apa hasil yang tuntas dan berguna.
Alat dan temuan terstruktur
Dokumentasi Muse Spark dari pembuatnya menjelaskan pemanggilan alat yang ditentukan pengembang dan keluaran terstruktur. Aplikasi menyediakan definisi alat, model menentukan operasi yang dibutuhkan dan menyiapkan argumennya, lalu aplikasi menjalankan setiap panggilan dan mengembalikan hasil yang sesuai. Jawaban berikutnya dapat menggunakan hasil tersebut untuk menentukan tindakan selanjutnya. Panggilan yang diusulkan berbeda dari operasi yang sudah selesai.
Dokumentasi yang sama membedakan alat pencarian bawaan yang terhubung dengan fungsi yang ditentukan pengembang. Pencarian atau eksekusi kode merupakan bagian dari lingkungan alat, bukan modalitas konten tambahan pada jawaban teks. Dalam prototipe, sediakan hanya operasi yang relevan dengan pertanyaan dan jelaskan hasil yang dikembalikan setiap operasi agar jawaban selanjutnya tetap terhubung dengan informasi yang benar-benar diambil atau dihitung.
Untuk ekstraksi terstruktur, tentukan nama kolom, informasi wajib, dan representasi nilai yang tidak tersedia. Rekaman praktis dapat memuat pengenal sumber, fakta yang diamati, interpretasi, dan pertanyaan yang masih perlu diperjelas. Pisahkan rekaman dari prosa opsional ketika aplikasi harus memproses kolom secara andal. Antarmuka skema pembuatnya menolak skema rekursif dan membatasi penyarangan hingga sepuluh tingkat. Mode ketatnya mewajibkan akar berupa objek biasa, setiap properti yang tercantum bersifat wajib, dan properti tambahan tidak diizinkan. Struktur yang sesuai tidak membuktikan kebenaran faktual.
Tugas prototipe yang berguna
Pilih satu alur kerja yang dapat menghasilkan artefak yang bisa diperiksa. Berikan persyaratan, contoh visual, serta kode yang menentukan perilaku saat ini. Mintalah perbandingan singkat, usulan fragmen yang telah direvisi, dan contoh yang membedakan perilaku yang diharapkan dari perilaku saat ini. Sertakan setiap hasil pencarian atau eksekusi yang dikembalikan aplikasi sebelum meminta penjelasan akhir.
Untuk prototipe yang berorientasi pada dokumen, berikan PDF dan pertanyaan yang perlu dijawab, lalu mintalah ringkasan dengan rujukan sumber atau tabel perbandingan. Untuk video, identifikasi peristiwa atau hubungan visual yang perlu diperiksa dan mintalah deskripsi berurutan beserta pengamatan pendukungnya. Tentukan panjang dan bagian jawaban akhir agar konteks model yang besar melayani pertanyaan yang sebenarnya.
Batas edisi dan kesinambungan
Contributor tetap merupakan edisi 1.3 bernama tersendiri, dengan konteks dan jenis masukan yang didokumentasikan. Panduan penalaran Meta membedakan riwayat percakapan biasa dengan pelestarian penalaran privat antar giliran: antarmuka percakapan pembuatnya tidak mengembalikan jejak privat tersebut kepada pemanggil eksternal. Simpan pesan yang terlihat, sumber, dan hasil alat yang dibutuhkan untuk tindak lanjut, alih-alih berasumsi bahwa setiap antarmuka meneruskan penalaran internal.
Sumber yang dibaca tidak menetapkan kapasitas maksimum keras tersendiri untuk token masukan atau keluaran di luar jendela konteks. Pertahankan edisi, persiapan masukan, dan artefak yang diminta, serta jaga agar eksekusi alat dan penyampaian teks akhir tetap terhubung dengan hasil yang benar-benar diperoleh dalam alur kerja prototipe.
