Muse Spark 1.3 adalah model penalaran Meta untuk pekerjaan berbasis agen dan pemrograman yang berkelanjutan. Pembuatnya menekankan kemampuan mempertahankan konteks dan hasil sebelumnya dalam tugas panjang, menangani sumber yang saling bertentangan, serta menghasilkan keluaran akhir yang tuntas. Entri ini adalah edisi Standard 1.3, yang pengaturan penalaran terdokumentasinya mencakup max; edisi Contributor yang bernama terpisah memiliki batas pengaturannya sendiri.
Pekerjaan agen jangka panjang
Rilisnya menjelaskan model yang dilatih dalam berbagai lingkungan agen untuk mengumpulkan informasi, merevisi rencana ketika bukti berubah, dan mempertahankan persyaratan terperinci sepanjang tugas dengan beberapa langkah. Rilis tersebut juga menjelaskan peningkatan penanganan beberapa alur kerja dalam satu utas, dengan permintaan masuk dipetakan ke tugas yang relevan. Permintaan yang berguna sebaiknya menentukan tujuan, sumber, persyaratan, dan artefak yang akan dianggap sebagai penyelesaian.
Untuk tugas dokumen profesional, berikan laporan sumber, identifikasi fakta yang harus dipertahankan, dan mintalah ringkasan terstruktur dengan lokasi sumber. Jika sumber saling bertentangan, mintalah pernyataan yang bertentangan secara terpisah dan informasi yang diperlukan untuk menyelesaikannya. Untuk tugas pemrograman, sertakan perilaku yang dimaksud, modul yang terdampak, dan kode yang relevan; mintalah usulan implementasi serta bukti yang dapat membedakan hasil yang dimaksud.
Pembuatnya menyatakan bahwa 1.3 meminta klarifikasi ketika permintaan ambigu dan meminta bantuan pengguna ketika terhambat. Pembuatnya juga menjelaskan peningkatan pertimbangan dalam tindakan yang berdampak penting. Ini adalah peningkatan perilaku model, bukan pengganti kontrol eksekusi aplikasi. Berikan informasi yang dibutuhkan agen untuk mengambil keputusan dan nyatakan hasil yang diperlukan secara jelas.
Pemrograman dan bukti multimodal
Rilisnya berfokus pada tugas pemrograman yang lebih panjang, keluaran yang lebih rapi, dan lebih sedikit giliran yang tidak diperlukan dibandingkan 1.2. Alur kerja agen pemrograman dapat memeriksa tangkapan layar, menemukan kode yang relevan, mengusulkan koreksi, serta menggunakan umpan balik eksekusi atau hasil render yang dikembalikan alatnya. Nyatakan antarmuka yang harus tetap kompatibel dan mintalah artefak yang diubah secara terpisah dari asumsi serta penjelasannya.
Tabel model resmi mencantumkan masukan teks, gambar, video, dan PDF, dengan keluaran teks serta konteks 1,048,576 token. Gambar atau klip dapat memberikan bukti yang terlihat di samping tugas tertulis. Pertanyaan tentang bagan harus mempertahankan sumbu, legenda, dan satuan; pertanyaan tentang tangkapan layar harus mengidentifikasi perilaku yang perlu direproduksi atau diperiksa. Pertanyaan tentang PDF dapat meminta ekstraksi dengan rujukan sumber atau perbandingan, bukan ringkasan umum setiap halaman.
Pembuatnya secara tegas menyatakan bahwa pemahaman audio pada 1.3 belum didukung sepenuhnya dan respons yang melibatkan audio dapat menurun kualitasnya. Hal ini berbeda dari kemampuan audiovisual 1.2 yang didokumentasikan. Hasil teks model juga tidak dengan sendirinya menghasilkan gambar, rekaman suara, atau berkas jadi tanpa alat aplikasi yang menaunginya.
Upaya penalaran dan kesinambungan
Tingkat yang didokumentasikan adalah minimal, low, medium, high, xhigh, dan max. Max khusus untuk Standard 1.3. Muse Spark tidak mendukung penonaktifan penalaran dengan none; menghilangkan pengaturan tersebut membuat tingkat penalaran ditentukan model. Pilih upaya sesuai masalah yang sebenarnya dan sisakan ruang bagi penalaran internal serta hasil tertulis yang dibutuhkan.
