Muse Spark 1.3 Contributor è un'edizione denominata separatamente nella famiglia Muse Spark di Meta, destinata a prototipazione e sperimentazione. La famiglia è progettata per attività basate su agenti e programmazione: cicli di strumenti su più passaggi, assistenti software e ragionamento su materiale di partenza corposo. Mantieni il nome Contributor quando selezioni l'edizione, anziché trattarla come la voce Standard 1.3 trasferendo ogni impostazione senza modifiche.
Input e contesto
La tabella ufficiale dei modelli indica testo, immagini, video e PDF come input e testo come output, con una finestra di contesto di 1.048.576 token. Un compito può combinare un requisito scritto, uno screenshot, un filmato pertinente o pagine di documenti e richiedere una spiegazione scritta, risultati strutturati o codice proposto. Il risultato testuale del modello può diventare un artefatto nell'applicazione circostante; renderizzare una pagina o eseguire codice richiede tale ambiente applicativo.
Identifica ogni fonte e il suo ruolo prima di chiedere un risultato. Un compito di prototipazione di interfacce può abbinare uno screenshot al comportamento desiderato e al frammento di codice esistente. Chiedi le differenze visibili, la modifica proposta all'implementazione e le ipotesi ancora da chiarire. Un compito su documenti può definire i campi da estrarre e richiedere la pagina o il passaggio di supporto accanto a ogni risultato.
Il produttore segnala che la comprensione audio nella versione 1.3 non è pienamente supportata e può produrre risposte di qualità ridotta. Trattala come una limitazione specifica della versione anziché copiare in questa descrizione le capacità audio di Muse Spark 1.2 o di un modello di trascrizione denominato separatamente.
Livelli di ragionamento e budget della risposta
Muse Spark genera ragionamento interno prima della risposta visibile. I livelli di impegno documentati applicabili qui sono minimal, low, medium, high e xhigh. Il livello max appartiene specificamente a Standard Muse Spark 1.3 e non è disponibile per i modelli Contributor. La disattivazione del ragionamento con none non è supportata; omettere l'impostazione lascia comunque il modello a ragionare a un livello determinato dal modello stesso.
Il budget dei token di output copre sia il ragionamento interno sia il testo visibile. Una richiesta di un risultato scritto lungo necessita quindi di spazio per entrambi, soprattutto con un impegno di ragionamento più alto. Il ragionamento interno grezzo rimane privato e le probabilità logaritmiche non sono supportate come misura di affidabilità. Richiedi la spiegazione, i campi o il codice finale necessari al compito anziché presumere che la traccia di ragionamento sottostante venga restituita come testo leggibile.
Per un esperimento mirato di estrazione o formattazione, definisci il record esatto e il materiale di partenza. Per un problema visivo o di programmazione su più passaggi, definisci le decisioni intermedie e l'artefatto finale. Un maggiore impegno di ragionamento cambia l'allocazione del ragionamento; non definisce da solo che cosa costituisca un risultato completato e utile.
Strumenti e risultati strutturati
La documentazione Muse Spark del produttore descrive chiamate a strumenti definiti dallo sviluppatore e output strutturati. L'applicazione fornisce le definizioni degli strumenti, il modello decide quale operazione serve e ne prepara gli argomenti, e l'applicazione esegue ogni chiamata e restituisce il risultato corrispondente. La risposta successiva può usare quei risultati per decidere come proseguire. Una chiamata proposta è distinta da un'operazione completata.
La stessa documentazione distingue gli strumenti di ricerca integrati e collegati dalle funzioni definite dallo sviluppatore. La ricerca o l'esecuzione di codice fanno parte dell'ambiente degli strumenti, non sono una modalità di contenuto aggiuntiva della risposta testuale. In un prototipo, fornisci soltanto le operazioni pertinenti alla domanda e descrivi ciò che ciascuna restituisce, così che la risposta successiva resti collegata a informazioni effettivamente recuperate o calcolate.
Per un'estrazione strutturata, specifica i nomi dei campi, le informazioni richieste e la rappresentazione dei valori mancanti. Un record pratico può contenere l'identificatore della fonte, il fatto osservato, l'interpretazione e la domanda ancora da chiarire. Mantieni il record separato dalla prosa opzionale quando un'applicazione deve elaborare i campi in modo affidabile. L'interfaccia degli schemi del produttore rifiuta gli schemi ricorsivi e limita l'annidamento a dieci livelli. La modalità strict richiede una radice costituita da un oggetto semplice, ogni proprietà elencata obbligatoria e proprietà aggiuntive non consentite. Una struttura corrispondente non dimostra la correttezza fattuale.