", "aboutText": "Muse Spark 1.3 Contributor adalah edisi bernama tersendiri dalam keluarga Muse Spark dari Meta untuk pembuatan prototipe dan eksperimen. Keluarga ini dirancang untuk pekerjaan berbasis agen dan pemrograman: siklus penggunaan alat dengan beberapa langkah, asisten perangkat lunak, serta penalaran atas bahan sumber yang besar. Pertahankan nama Contributor saat memilih edisi, alih-alih memperlakukannya sebagai entri Standard 1.3 dengan seluruh pengaturan dipindahkan tanpa perubahan.\n\nMasukan dan konteks\n\nTabel model resmi mencantumkan teks, gambar, video, dan PDF sebagai masukan serta teks sebagai keluaran, dengan jendela konteks 1,048,576 token. Sebuah tugas dapat menggabungkan persyaratan tertulis, tangkapan layar, klip yang relevan, atau halaman dokumen, lalu meminta penjelasan tertulis, temuan terstruktur, atau usulan kode. Hasil teks model dapat menjadi artefak dalam aplikasi yang menaunginya; merender halaman atau menjalankan kode memerlukan lingkungan aplikasi tersebut.\n\nIdentifikasi setiap sumber dan perannya sebelum meminta hasil. Tugas prototipe antarmuka dapat memasangkan tangkapan layar dengan perilaku yang diinginkan dan fragmen kode yang sudah ada. Mintalah perbedaan yang terlihat, usulan perubahan implementasi, serta asumsi yang masih perlu diperjelas. Tugas dokumen dapat menentukan kolom yang perlu diekstrak dan meminta halaman atau kutipan pendukung di samping setiap temuan.\n\nPembuatnya menyatakan bahwa pemahaman audio pada versi 1.3 belum didukung sepenuhnya dan dapat menghasilkan respons dengan kualitas menurun. Perlakukan hal itu sebagai keterbatasan khusus versi ini, alih-alih menyalin kemampuan audio Muse Spark 1.2 atau model transkripsi bernama tersendiri ke dalam deskripsi ini.\n\nTingkat penalaran dan anggaran jawaban\n\nMuse Spark menghasilkan penalaran internal sebelum jawaban yang terlihat. Tingkat upaya yang didokumentasikan dan berlaku di sini adalah minimal, low, medium, high, dan xhigh. Tingkat max secara khusus merupakan milik Standard Muse Spark 1.3 dan tidak tersedia untuk model Contributor. Menonaktifkan penalaran dengan none tidak didukung; menghilangkan pengaturan tersebut tetap membuat model melakukan penalaran pada tingkat yang ditentukan model.\n\nAnggaran token keluaran mencakup penalaran internal dan teks yang terlihat. Karena itu, permintaan hasil tertulis yang panjang memerlukan ruang bagi keduanya, terutama pada tingkat upaya penalaran yang lebih tinggi. Penalaran internal mentah tetap bersifat privat, dan probabilitas log tidak didukung sebagai ukuran keyakinan. Mintalah penjelasan, kolom, atau kode akhir yang dibutuhkan tugas, alih-alih berasumsi bahwa jejak penalaran di baliknya akan dikembalikan sebagai teks yang dapat dibaca.\n\nUntuk eksperimen ekstraksi atau pemformatan yang terfokus, tentukan rekaman dan bahan sumber secara tepat. Untuk masalah pemrograman atau visual dengan beberapa langkah, tentukan keputusan antara dan artefak akhir. Upaya penalaran yang lebih tinggi mengubah alokasi penalaran; hal itu sendiri tidak menentukan seperti apa hasil yang tuntas dan berguna.\n\nAlat dan temuan terstruktur\n\nDokumentasi Muse Spark dari pembuatnya menjelaskan pemanggilan alat yang ditentukan pengembang dan keluaran terstruktur. Aplikasi menyediakan definisi alat, model menentukan operasi yang dibutuhkan dan menyiapkan argumennya, lalu aplikasi menjalankan setiap panggilan dan mengembalikan hasil yang sesuai. Jawaban berikutnya dapat menggunakan hasil tersebut untuk menentukan tindakan selanjutnya. Panggilan yang diusulkan berbeda dari operasi yang sudah selesai.\n\nDokumentasi yang sama membedakan alat pencarian bawaan yang terhubung dengan fungsi yang ditentukan pengembang. Pencarian atau eksekusi kode merupakan bagian dari lingkungan alat, bukan modalitas konten tambahan pada jawaban teks. Dalam prototipe, sediakan hanya operasi yang relevan dengan pertanyaan dan jelaskan hasil yang dikembalikan setiap operasi agar jawaban selanjutnya tetap terhubung dengan informasi yang benar-benar diambil atau dihitung.