Token penalaran dan token yang terlihat berbagi anggaran keluaran. Penalaran internal mentah tetap bersifat privat dan tidak dikembalikan sebagai teks biasa yang dapat dibaca. Pembuatnya membedakan riwayat percakapan yang terlihat dengan kesinambungan penalaran privat: antarmuka percakapannya tidak memperlihatkan jejak yang dapat diputar ulang oleh pemanggil eksternal, sedangkan alur kerja percakapan terdokumentasi lainnya mendukung kelanjutan penalaran yang dikelola atau dienkripsi. Pertahankan sumber, pesan yang terlihat, dan hasil alat aktual yang dibutuhkan untuk tindak lanjut, alih-alih berasumsi bahwa semua antarmuka mempertahankan penalaran privat dengan cara yang sama.
Alat dan keluaran akhir terstruktur
Aplikasi menyediakan deskripsi fungsi yang ditentukan pengembang, model membuat argumen panggilan yang diperlukan, lalu aplikasi menjalankan setiap panggilan dan mengembalikan hasil terkait. Model dapat meminta beberapa fungsi dalam satu giliran. Kembalikan hasil untuk setiap operasi asal sebelum meminta kesimpulan berikutnya agar jawaban menggunakan informasi yang benar-benar diambil atau dihitung.
Pembuatnya secara terpisah mendokumentasikan alat pencarian bawaan yang dijalankan di dalam layanan terhubungnya. Fungsi pengembang dan alat bawaan tersebut memiliki pengaturan eksekusi yang berbeda. Model dapat menalar informasi yang dibutuhkannya, tetapi memilih model saja tidak menyediakan akses repositori, peramban, atau sumber informasi privat.
Keluaran terstruktur dapat membatasi hasil pada skema JSON yang diberikan. Tentukan kolom dan tipe yang diperlukan langkah selanjutnya serta penanganan informasi sumber yang tidak tersedia. Dalam mode skema ketat pembuatnya, akar berupa objek biasa, setiap properti wajib, dan properti tambahan tidak diizinkan; skema rekursif ditolak. Ini adalah batasan pada antarmuka terstruktur pembuatnya, bukan bukti bahwa fakta dalam rekaman yang berbentuk benar memang benar.
Untuk artefak akhir yang berguna, mintalah temuan yang didukung sumber, usulan perubahan atau dokumen, serta kondisi yang belum terselesaikan secara terpisah. Sumber yang dibaca tidak memberikan kapasitas maksimum keras yang terpisah untuk token masukan atau keluaran di luar konteks yang didokumentasikan. Pertahankan identitas Standard 1.3, pilihan penalaran, dan hasil eksekusi yang terhubung secara jelas sepanjang tugas.
", "aboutText": "Muse Spark 1.3 adalah model penalaran Meta untuk pekerjaan berbasis agen dan pemrograman yang berkelanjutan. Pembuatnya menekankan kemampuan mempertahankan konteks dan hasil sebelumnya dalam tugas panjang, menangani sumber yang saling bertentangan, serta menghasilkan keluaran akhir yang tuntas. Entri ini adalah edisi Standard 1.3, yang pengaturan penalaran terdokumentasinya mencakup max; edisi Contributor yang bernama terpisah memiliki batas pengaturannya sendiri.\n\nPekerjaan agen jangka panjang\n\nRilisnya menjelaskan model yang dilatih dalam berbagai lingkungan agen untuk mengumpulkan informasi, merevisi rencana ketika bukti berubah, dan mempertahankan persyaratan terperinci sepanjang tugas dengan beberapa langkah. Rilis tersebut juga menjelaskan peningkatan penanganan beberapa alur kerja dalam satu utas, dengan permintaan masuk dipetakan ke tugas yang relevan. Permintaan yang berguna sebaiknya menentukan tujuan, sumber, persyaratan, dan artefak yang akan dianggap sebagai penyelesaian.\n\nUntuk tugas dokumen profesional, berikan laporan sumber, identifikasi fakta yang harus dipertahankan, dan mintalah ringkasan terstruktur dengan lokasi sumber. Jika sumber saling bertentangan, mintalah pernyataan yang bertentangan secara terpisah dan informasi yang diperlukan untuk menyelesaikannya. Untuk tugas pemrograman, sertakan perilaku yang dimaksud, modul yang terdampak, dan kode yang relevan; mintalah usulan implementasi serta bukti yang dapat membedakan hasil yang dimaksud.