Un compito utile di prototipazione
Scegli un flusso che possa produrre un artefatto ispezionabile. Fornisci il requisito, un esempio visivo e il codice che determina il comportamento attuale. Richiedi un breve confronto, un frammento rivisto proposto ed esempi che distinguano il comportamento atteso da quello attuale. Includi ogni risultato di ricerca o esecuzione restituito dall'applicazione prima di chiedere la spiegazione finale.
Per un prototipo orientato ai documenti, fornisci il PDF e la domanda a cui rispondere, poi chiedi un riepilogo collegato alle fonti o una tabella comparativa. Per il video, identifica l'evento o la relazione visiva da esaminare e richiedi una descrizione ordinata con le osservazioni che la sostengono. Definisci lunghezza e sezioni della risposta finale, così che l'ampio contesto del modello serva alla domanda effettiva.
Limiti dell'edizione e della continuità
Contributor rimane una propria edizione denominata 1.3, con il contesto e i tipi di input documentati. La guida al ragionamento di Meta distingue la normale cronologia della conversazione dalla conservazione del ragionamento privato tra i turni: l'interfaccia chat del produttore non restituisce tale traccia privata ai chiamanti esterni. Mantieni i messaggi visibili, le fonti e gli esiti degli strumenti necessari per un seguito, anziché presumere che ogni interfaccia porti avanti il ragionamento interno.
Le fonti lette non specificano una capacità massima rigida separata di token di input o output oltre la finestra di contesto. Mantieni l'edizione, la preparazione dell'input e l'artefatto richiesto e collega l'esecuzione degli strumenti e la consegna finale del testo ai risultati effettivamente ottenuti nel flusso di prototipazione.
", "aboutText": "Muse Spark 1.3 Contributor è un'edizione denominata separatamente nella famiglia Muse Spark di Meta, destinata a prototipazione e sperimentazione. La famiglia è progettata per attività basate su agenti e programmazione: cicli di strumenti su più passaggi, assistenti software e ragionamento su materiale di partenza corposo. Mantieni il nome Contributor quando selezioni l'edizione, anziché trattarla come la voce Standard 1.3 trasferendo ogni impostazione senza modifiche.\n\nInput e contesto\n\nLa tabella ufficiale dei modelli indica testo, immagini, video e PDF come input e testo come output, con una finestra di contesto di 1.048.576 token. Un compito può combinare un requisito scritto, uno screenshot, un filmato pertinente o pagine di documenti e richiedere una spiegazione scritta, risultati strutturati o codice proposto. Il risultato testuale del modello può diventare un artefatto nell'applicazione circostante; renderizzare una pagina o eseguire codice richiede tale ambiente applicativo.\n\nIdentifica ogni fonte e il suo ruolo prima di chiedere un risultato. Un compito di prototipazione di interfacce può abbinare uno screenshot al comportamento desiderato e al frammento di codice esistente. Chiedi le differenze visibili, la modifica proposta all'implementazione e le ipotesi ancora da chiarire. Un compito su documenti può definire i campi da estrarre e richiedere la pagina o il passaggio di supporto accanto a ogni risultato.\n\nIl produttore segnala che la comprensione audio nella versione 1.3 non è pienamente supportata e può produrre risposte di qualità ridotta. Trattala come una limitazione specifica della versione anziché copiare in questa descrizione le capacità audio di Muse Spark 1.2 o di un modello di trascrizione denominato separatamente.\n\nLivelli di ragionamento e budget della risposta\n\nMuse Spark genera ragionamento interno prima della risposta visibile. I livelli di impegno documentati applicabili qui sono minimal, low, medium, high e xhigh. Il livello max appartiene specificamente a Standard Muse Spark 1.3 e non è disponibile per i modelli Contributor. La disattivazione del ragionamento con none non è supportata; omettere l'impostazione lascia comunque il modello a ragionare a un livello determinato dal modello stesso.\n\nIl budget dei token di output copre sia il ragionamento interno sia il testo visibile. Una richiesta di un risultato scritto lungo necessita quindi di spazio per entrambi, soprattutto con un impegno di ragionamento più alto. Il ragionamento interno grezzo rimane privato e le probabilità logaritmiche non sono supportate come misura di affidabilità. Richiedi la spiegazione, i campi o il codice finale necessari al compito anziché presumere che la traccia di ragionamento sottostante venga restituita come testo leggibile.