\n\nUntuk ekstraksi terstruktur, tentukan nama kolom, informasi wajib, dan representasi nilai yang tidak tersedia. Rekaman praktis dapat memuat pengenal sumber, fakta yang diamati, interpretasi, dan pertanyaan yang masih perlu diperjelas. Pisahkan rekaman dari prosa opsional ketika aplikasi harus memproses kolom secara andal. Antarmuka skema pembuatnya menolak skema rekursif dan membatasi penyarangan hingga sepuluh tingkat. Mode ketatnya mewajibkan akar berupa objek biasa, setiap properti yang tercantum bersifat wajib, dan properti tambahan tidak diizinkan. Struktur yang sesuai tidak membuktikan kebenaran faktual.\n\nTugas prototipe yang berguna\n\nPilih satu alur kerja yang dapat menghasilkan artefak yang bisa diperiksa. Berikan persyaratan, contoh visual, serta kode yang menentukan perilaku saat ini. Mintalah perbandingan singkat, usulan fragmen yang telah direvisi, dan contoh yang membedakan perilaku yang diharapkan dari perilaku saat ini. Sertakan setiap hasil pencarian atau eksekusi yang dikembalikan aplikasi sebelum meminta penjelasan akhir.\n\nUntuk prototipe yang berorientasi pada dokumen, berikan PDF dan pertanyaan yang perlu dijawab, lalu mintalah ringkasan dengan rujukan sumber atau tabel perbandingan. Untuk video, identifikasi peristiwa atau hubungan visual yang perlu diperiksa dan mintalah deskripsi berurutan beserta pengamatan pendukungnya. Tentukan panjang dan bagian jawaban akhir agar konteks model yang besar melayani pertanyaan yang sebenarnya.\n\nBatas edisi dan kesinambungan\n\nContributor tetap merupakan edisi 1.3 bernama tersendiri, dengan konteks dan jenis masukan yang didokumentasikan. Panduan penalaran Meta membedakan riwayat percakapan biasa dengan pelestarian penalaran privat antar giliran: antarmuka percakapan pembuatnya tidak mengembalikan jejak privat tersebut kepada pemanggil eksternal. Simpan pesan yang terlihat, sumber, dan hasil alat yang dibutuhkan untuk tindak lanjut, alih-alih berasumsi bahwa setiap antarmuka meneruskan penalaran internal.\n\nSumber yang dibaca tidak menetapkan kapasitas maksimum keras tersendiri untuk token masukan atau keluaran di luar jendela konteks. Pertahankan edisi, persiapan masukan, dan artefak yang diminta, serta jaga agar eksekusi alat dan penyampaian teks akhir tetap terhubung dengan hasil yang benar-benar diperoleh dalam alur kerja prototipe.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Prototype and test a text-only helper\n\nDesign a small Python prototype for an appointment reminder. Input records contain id and minutes_until_start. Return IDs where 0 <= minutes_until_start <= 30, preserving input order. Supply the function and cases at -1, 0, 30 and 31 minutes. Include a short note on assumptions; no calendar connection or reminder sending is available.A self-contained function, boundary-case assertions and explicit assumptions about input fields.Exactly the 0- and 30-minute records qualify, and the function does not send messages or assume calendar access.meta/muse-spark-1.3-contributorMuse Spark 1.3 Contributor adalah edisi penalaran dalam keluarga model Meta untuk agen dan pemrograman, yang ditujukan bagi alur kerja prototipe. Pembuatnya mencantumkan masukan teks, gambar, video, dan PDF, keluaran teks, serta konteks 1,048,576 token, dengan tingkat penalaran hingga xhigh, bukan max seperti pada Standard 1.3.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Muse Spark 1.3 Contributor adalah edisi bernama tersendiri dalam keluarga Muse Spark dari Meta untuk pembuatan prototipe dan eksperimen. Keluarga ini dirancang untuk pekerjaan berbasis agen dan pemrograman: siklus penggunaan alat dengan beberapa langkah, asisten perangkat lunak, serta penalaran atas bahan sumber yang besar. Pertahankan nama Contributor saat memilih edisi, alih-alih memperlakukannya sebagai entri Standard 1.3 dengan seluruh pengaturan dipindahkan tanpa perubahan.