\n\nPembuatnya menyatakan bahwa 1.3 meminta klarifikasi ketika permintaan ambigu dan meminta bantuan pengguna ketika terhambat. Pembuatnya juga menjelaskan peningkatan pertimbangan dalam tindakan yang berdampak penting. Ini adalah peningkatan perilaku model, bukan pengganti kontrol eksekusi aplikasi. Berikan informasi yang dibutuhkan agen untuk mengambil keputusan dan nyatakan hasil yang diperlukan secara jelas.\n\nPemrograman dan bukti multimodal\n\nRilisnya berfokus pada tugas pemrograman yang lebih panjang, keluaran yang lebih rapi, dan lebih sedikit giliran yang tidak diperlukan dibandingkan 1.2. Alur kerja agen pemrograman dapat memeriksa tangkapan layar, menemukan kode yang relevan, mengusulkan koreksi, serta menggunakan umpan balik eksekusi atau hasil render yang dikembalikan alatnya. Nyatakan antarmuka yang harus tetap kompatibel dan mintalah artefak yang diubah secara terpisah dari asumsi serta penjelasannya.\n\nTabel model resmi mencantumkan masukan teks, gambar, video, dan PDF, dengan keluaran teks serta konteks 1,048,576 token. Gambar atau klip dapat memberikan bukti yang terlihat di samping tugas tertulis. Pertanyaan tentang bagan harus mempertahankan sumbu, legenda, dan satuan; pertanyaan tentang tangkapan layar harus mengidentifikasi perilaku yang perlu direproduksi atau diperiksa. Pertanyaan tentang PDF dapat meminta ekstraksi dengan rujukan sumber atau perbandingan, bukan ringkasan umum setiap halaman.\n\nPembuatnya secara tegas menyatakan bahwa pemahaman audio pada 1.3 belum didukung sepenuhnya dan respons yang melibatkan audio dapat menurun kualitasnya. Hal ini berbeda dari kemampuan audiovisual 1.2 yang didokumentasikan. Hasil teks model juga tidak dengan sendirinya menghasilkan gambar, rekaman suara, atau berkas jadi tanpa alat aplikasi yang menaunginya.\n\nUpaya penalaran dan kesinambungan\n\nTingkat yang didokumentasikan adalah minimal, low, medium, high, xhigh, dan max. Max khusus untuk Standard 1.3. Muse Spark tidak mendukung penonaktifan penalaran dengan none; menghilangkan pengaturan tersebut membuat tingkat penalaran ditentukan model. Pilih upaya sesuai masalah yang sebenarnya dan sisakan ruang bagi penalaran internal serta hasil tertulis yang dibutuhkan.\n\nToken penalaran dan token yang terlihat berbagi anggaran keluaran. Penalaran internal mentah tetap bersifat privat dan tidak dikembalikan sebagai teks biasa yang dapat dibaca. Pembuatnya membedakan riwayat percakapan yang terlihat dengan kesinambungan penalaran privat: antarmuka percakapannya tidak memperlihatkan jejak yang dapat diputar ulang oleh pemanggil eksternal, sedangkan alur kerja percakapan terdokumentasi lainnya mendukung kelanjutan penalaran yang dikelola atau dienkripsi. Pertahankan sumber, pesan yang terlihat, dan hasil alat aktual yang dibutuhkan untuk tindak lanjut, alih-alih berasumsi bahwa semua antarmuka mempertahankan penalaran privat dengan cara yang sama.\n\nAlat dan keluaran akhir terstruktur\n\nAplikasi menyediakan deskripsi fungsi yang ditentukan pengembang, model membuat argumen panggilan yang diperlukan, lalu aplikasi menjalankan setiap panggilan dan mengembalikan hasil terkait. Model dapat meminta beberapa fungsi dalam satu giliran. Kembalikan hasil untuk setiap operasi asal sebelum meminta kesimpulan berikutnya agar jawaban menggunakan informasi yang benar-benar diambil atau dihitung.\n\nPembuatnya secara terpisah mendokumentasikan alat pencarian bawaan yang dijalankan di dalam layanan terhubungnya. Fungsi pengembang dan alat bawaan tersebut memiliki pengaturan eksekusi yang berbeda. Model dapat menalar informasi yang dibutuhkannya, tetapi memilih model saja tidak menyediakan akses repositori, peramban, atau sumber informasi privat.