\n\nPer un esperimento mirato di estrazione o formattazione, definisci il record esatto e il materiale di partenza. Per un problema visivo o di programmazione su più passaggi, definisci le decisioni intermedie e l'artefatto finale. Un maggiore impegno di ragionamento cambia l'allocazione del ragionamento; non definisce da solo che cosa costituisca un risultato completato e utile.\n\nStrumenti e risultati strutturati\n\nLa documentazione Muse Spark del produttore descrive chiamate a strumenti definiti dallo sviluppatore e output strutturati. L'applicazione fornisce le definizioni degli strumenti, il modello decide quale operazione serve e ne prepara gli argomenti, e l'applicazione esegue ogni chiamata e restituisce il risultato corrispondente. La risposta successiva può usare quei risultati per decidere come proseguire. Una chiamata proposta è distinta da un'operazione completata.\n\nLa stessa documentazione distingue gli strumenti di ricerca integrati e collegati dalle funzioni definite dallo sviluppatore. La ricerca o l'esecuzione di codice fanno parte dell'ambiente degli strumenti, non sono una modalità di contenuto aggiuntiva della risposta testuale. In un prototipo, fornisci soltanto le operazioni pertinenti alla domanda e descrivi ciò che ciascuna restituisce, così che la risposta successiva resti collegata a informazioni effettivamente recuperate o calcolate.\n\nPer un'estrazione strutturata, specifica i nomi dei campi, le informazioni richieste e la rappresentazione dei valori mancanti. Un record pratico può contenere l'identificatore della fonte, il fatto osservato, l'interpretazione e la domanda ancora da chiarire. Mantieni il record separato dalla prosa opzionale quando un'applicazione deve elaborare i campi in modo affidabile. L'interfaccia degli schemi del produttore rifiuta gli schemi ricorsivi e limita l'annidamento a dieci livelli. La modalità strict richiede una radice costituita da un oggetto semplice, ogni proprietà elencata obbligatoria e proprietà aggiuntive non consentite. Una struttura corrispondente non dimostra la correttezza fattuale.\n\nUn compito utile di prototipazione\n\nScegli un flusso che possa produrre un artefatto ispezionabile. Fornisci il requisito, un esempio visivo e il codice che determina il comportamento attuale. Richiedi un breve confronto, un frammento rivisto proposto ed esempi che distinguano il comportamento atteso da quello attuale. Includi ogni risultato di ricerca o esecuzione restituito dall'applicazione prima di chiedere la spiegazione finale.\n\nPer un prototipo orientato ai documenti, fornisci il PDF e la domanda a cui rispondere, poi chiedi un riepilogo collegato alle fonti o una tabella comparativa. Per il video, identifica l'evento o la relazione visiva da esaminare e richiedi una descrizione ordinata con le osservazioni che la sostengono. Definisci lunghezza e sezioni della risposta finale, così che l'ampio contesto del modello serva alla domanda effettiva.\n\nLimiti dell'edizione e della continuità\n\nContributor rimane una propria edizione denominata 1.3, con il contesto e i tipi di input documentati. La guida al ragionamento di Meta distingue la normale cronologia della conversazione dalla conservazione del ragionamento privato tra i turni: l'interfaccia chat del produttore non restituisce tale traccia privata ai chiamanti esterni. Mantieni i messaggi visibili, le fonti e gli esiti degli strumenti necessari per un seguito, anziché presumere che ogni interfaccia porti avanti il ragionamento interno.\n\nLe fonti lette non specificano una capacità massima rigida separata di token di input o output oltre la finestra di contesto. Mantieni l'edizione, la preparazione dell'input e l'artefatto richiesto e collega l'esecuzione degli strumenti e la consegna finale del testo ai risultati effettivamente ottenuti nel flusso di prototipazione.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
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 è un'edizione di ragionamento nella famiglia di Meta per agenti e programmazione, destinata a flussi di prototipazione. Il produttore indica input di testo, immagini, video e PDF, output testuale e un contesto di 1.048.576 token, con livelli di ragionamento fino a xhigh anziché il max di Standard 1.3.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Muse Spark 1.3 Contributor è un'edizione denominata separatamente nella famiglia Muse Spark di Meta, destinata a prototipazione e sperimentazione. La famiglia è progettata per attività basate su agenti e programmazione: cicli di strumenti su più passaggi, assistenti software e ragionamento su materiale di partenza corposo. Mantieni il nome Contributor quando selezioni l'edizione, anziché trattarla come la voce Standard 1.3 trasferendo ogni impostazione senza modifiche.