Masukan dan konteks
Tabel model resmi mencantumkan teks, gambar, video, dan PDF sebagai masukan serta teks sebagai keluaran, dengan jendela konteks 1,048,576 token. Sebuah tugas dapat menggabungkan persyaratan tertulis, tangkapan layar, klip yang relevan, atau halaman dokumen, lalu meminta penjelasan tertulis, temuan terstruktur, atau usulan kode. Hasil teks model dapat menjadi artefak dalam aplikasi yang menaunginya; merender halaman atau menjalankan kode memerlukan lingkungan aplikasi tersebut.
Identifikasi setiap sumber dan perannya sebelum meminta hasil. Tugas prototipe antarmuka dapat memasangkan tangkapan layar dengan perilaku yang diinginkan dan fragmen kode yang sudah ada. Mintalah perbedaan yang terlihat, usulan perubahan implementasi, serta asumsi yang masih perlu diperjelas. Tugas dokumen dapat menentukan kolom yang perlu diekstrak dan meminta halaman atau kutipan pendukung di samping setiap temuan.
Pembuatnya menyatakan bahwa pemahaman audio pada versi 1.3 belum didukung sepenuhnya dan dapat menghasilkan respons dengan kualitas menurun. Perlakukan hal itu sebagai keterbatasan khusus versi ini, alih-alih menyalin kemampuan audio Muse Spark 1.2 atau model transkripsi bernama tersendiri ke dalam deskripsi ini.
Tingkat penalaran dan anggaran jawaban
Muse Spark menghasilkan penalaran internal sebelum jawaban yang terlihat. Tingkat upaya yang didokumentasikan dan berlaku di sini adalah minimal, low, medium, high, dan xhigh. Tingkat max secara khusus merupakan milik Standard Muse Spark 1.3 dan tidak tersedia untuk model Contributor. Menonaktifkan penalaran dengan none tidak didukung; menghilangkan pengaturan tersebut tetap membuat model melakukan penalaran pada tingkat yang ditentukan model.
Anggaran token keluaran mencakup penalaran internal dan teks yang terlihat. Karena itu, permintaan hasil tertulis yang panjang memerlukan ruang bagi keduanya, terutama pada tingkat upaya penalaran yang lebih tinggi. Penalaran internal mentah tetap bersifat privat, dan probabilitas log tidak didukung sebagai ukuran keyakinan. Mintalah penjelasan, kolom, atau kode akhir yang dibutuhkan tugas, alih-alih berasumsi bahwa jejak penalaran di baliknya akan dikembalikan sebagai teks yang dapat dibaca.
Untuk eksperimen ekstraksi atau pemformatan yang terfokus, tentukan rekaman dan bahan sumber secara tepat. Untuk masalah pemrograman atau visual dengan beberapa langkah, tentukan keputusan antara dan artefak akhir. Upaya penalaran yang lebih tinggi mengubah alokasi penalaran; hal itu sendiri tidak menentukan seperti apa hasil yang tuntas dan berguna.
Alat dan temuan terstruktur
Dokumentasi Muse Spark dari pembuatnya menjelaskan pemanggilan alat yang ditentukan pengembang dan keluaran terstruktur. Aplikasi menyediakan definisi alat, model menentukan operasi yang dibutuhkan dan menyiapkan argumennya, lalu aplikasi menjalankan setiap panggilan dan mengembalikan hasil yang sesuai. Jawaban berikutnya dapat menggunakan hasil tersebut untuk menentukan tindakan selanjutnya. Panggilan yang diusulkan berbeda dari operasi yang sudah selesai.