\n\nKeluaran terstruktur dapat membatasi hasil pada skema JSON yang diberikan. Tentukan kolom dan tipe yang diperlukan langkah selanjutnya serta penanganan informasi sumber yang tidak tersedia. Dalam mode skema ketat pembuatnya, akar berupa objek biasa, setiap properti wajib, dan properti tambahan tidak diizinkan; skema rekursif ditolak. Ini adalah batasan pada antarmuka terstruktur pembuatnya, bukan bukti bahwa fakta dalam rekaman yang berbentuk benar memang benar.\n\nUntuk artefak akhir yang berguna, mintalah temuan yang didukung sumber, usulan perubahan atau dokumen, serta kondisi yang belum terselesaikan secara terpisah. Sumber yang dibaca tidak memberikan kapasitas maksimum keras yang terpisah untuk token masukan atau keluaran di luar konteks yang didokumentasikan. Pertahankan identitas Standard 1.3, pilihan penalaran, dan hasil eksekusi yang terhubung secara jelas sepanjang tugas.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Resolve conflicting project reports\n\nPrepare a decision brief from these reports. Engineering E: migration scripts passed staging checks. Operations O: production backup restoration has not been rehearsed. Release policy P: rehearsal must pass before migration approval. State what is established, what blocks approval and the next evidence needed. Keep staging success separate from production readiness and cite E, O or P beside each point.A source-linked brief with established facts, the blocking condition and one concrete evidence request.Staging checks alone never satisfy the policy's restoration-rehearsal requirement.meta/muse-spark-1.3Muse Spark 1.3 adalah model penalaran multimodal Meta untuk agen yang berjalan lama dan alur kerja pemrograman. Model ini melacak sumber dan hasil sebelumnya, mendukung konteks 1,048,576 token dari pembuatnya serta tingkat penalaran hingga max pada edisi Standard ini, dan mengembalikan teks serta usulan tindakan alat.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Muse Spark 1.3 adalah model penalaran Meta untuk pekerjaan berbasis agen dan pemrograman yang berkelanjutan. Pembuatnya menekankan kemampuan mempertahankan konteks dan hasil sebelumnya dalam tugas panjang, menangani sumber yang saling bertentangan, serta menghasilkan keluaran akhir yang tuntas. Entri ini adalah edisi Standard 1.3, yang pengaturan penalaran terdokumentasinya mencakup max; edisi Contributor yang bernama terpisah memiliki batas pengaturannya sendiri.
Pekerjaan agen jangka panjang
Rilisnya menjelaskan model yang dilatih dalam berbagai lingkungan agen untuk mengumpulkan informasi, merevisi rencana ketika bukti berubah, dan mempertahankan persyaratan terperinci sepanjang tugas dengan beberapa langkah. Rilis tersebut juga menjelaskan peningkatan penanganan beberapa alur kerja dalam satu utas, dengan permintaan masuk dipetakan ke tugas yang relevan. Permintaan yang berguna sebaiknya menentukan tujuan, sumber, persyaratan, dan artefak yang akan dianggap sebagai penyelesaian.
Untuk tugas dokumen profesional, berikan laporan sumber, identifikasi fakta yang harus dipertahankan, dan mintalah ringkasan terstruktur dengan lokasi sumber. Jika sumber saling bertentangan, mintalah pernyataan yang bertentangan secara terpisah dan informasi yang diperlukan untuk menyelesaikannya. Untuk tugas pemrograman, sertakan perilaku yang dimaksud, modul yang terdampak, dan kode yang relevan; mintalah usulan implementasi serta bukti yang dapat membedakan hasil yang dimaksud.
Pembuatnya menyatakan bahwa 1.3 meminta klarifikasi ketika permintaan ambigu dan meminta bantuan pengguna ketika terhambat. Pembuatnya juga menjelaskan peningkatan pertimbangan dalam tindakan yang berdampak penting. Ini adalah peningkatan perilaku model, bukan pengganti kontrol eksekusi aplikasi. Berikan informasi yang dibutuhkan agen untuk mengambil keputusan dan nyatakan hasil yang diperlukan secara jelas.