Input e contesto
La tabella ufficiale dei modelli indica testo, immagini, video e PDF come input e testo come output, con una finestra di contesto di 1.048.576 token. Un compito può combinare un requisito scritto, uno screenshot, un filmato pertinente o pagine di documenti e richiedere una spiegazione scritta, risultati strutturati o codice proposto. Il risultato testuale del modello può diventare un artefatto nell'applicazione circostante; renderizzare una pagina o eseguire codice richiede tale ambiente applicativo.
Identifica ogni fonte e il suo ruolo prima di chiedere un risultato. Un compito di prototipazione di interfacce può abbinare uno screenshot al comportamento desiderato e al frammento di codice esistente. Chiedi le differenze visibili, la modifica proposta all'implementazione e le ipotesi ancora da chiarire. Un compito su documenti può definire i campi da estrarre e richiedere la pagina o il passaggio di supporto accanto a ogni risultato.
Il produttore segnala che la comprensione audio nella versione 1.3 non è pienamente supportata e può produrre risposte di qualità ridotta. Trattala come una limitazione specifica della versione anziché copiare in questa descrizione le capacità audio di Muse Spark 1.2 o di un modello di trascrizione denominato separatamente.
Livelli di ragionamento e budget della risposta
Muse Spark genera ragionamento interno prima della risposta visibile. I livelli di impegno documentati applicabili qui sono minimal, low, medium, high e xhigh. Il livello max appartiene specificamente a Standard Muse Spark 1.3 e non è disponibile per i modelli Contributor. La disattivazione del ragionamento con none non è supportata; omettere l'impostazione lascia comunque il modello a ragionare a un livello determinato dal modello stesso.
Il budget dei token di output copre sia il ragionamento interno sia il testo visibile. Una richiesta di un risultato scritto lungo necessita quindi di spazio per entrambi, soprattutto con un impegno di ragionamento più alto. Il ragionamento interno grezzo rimane privato e le probabilità logaritmiche non sono supportate come misura di affidabilità. Richiedi la spiegazione, i campi o il codice finale necessari al compito anziché presumere che la traccia di ragionamento sottostante venga restituita come testo leggibile.
Per un esperimento mirato di estrazione o formattazione, definisci il record esatto e il materiale di partenza. Per un problema visivo o di programmazione su più passaggi, definisci le decisioni intermedie e l'artefatto finale. Un maggiore impegno di ragionamento cambia l'allocazione del ragionamento; non definisce da solo che cosa costituisca un risultato completato e utile.
Strumenti e risultati strutturati
La documentazione Muse Spark del produttore descrive chiamate a strumenti definiti dallo sviluppatore e output strutturati. L'applicazione fornisce le definizioni degli strumenti, il modello decide quale operazione serve e ne prepara gli argomenti, e l'applicazione esegue ogni chiamata e restituisce il risultato corrispondente. La risposta successiva può usare quei risultati per decidere come proseguire. Una chiamata proposta è distinta da un'operazione completata.
La stessa documentazione distingue gli strumenti di ricerca integrati e collegati dalle funzioni definite dallo sviluppatore. La ricerca o l'esecuzione di codice fanno parte dell'ambiente degli strumenti, non sono una modalità di contenuto aggiuntiva della risposta testuale. In un prototipo, fornisci soltanto le operazioni pertinenti alla domanda e descrivi ciò che ciascuna restituisce, così che la risposta successiva resti collegata a informazioni effettivamente recuperate o calcolate.
Per un'estrazione strutturata, specifica i nomi dei campi, le informazioni richieste e la rappresentazione dei valori mancanti. Un record pratico può contenere l'identificatore della fonte, il fatto osservato, l'interpretazione e la domanda ancora da chiarire. Mantieni il record separato dalla prosa opzionale quando un'applicazione deve elaborare i campi in modo affidabile. L'interfaccia degli schemi del produttore rifiuta gli schemi ricorsivi e limita l'annidamento a dieci livelli. La modalità strict richiede una radice costituita da un oggetto semplice, ogni proprietà elencata obbligatoria e proprietà aggiuntive non consentite. Una struttura corrispondente non dimostra la correttezza fattuale.