Dokumentasi yang sama membedakan alat pencarian bawaan yang terhubung dengan fungsi yang ditentukan pengembang. Pencarian atau eksekusi kode merupakan bagian dari lingkungan alat, bukan modalitas konten tambahan pada jawaban teks. Dalam prototipe, sediakan hanya operasi yang relevan dengan pertanyaan dan jelaskan hasil yang dikembalikan setiap operasi agar jawaban selanjutnya tetap terhubung dengan informasi yang benar-benar diambil atau dihitung.
Untuk ekstraksi terstruktur, tentukan nama kolom, informasi wajib, dan representasi nilai yang tidak tersedia. Rekaman praktis dapat memuat pengenal sumber, fakta yang diamati, interpretasi, dan pertanyaan yang masih perlu diperjelas. Pisahkan rekaman dari prosa opsional ketika aplikasi harus memproses kolom secara andal. Antarmuka skema pembuatnya menolak skema rekursif dan membatasi penyarangan hingga sepuluh tingkat. Mode ketatnya mewajibkan akar berupa objek biasa, setiap properti yang tercantum bersifat wajib, dan properti tambahan tidak diizinkan. Struktur yang sesuai tidak membuktikan kebenaran faktual.
Tugas prototipe yang berguna
Pilih satu alur kerja yang dapat menghasilkan artefak yang bisa diperiksa. Berikan persyaratan, contoh visual, serta kode yang menentukan perilaku saat ini. Mintalah perbandingan singkat, usulan fragmen yang telah direvisi, dan contoh yang membedakan perilaku yang diharapkan dari perilaku saat ini. Sertakan setiap hasil pencarian atau eksekusi yang dikembalikan aplikasi sebelum meminta penjelasan akhir.
Untuk prototipe yang berorientasi pada dokumen, berikan PDF dan pertanyaan yang perlu dijawab, lalu mintalah ringkasan dengan rujukan sumber atau tabel perbandingan. Untuk video, identifikasi peristiwa atau hubungan visual yang perlu diperiksa dan mintalah deskripsi berurutan beserta pengamatan pendukungnya. Tentukan panjang dan bagian jawaban akhir agar konteks model yang besar melayani pertanyaan yang sebenarnya.
Batas edisi dan kesinambungan
Contributor tetap merupakan edisi 1.3 bernama tersendiri, dengan konteks dan jenis masukan yang didokumentasikan. Panduan penalaran Meta membedakan riwayat percakapan biasa dengan pelestarian penalaran privat antar giliran: antarmuka percakapan pembuatnya tidak mengembalikan jejak privat tersebut kepada pemanggil eksternal. Simpan pesan yang terlihat, sumber, dan hasil alat yang dibutuhkan untuk tindak lanjut, alih-alih berasumsi bahwa setiap antarmuka meneruskan penalaran internal.
Sumber yang dibaca tidak menetapkan kapasitas maksimum keras tersendiri untuk token masukan atau keluaran di luar jendela konteks. Pertahankan edisi, persiapan masukan, dan artefak yang diminta, serta jaga agar eksekusi alat dan penyampaian teks akhir tetap terhubung dengan hasil yang benar-benar diperoleh dalam alur kerja prototipe.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan meta/muse-spark-1.3-contributor | 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 $0.0002 / 1K token Keluaran · Token keluaran $0.0004 / 1K token Masukan · Pembacaan cache $0.000004 / 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 $0.0002 / 1K token Keluaran · Token keluaran $0.0004 / 1K token Masukan · Pembacaan cache $0.000004 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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-1.3-contributor", "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-1.3-contributor',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-1.3-contributor',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-1.3-contributor
Gunakan jalur metode yang ditampilkan di atas.
meta/muse-spark-1.3-contributorMuse Spark 1.3 Contributor adalah edisi penalaran dalam keluarga model Meta untuk agen dan pemrograman, yang ditujukan bagi alur kerja prototipe. Pembuatnya mencantumkan masukan teks, gambar, video, dan PDF, keluaran teks, serta konteks 1,048,576 token, dengan tingkat penalaran hingga xhigh, bukan max seperti pada Standard 1.3.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Muse Spark 1.3 Contributor adalah edisi bernama tersendiri dalam keluarga Muse Spark dari Meta untuk pembuatan prototipe dan eksperimen. Keluarga ini dirancang untuk pekerjaan berbasis agen dan pemrograman: siklus penggunaan alat dengan beberapa langkah, asisten perangkat lunak, serta penalaran atas bahan sumber yang besar. Pertahankan nama Contributor saat memilih edisi, alih-alih memperlakukannya sebagai entri Standard 1.3 dengan seluruh pengaturan dipindahkan tanpa perubahan.