Pemrograman dan bukti multimodal
Rilisnya berfokus pada tugas pemrograman yang lebih panjang, keluaran yang lebih rapi, dan lebih sedikit giliran yang tidak diperlukan dibandingkan 1.2. Alur kerja agen pemrograman dapat memeriksa tangkapan layar, menemukan kode yang relevan, mengusulkan koreksi, serta menggunakan umpan balik eksekusi atau hasil render yang dikembalikan alatnya. Nyatakan antarmuka yang harus tetap kompatibel dan mintalah artefak yang diubah secara terpisah dari asumsi serta penjelasannya.
Tabel model resmi mencantumkan masukan teks, gambar, video, dan PDF, dengan keluaran teks serta konteks 1,048,576 token. Gambar atau klip dapat memberikan bukti yang terlihat di samping tugas tertulis. Pertanyaan tentang bagan harus mempertahankan sumbu, legenda, dan satuan; pertanyaan tentang tangkapan layar harus mengidentifikasi perilaku yang perlu direproduksi atau diperiksa. Pertanyaan tentang PDF dapat meminta ekstraksi dengan rujukan sumber atau perbandingan, bukan ringkasan umum setiap halaman.
Pembuatnya secara tegas menyatakan bahwa pemahaman audio pada 1.3 belum didukung sepenuhnya dan respons yang melibatkan audio dapat menurun kualitasnya. Hal ini berbeda dari kemampuan audiovisual 1.2 yang didokumentasikan. Hasil teks model juga tidak dengan sendirinya menghasilkan gambar, rekaman suara, atau berkas jadi tanpa alat aplikasi yang menaunginya.
Upaya penalaran dan kesinambungan
Tingkat yang didokumentasikan adalah minimal, low, medium, high, xhigh, dan max. Max khusus untuk Standard 1.3. Muse Spark tidak mendukung penonaktifan penalaran dengan none; menghilangkan pengaturan tersebut membuat tingkat penalaran ditentukan model. Pilih upaya sesuai masalah yang sebenarnya dan sisakan ruang bagi penalaran internal serta hasil tertulis yang dibutuhkan.
Token penalaran dan token yang terlihat berbagi anggaran keluaran. Penalaran internal mentah tetap bersifat privat dan tidak dikembalikan sebagai teks biasa yang dapat dibaca. Pembuatnya membedakan riwayat percakapan yang terlihat dengan kesinambungan penalaran privat: antarmuka percakapannya tidak memperlihatkan jejak yang dapat diputar ulang oleh pemanggil eksternal, sedangkan alur kerja percakapan terdokumentasi lainnya mendukung kelanjutan penalaran yang dikelola atau dienkripsi. Pertahankan sumber, pesan yang terlihat, dan hasil alat aktual yang dibutuhkan untuk tindak lanjut, alih-alih berasumsi bahwa semua antarmuka mempertahankan penalaran privat dengan cara yang sama.
Alat dan keluaran akhir terstruktur
Aplikasi menyediakan deskripsi fungsi yang ditentukan pengembang, model membuat argumen panggilan yang diperlukan, lalu aplikasi menjalankan setiap panggilan dan mengembalikan hasil terkait. Model dapat meminta beberapa fungsi dalam satu giliran. Kembalikan hasil untuk setiap operasi asal sebelum meminta kesimpulan berikutnya agar jawaban menggunakan informasi yang benar-benar diambil atau dihitung.
Pembuatnya secara terpisah mendokumentasikan alat pencarian bawaan yang dijalankan di dalam layanan terhubungnya. Fungsi pengembang dan alat bawaan tersebut memiliki pengaturan eksekusi yang berbeda. Model dapat menalar informasi yang dibutuhkannya, tetapi memilih model saja tidak menyediakan akses repositori, peramban, atau sumber informasi privat.
Keluaran terstruktur dapat membatasi hasil pada skema JSON yang diberikan. Tentukan kolom dan tipe yang diperlukan langkah selanjutnya serta penanganan informasi sumber yang tidak tersedia. Dalam mode skema ketat pembuatnya, akar berupa objek biasa, setiap properti wajib, dan properti tambahan tidak diizinkan; skema rekursif ditolak. Ini adalah batasan pada antarmuka terstruktur pembuatnya, bukan bukti bahwa fakta dalam rekaman yang berbentuk benar memang benar.