Un compito utile di prototipazione
Scegli un flusso che possa produrre un artefatto ispezionabile. Fornisci il requisito, un esempio visivo e il codice che determina il comportamento attuale. Richiedi un breve confronto, un frammento rivisto proposto ed esempi che distinguano il comportamento atteso da quello attuale. Includi ogni risultato di ricerca o esecuzione restituito dall'applicazione prima di chiedere la spiegazione finale.
Per un prototipo orientato ai documenti, fornisci il PDF e la domanda a cui rispondere, poi chiedi un riepilogo collegato alle fonti o una tabella comparativa. Per il video, identifica l'evento o la relazione visiva da esaminare e richiedi una descrizione ordinata con le osservazioni che la sostengono. Definisci lunghezza e sezioni della risposta finale, così che l'ampio contesto del modello serva alla domanda effettiva.
Limiti dell'edizione e della continuità
Contributor rimane una propria edizione denominata 1.3, con il contesto e i tipi di input documentati. La guida al ragionamento di Meta distingue la normale cronologia della conversazione dalla conservazione del ragionamento privato tra i turni: l'interfaccia chat del produttore non restituisce tale traccia privata ai chiamanti esterni. Mantieni i messaggi visibili, le fonti e gli esiti degli strumenti necessari per un seguito, anziché presumere che ogni interfaccia porti avanti il ragionamento interno.
Le fonti lette non specificano una capacità massima rigida separata di token di input o output oltre la finestra di contesto. Mantieni l'edizione, la preparazione dell'input e l'artefatto richiesto e collega l'esecuzione degli strumenti e la consegna finale del testo ai risultati effettivamente ottenuti nel flusso di prototipazione.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti meta/muse-spark-1.3-contributor | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0004 / 1K token Input · Lettura dalla cache $0.000004 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0004 / 1K token Input · Lettura dalla cache $0.000004 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra meta/muse-spark-1.3-contributor
Usa i percorsi dei metodi indicati sopra.
meta/muse-spark-1.3-contributorMuse Spark 1.3 Contributor è un'edizione di ragionamento nella famiglia di Meta per agenti e programmazione, destinata a flussi di prototipazione. Il produttore indica input di testo, immagini, video e PDF, output testuale e un contesto di 1.048.576 token, con livelli di ragionamento fino a xhigh anziché il max di Standard 1.3.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Muse Spark 1.3 Contributor è un'edizione denominata separatamente nella famiglia Muse Spark di Meta, destinata a prototipazione e sperimentazione. La famiglia è progettata per attività basate su agenti e programmazione: cicli di strumenti su più passaggi, assistenti software e ragionamento su materiale di partenza corposo. Mantieni il nome Contributor quando selezioni l'edizione, anziché trattarla come la voce Standard 1.3 trasferendo ogni impostazione senza modifiche.
Input e contesto
La tabella ufficiale dei modelli indica testo, immagini, video e PDF come input e testo come output, con una finestra di contesto di 1.048.576 token. Un compito può combinare un requisito scritto, uno screenshot, un filmato pertinente o pagine di documenti e richiedere una spiegazione scritta, risultati strutturati o codice proposto. Il risultato testuale del modello può diventare un artefatto nell'applicazione circostante; renderizzare una pagina o eseguire codice richiede tale ambiente applicativo.
Identifica ogni fonte e il suo ruolo prima di chiedere un risultato. Un compito di prototipazione di interfacce può abbinare uno screenshot al comportamento desiderato e al frammento di codice esistente. Chiedi le differenze visibili, la modifica proposta all'implementazione e le ipotesi ancora da chiarire. Un compito su documenti può definire i campi da estrarre e richiedere la pagina o il passaggio di supporto accanto a ogni risultato.
Il produttore segnala che la comprensione audio nella versione 1.3 non è pienamente supportata e può produrre risposte di qualità ridotta. Trattala come una limitazione specifica della versione anziché copiare in questa descrizione le capacità audio di Muse Spark 1.2 o di un modello di trascrizione denominato separatamente.
Livelli di ragionamento e budget della risposta
Muse Spark genera ragionamento interno prima della risposta visibile. I livelli di impegno documentati applicabili qui sono minimal, low, medium, high e xhigh. Il livello max appartiene specificamente a Standard Muse Spark 1.3 e non è disponibile per i modelli Contributor. La disattivazione del ragionamento con none non è supportata; omettere l'impostazione lascia comunque il modello a ragionare a un livello determinato dal modello stesso.