Masukan dan konteks
Tabel model resmi mencantumkan teks, gambar, video, dan PDF sebagai masukan serta teks sebagai keluaran, dengan jendela konteks 1,048,576 token. Sebuah tugas dapat menggabungkan persyaratan tertulis, tangkapan layar, klip yang relevan, atau halaman dokumen, lalu meminta penjelasan tertulis, temuan terstruktur, atau usulan kode. Hasil teks model dapat menjadi artefak dalam aplikasi yang menaunginya; merender halaman atau menjalankan kode memerlukan lingkungan aplikasi tersebut.
Identifikasi setiap sumber dan perannya sebelum meminta hasil. Tugas prototipe antarmuka dapat memasangkan tangkapan layar dengan perilaku yang diinginkan dan fragmen kode yang sudah ada. Mintalah perbedaan yang terlihat, usulan perubahan implementasi, serta asumsi yang masih perlu diperjelas. Tugas dokumen dapat menentukan kolom yang perlu diekstrak dan meminta halaman atau kutipan pendukung di samping setiap temuan.
Pembuatnya menyatakan bahwa pemahaman audio pada versi 1.3 belum didukung sepenuhnya dan dapat menghasilkan respons dengan kualitas menurun. Perlakukan hal itu sebagai keterbatasan khusus versi ini, alih-alih menyalin kemampuan audio Muse Spark 1.2 atau model transkripsi bernama tersendiri ke dalam deskripsi ini.
Tingkat penalaran dan anggaran jawaban
Muse Spark menghasilkan penalaran internal sebelum jawaban yang terlihat. Tingkat upaya yang didokumentasikan dan berlaku di sini adalah minimal, low, medium, high, dan xhigh. Tingkat max secara khusus merupakan milik Standard Muse Spark 1.3 dan tidak tersedia untuk model Contributor. Menonaktifkan penalaran dengan none tidak didukung; menghilangkan pengaturan tersebut tetap membuat model melakukan penalaran pada tingkat yang ditentukan model.
Anggaran token keluaran mencakup penalaran internal dan teks yang terlihat. Karena itu, permintaan hasil tertulis yang panjang memerlukan ruang bagi keduanya, terutama pada tingkat upaya penalaran yang lebih tinggi. Penalaran internal mentah tetap bersifat privat, dan probabilitas log tidak didukung sebagai ukuran keyakinan. Mintalah penjelasan, kolom, atau kode akhir yang dibutuhkan tugas, alih-alih berasumsi bahwa jejak penalaran di baliknya akan dikembalikan sebagai teks yang dapat dibaca.
Untuk eksperimen ekstraksi atau pemformatan yang terfokus, tentukan rekaman dan bahan sumber secara tepat. Untuk masalah pemrograman atau visual dengan beberapa langkah, tentukan keputusan antara dan artefak akhir. Upaya penalaran yang lebih tinggi mengubah alokasi penalaran; hal itu sendiri tidak menentukan seperti apa hasil yang tuntas dan berguna.
Alat dan temuan terstruktur
Dokumentasi Muse Spark dari pembuatnya menjelaskan pemanggilan alat yang ditentukan pengembang dan keluaran terstruktur. Aplikasi menyediakan definisi alat, model menentukan operasi yang dibutuhkan dan menyiapkan argumennya, lalu aplikasi menjalankan setiap panggilan dan mengembalikan hasil yang sesuai. Jawaban berikutnya dapat menggunakan hasil tersebut untuk menentukan tindakan selanjutnya. Panggilan yang diusulkan berbeda dari operasi yang sudah selesai.