Untuk artefak akhir yang berguna, mintalah temuan yang didukung sumber, usulan perubahan atau dokumen, serta kondisi yang belum terselesaikan secara terpisah. Sumber yang dibaca tidak memberikan kapasitas maksimum keras yang terpisah untuk token masukan atau keluaran di luar konteks yang didokumentasikan. Pertahankan identitas Standard 1.3, pilihan penalaran, dan hasil eksekusi yang terhubung secara jelas sepanjang tugas.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan meta/muse-spark-1.3 | 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-1.3", "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',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',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
Gunakan jalur metode yang ditampilkan di atas.
meta/muse-spark-1.3Muse Spark 1.3 adalah model penalaran multimodal Meta untuk agen yang berjalan lama dan alur kerja pemrograman. Model ini melacak sumber dan hasil sebelumnya, mendukung konteks 1,048,576 token dari pembuatnya serta tingkat penalaran hingga max pada edisi Standard ini, dan mengembalikan teks serta usulan tindakan alat.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Muse Spark 1.3 adalah model penalaran Meta untuk pekerjaan berbasis agen dan pemrograman yang berkelanjutan. Pembuatnya menekankan kemampuan mempertahankan konteks dan hasil sebelumnya dalam tugas panjang, menangani sumber yang saling bertentangan, serta menghasilkan keluaran akhir yang tuntas. Entri ini adalah edisi Standard 1.3, yang pengaturan penalaran terdokumentasinya mencakup max; edisi Contributor yang bernama terpisah memiliki batas pengaturannya sendiri.
Pekerjaan agen jangka panjang
Rilisnya menjelaskan model yang dilatih dalam berbagai lingkungan agen untuk mengumpulkan informasi, merevisi rencana ketika bukti berubah, dan mempertahankan persyaratan terperinci sepanjang tugas dengan beberapa langkah. Rilis tersebut juga menjelaskan peningkatan penanganan beberapa alur kerja dalam satu utas, dengan permintaan masuk dipetakan ke tugas yang relevan. Permintaan yang berguna sebaiknya menentukan tujuan, sumber, persyaratan, dan artefak yang akan dianggap sebagai penyelesaian.
Untuk tugas dokumen profesional, berikan laporan sumber, identifikasi fakta yang harus dipertahankan, dan mintalah ringkasan terstruktur dengan lokasi sumber. Jika sumber saling bertentangan, mintalah pernyataan yang bertentangan secara terpisah dan informasi yang diperlukan untuk menyelesaikannya. Untuk tugas pemrograman, sertakan perilaku yang dimaksud, modul yang terdampak, dan kode yang relevan; mintalah usulan implementasi serta bukti yang dapat membedakan hasil yang dimaksud.
Pembuatnya menyatakan bahwa 1.3 meminta klarifikasi ketika permintaan ambigu dan meminta bantuan pengguna ketika terhambat. Pembuatnya juga menjelaskan peningkatan pertimbangan dalam tindakan yang berdampak penting. Ini adalah peningkatan perilaku model, bukan pengganti kontrol eksekusi aplikasi. Berikan informasi yang dibutuhkan agen untuk mengambil keputusan dan nyatakan hasil yang diperlukan secara jelas.
Pemrograman dan bukti multimodal
Rilisnya berfokus pada tugas pemrograman yang lebih panjang, keluaran yang lebih rapi, dan lebih sedikit giliran yang tidak diperlukan dibandingkan 1.2. Alur kerja agen pemrograman dapat memeriksa tangkapan layar, menemukan kode yang relevan, mengusulkan koreksi, serta menggunakan umpan balik eksekusi atau hasil render yang dikembalikan alatnya. Nyatakan antarmuka yang harus tetap kompatibel dan mintalah artefak yang diubah secara terpisah dari asumsi serta penjelasannya.
Tabel model resmi mencantumkan masukan teks, gambar, video, dan PDF, dengan keluaran teks serta konteks 1,048,576 token. Gambar atau klip dapat memberikan bukti yang terlihat di samping tugas tertulis. Pertanyaan tentang bagan harus mempertahankan sumbu, legenda, dan satuan; pertanyaan tentang tangkapan layar harus mengidentifikasi perilaku yang perlu direproduksi atau diperiksa. Pertanyaan tentang PDF dapat meminta ekstraksi dengan rujukan sumber atau perbandingan, bukan ringkasan umum setiap halaman.