Il budget dei token di output copre sia il ragionamento interno sia il testo visibile. Una richiesta di un risultato scritto lungo necessita quindi di spazio per entrambi, soprattutto con un impegno di ragionamento più alto. Il ragionamento interno grezzo rimane privato e le probabilità logaritmiche non sono supportate come misura di affidabilità. Richiedi la spiegazione, i campi o il codice finale necessari al compito anziché presumere che la traccia di ragionamento sottostante venga restituita come testo leggibile.
Per un esperimento mirato di estrazione o formattazione, definisci il record esatto e il materiale di partenza. Per un problema visivo o di programmazione su più passaggi, definisci le decisioni intermedie e l'artefatto finale. Un maggiore impegno di ragionamento cambia l'allocazione del ragionamento; non definisce da solo che cosa costituisca un risultato completato e utile.
Strumenti e risultati strutturati
La documentazione Muse Spark del produttore descrive chiamate a strumenti definiti dallo sviluppatore e output strutturati. L'applicazione fornisce le definizioni degli strumenti, il modello decide quale operazione serve e ne prepara gli argomenti, e l'applicazione esegue ogni chiamata e restituisce il risultato corrispondente. La risposta successiva può usare quei risultati per decidere come proseguire. Una chiamata proposta è distinta da un'operazione completata.
La stessa documentazione distingue gli strumenti di ricerca integrati e collegati dalle funzioni definite dallo sviluppatore. La ricerca o l'esecuzione di codice fanno parte dell'ambiente degli strumenti, non sono una modalità di contenuto aggiuntiva della risposta testuale. In un prototipo, fornisci soltanto le operazioni pertinenti alla domanda e descrivi ciò che ciascuna restituisce, così che la risposta successiva resti collegata a informazioni effettivamente recuperate o calcolate.
Per un'estrazione strutturata, specifica i nomi dei campi, le informazioni richieste e la rappresentazione dei valori mancanti. Un record pratico può contenere l'identificatore della fonte, il fatto osservato, l'interpretazione e la domanda ancora da chiarire. Mantieni il record separato dalla prosa opzionale quando un'applicazione deve elaborare i campi in modo affidabile. L'interfaccia degli schemi del produttore rifiuta gli schemi ricorsivi e limita l'annidamento a dieci livelli. La modalità strict richiede una radice costituita da un oggetto semplice, ogni proprietà elencata obbligatoria e proprietà aggiuntive non consentite. Una struttura corrispondente non dimostra la correttezza fattuale.
Un compito utile di prototipazione
Scegli un flusso che possa produrre un artefatto ispezionabile. Fornisci il requisito, un esempio visivo e il codice che determina il comportamento attuale. Richiedi un breve confronto, un frammento rivisto proposto ed esempi che distinguano il comportamento atteso da quello attuale. Includi ogni risultato di ricerca o esecuzione restituito dall'applicazione prima di chiedere la spiegazione finale.
Per un prototipo orientato ai documenti, fornisci il PDF e la domanda a cui rispondere, poi chiedi un riepilogo collegato alle fonti o una tabella comparativa. Per il video, identifica l'evento o la relazione visiva da esaminare e richiedi una descrizione ordinata con le osservazioni che la sostengono. Definisci lunghezza e sezioni della risposta finale, così che l'ampio contesto del modello serva alla domanda effettiva.
Limiti dell'edizione e della continuità
Contributor rimane una propria edizione denominata 1.3, con il contesto e i tipi di input documentati. La guida al ragionamento di Meta distingue la normale cronologia della conversazione dalla conservazione del ragionamento privato tra i turni: l'interfaccia chat del produttore non restituisce tale traccia privata ai chiamanti esterni. Mantieni i messaggi visibili, le fonti e gli esiti degli strumenti necessari per un seguito, anziché presumere che ogni interfaccia porti avanti il ragionamento interno.
Le fonti lette non specificano una capacità massima rigida separata di token di input o output oltre la finestra di contesto. Mantieni l'edizione, la preparazione dell'input e l'artefatto richiesto e collega l'esecuzione degli strumenti e la consegna finale del testo ai risultati effettivamente ottenuti nel flusso di prototipazione.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti meta/muse-spark-1.3-contributor | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0004 / 1K token Input · Lettura dalla cache $0.000004 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0004 / 1K token Input · Lettura dalla cache $0.000004 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "meta/muse-spark-1.3-contributor",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra meta/muse-spark-1.3-contributor
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
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.