Dokumentasi yang sama membedakan alat pencarian bawaan yang terhubung dengan fungsi yang ditentukan pengembang. Pencarian atau eksekusi kode merupakan bagian dari lingkungan alat, bukan modalitas konten tambahan pada jawaban teks. Dalam prototipe, sediakan hanya operasi yang relevan dengan pertanyaan dan jelaskan hasil yang dikembalikan setiap operasi agar jawaban selanjutnya tetap terhubung dengan informasi yang benar-benar diambil atau dihitung.
Untuk ekstraksi terstruktur, tentukan nama kolom, informasi wajib, dan representasi nilai yang tidak tersedia. Rekaman praktis dapat memuat pengenal sumber, fakta yang diamati, interpretasi, dan pertanyaan yang masih perlu diperjelas. Pisahkan rekaman dari prosa opsional ketika aplikasi harus memproses kolom secara andal. Antarmuka skema pembuatnya menolak skema rekursif dan membatasi penyarangan hingga sepuluh tingkat. Mode ketatnya mewajibkan akar berupa objek biasa, setiap properti yang tercantum bersifat wajib, dan properti tambahan tidak diizinkan. Struktur yang sesuai tidak membuktikan kebenaran faktual.
Tugas prototipe yang berguna
Pilih satu alur kerja yang dapat menghasilkan artefak yang bisa diperiksa. Berikan persyaratan, contoh visual, serta kode yang menentukan perilaku saat ini. Mintalah perbandingan singkat, usulan fragmen yang telah direvisi, dan contoh yang membedakan perilaku yang diharapkan dari perilaku saat ini. Sertakan setiap hasil pencarian atau eksekusi yang dikembalikan aplikasi sebelum meminta penjelasan akhir.
Untuk prototipe yang berorientasi pada dokumen, berikan PDF dan pertanyaan yang perlu dijawab, lalu mintalah ringkasan dengan rujukan sumber atau tabel perbandingan. Untuk video, identifikasi peristiwa atau hubungan visual yang perlu diperiksa dan mintalah deskripsi berurutan beserta pengamatan pendukungnya. Tentukan panjang dan bagian jawaban akhir agar konteks model yang besar melayani pertanyaan yang sebenarnya.
Batas edisi dan kesinambungan
Contributor tetap merupakan edisi 1.3 bernama tersendiri, dengan konteks dan jenis masukan yang didokumentasikan. Panduan penalaran Meta membedakan riwayat percakapan biasa dengan pelestarian penalaran privat antar giliran: antarmuka percakapan pembuatnya tidak mengembalikan jejak privat tersebut kepada pemanggil eksternal. Simpan pesan yang terlihat, sumber, dan hasil alat yang dibutuhkan untuk tindak lanjut, alih-alih berasumsi bahwa setiap antarmuka meneruskan penalaran internal.
Sumber yang dibaca tidak menetapkan kapasitas maksimum keras tersendiri untuk token masukan atau keluaran di luar jendela konteks. Pertahankan edisi, persiapan masukan, dan artefak yang diminta, serta jaga agar eksekusi alat dan penyampaian teks akhir tetap terhubung dengan hasil yang benar-benar diperoleh dalam alur kerja prototipe.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan meta/muse-spark-1.3-contributor | 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 $0.0002 / 1K token Keluaran · Token keluaran $0.0004 / 1K token Masukan · Pembacaan cache $0.000004 / 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 $0.0002 / 1K token Keluaran · Token keluaran $0.0004 / 1K token Masukan · Pembacaan cache $0.000004 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "meta/muse-spark-1.3-contributor",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-1.3-contributor', '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-1.3-contributor', '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-1.3-contributor
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Prototype and test a text-only helper\n\nDesign a small Python prototype for an appointment reminder. Input records contain id and minutes_until_start. Return IDs where 0 <= minutes_until_start <= 30, preserving input order. Supply the function and cases at -1, 0, 30 and 31 minutes. Include a short note on assumptions; no calendar connection or reminder sending is available.A self-contained function, boundary-case assertions and explicit assumptions about input fields.Exactly the 0- and 30-minute records qualify, and the function does not send messages or assume calendar access.