Pembuatnya secara tegas menyatakan bahwa pemahaman audio pada 1.3 belum didukung sepenuhnya dan respons yang melibatkan audio dapat menurun kualitasnya. Hal ini berbeda dari kemampuan audiovisual 1.2 yang didokumentasikan. Hasil teks model juga tidak dengan sendirinya menghasilkan gambar, rekaman suara, atau berkas jadi tanpa alat aplikasi yang menaunginya.
Upaya penalaran dan kesinambungan
Tingkat yang didokumentasikan adalah minimal, low, medium, high, xhigh, dan max. Max khusus untuk Standard 1.3. Muse Spark tidak mendukung penonaktifan penalaran dengan none; menghilangkan pengaturan tersebut membuat tingkat penalaran ditentukan model. Pilih upaya sesuai masalah yang sebenarnya dan sisakan ruang bagi penalaran internal serta hasil tertulis yang dibutuhkan.
Token penalaran dan token yang terlihat berbagi anggaran keluaran. Penalaran internal mentah tetap bersifat privat dan tidak dikembalikan sebagai teks biasa yang dapat dibaca. Pembuatnya membedakan riwayat percakapan yang terlihat dengan kesinambungan penalaran privat: antarmuka percakapannya tidak memperlihatkan jejak yang dapat diputar ulang oleh pemanggil eksternal, sedangkan alur kerja percakapan terdokumentasi lainnya mendukung kelanjutan penalaran yang dikelola atau dienkripsi. Pertahankan sumber, pesan yang terlihat, dan hasil alat aktual yang dibutuhkan untuk tindak lanjut, alih-alih berasumsi bahwa semua antarmuka mempertahankan penalaran privat dengan cara yang sama.
Alat dan keluaran akhir terstruktur
Aplikasi menyediakan deskripsi fungsi yang ditentukan pengembang, model membuat argumen panggilan yang diperlukan, lalu aplikasi menjalankan setiap panggilan dan mengembalikan hasil terkait. Model dapat meminta beberapa fungsi dalam satu giliran. Kembalikan hasil untuk setiap operasi asal sebelum meminta kesimpulan berikutnya agar jawaban menggunakan informasi yang benar-benar diambil atau dihitung.
Pembuatnya secara terpisah mendokumentasikan alat pencarian bawaan yang dijalankan di dalam layanan terhubungnya. Fungsi pengembang dan alat bawaan tersebut memiliki pengaturan eksekusi yang berbeda. Model dapat menalar informasi yang dibutuhkannya, tetapi memilih model saja tidak menyediakan akses repositori, peramban, atau sumber informasi privat.
Keluaran terstruktur dapat membatasi hasil pada skema JSON yang diberikan. Tentukan kolom dan tipe yang diperlukan langkah selanjutnya serta penanganan informasi sumber yang tidak tersedia. Dalam mode skema ketat pembuatnya, akar berupa objek biasa, setiap properti wajib, dan properti tambahan tidak diizinkan; skema rekursif ditolak. Ini adalah batasan pada antarmuka terstruktur pembuatnya, bukan bukti bahwa fakta dalam rekaman yang berbentuk benar memang benar.
Untuk artefak akhir yang berguna, mintalah temuan yang didukung sumber, usulan perubahan atau dokumen, serta kondisi yang belum terselesaikan secara terpisah. Sumber yang dibaca tidak memberikan kapasitas maksimum keras yang terpisah untuk token masukan atau keluaran di luar konteks yang didokumentasikan. Pertahankan identitas Standard 1.3, pilihan penalaran, dan hasil eksekusi yang terhubung secara jelas sepanjang tugas.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan meta/muse-spark-1.3 | 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 $0.0003 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "meta/muse-spark-1.3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Resolve conflicting project reports\n\nPrepare a decision brief from these reports. Engineering E: migration scripts passed staging checks. Operations O: production backup restoration has not been rehearsed. Release policy P: rehearsal must pass before migration approval. State what is established, what blocks approval and the next evidence needed. Keep staging success separate from production readiness and cite E, O or P beside each point.A source-linked brief with established facts, the blocking condition and one concrete evidence request.Staging checks alone never satisfy the policy's restoration-rehearsal requirement.