Muse Spark 1.3 è il modello di ragionamento di Meta per attività prolungate basate su agenti e programmazione. Il produttore pone l'accento sul mantenimento del contesto e dei risultati precedenti lungo compiti estesi, sulla gestione di fonti in conflitto e sulla produzione di un risultato finito da consegnare. Questa voce riguarda l'edizione Standard 1.3, le cui impostazioni documentate di ragionamento includono max; l'edizione Contributor denominata separatamente ha propri limiti di impostazione.
Lavoro degli agenti di lungo periodo
La versione descrive un modello addestrato in diversi ambienti per agenti a raccogliere informazioni, rivedere un piano quando le evidenze cambiano e mantenere requisiti dettagliati lungo un compito su più passaggi. Descrive anche una migliore gestione di diversi flussi in una sola conversazione, con le richieste in arrivo associate al compito pertinente. Una richiesta utile deve definire obiettivo, fonti, requisiti e artefatto che costituirà il completamento.
Per un compito professionale su documenti, fornisci i rapporti di origine, identifica quali fatti devono essere mantenuti e chiedi un brief strutturato con le posizioni delle fonti. Se le fonti sono in conflitto, richiedi separatamente le affermazioni contraddittorie e le informazioni necessarie per risolverle. Per un compito di programmazione, includi il comportamento previsto, i moduli interessati e il codice pertinente; chiedi l'implementazione proposta e le evidenze che distinguerebbero il risultato desiderato.
Il produttore afferma che 1.3 chiede chiarimenti quando una richiesta è ambigua e cerca l'aiuto dell'utente quando è bloccato. Descrive anche un migliore giudizio sulle azioni con conseguenze rilevanti. Sono miglioramenti del comportamento del modello anziché un sostituto dei controlli di esecuzione dell'applicazione. Fornisci all'agente le informazioni necessarie per decidere e rendi esplicito il risultato richiesto.
Programmazione ed evidenze multimodali
La versione si concentra su attività di programmazione più lunghe, output più pulito e meno turni non necessari rispetto a 1.2. Un flusso con un agente di programmazione può esaminare uno screenshot, individuare il codice pertinente, proporre una correzione e usare feedback di esecuzione o rendering restituito dai suoi strumenti. Indica l'interfaccia che deve rimanere compatibile e richiedi l'artefatto modificato separatamente dalle sue ipotesi e dalla spiegazione.
La tabella ufficiale dei modelli elenca input di testo, immagini, video e PDF con output testuale e un contesto di 1.048.576 token. Immagini o filmati possono fornire evidenze visibili insieme al compito scritto. Una domanda su un grafico deve mantenere assi, legende e unità; una domanda su uno screenshot deve identificare il comportamento da riprodurre o esaminare. Una domanda su un PDF può richiedere un'estrazione o un confronto collegati alle fonti anziché un riepilogo generale di ogni pagina.
Il produttore segnala esplicitamente che la comprensione audio in 1.3 non è pienamente supportata e che le risposte contenenti audio possono peggiorare. Questo è distinto dalla capacità audiovisiva documentata di 1.2. Anche il risultato testuale del modello non genera da solo un'immagine, una registrazione parlata o un file finito senza gli strumenti dell'applicazione circostante.
Impegno di ragionamento e continuità
I livelli documentati sono minimal, low, medium, high, xhigh e max. Max è specifico di Standard 1.3. Muse Spark non supporta la disattivazione del ragionamento con none; omettere l'impostazione lascia un livello di ragionamento determinato dal modello. Scegli l'impegno in base al problema effettivo e lascia spazio sia al ragionamento interno sia al risultato scritto richiesto.
I token di ragionamento e quelli visibili condividono il budget di output. Il ragionamento interno grezzo rimane privato e non viene restituito come normale testo leggibile. Il produttore distingue la cronologia visibile della conversazione dalla continuità del ragionamento privato: la sua interfaccia chat non espone una traccia che i chiamanti esterni possano riprodurre, mentre l'altro flusso di conversazione documentato supporta la continuazione del ragionamento gestita o cifrata. Conserva le fonti, i messaggi visibili e i risultati effettivi degli strumenti necessari a un seguito, anziché presumere che tutte le interfacce mantengano il ragionamento privato allo stesso modo.
Strumenti e risultati strutturati da consegnare
L'applicazione fornisce descrizioni di funzioni definite dallo sviluppatore, il modello crea gli argomenti richiesti per la chiamata e l'applicazione esegue ogni chiamata e restituisce il risultato associato. Il modello può richiedere diverse funzioni in un turno. Restituisci il risultato di ogni operazione di origine prima di chiedere la conclusione successiva, così che la risposta usi informazioni effettivamente recuperate o calcolate.
Il produttore documenta separatamente strumenti di ricerca integrati che vengono eseguiti nel suo servizio collegato. Le funzioni dello sviluppatore e tali strumenti integrati hanno modalità di esecuzione diverse. Il modello può ragionare sulle informazioni di cui ha bisogno, ma selezionare il modello da solo non fornisce accesso al repository, un browser o una fonte di informazioni privata.
L'output strutturato può vincolare il risultato a uno schema JSON fornito. Definisci i campi e i tipi necessari al passaggio successivo e il trattamento delle informazioni mancanti nelle fonti. Nella modalità strict degli schemi del produttore, la radice è un oggetto semplice, ogni proprietà è obbligatoria e le proprietà aggiuntive non sono consentite; gli schemi ricorsivi sono rifiutati. Sono vincoli dell'interfaccia strutturata del produttore, non una prova che i fatti in un record correttamente formato siano veri.
Per un artefatto finale utile, richiedi separatamente i risultati sostenuti dalle fonti, la modifica o il documento proposti e le condizioni irrisolte. Le fonti lette non forniscono una capacità massima rigida indipendente di token di input o output oltre il contesto documentato. Mantieni espliciti l'identità Standard 1.3, la scelta di ragionamento e i risultati dell'esecuzione collegata durante tutto il compito.
", "aboutText": "Muse Spark 1.3 è il modello di ragionamento di Meta per attività prolungate basate su agenti e programmazione. Il produttore pone l'accento sul mantenimento del contesto e dei risultati precedenti lungo compiti estesi, sulla gestione di fonti in conflitto e sulla produzione di un risultato finito da consegnare. Questa voce riguarda l'edizione Standard 1.3, le cui impostazioni documentate di ragionamento includono max; l'edizione Contributor denominata separatamente ha propri limiti di impostazione.\n\nLavoro degli agenti di lungo periodo\n\nLa versione descrive un modello addestrato in diversi ambienti per agenti a raccogliere informazioni, rivedere un piano quando le evidenze cambiano e mantenere requisiti dettagliati lungo un compito su più passaggi. Descrive anche una migliore gestione di diversi flussi in una sola conversazione, con le richieste in arrivo associate al compito pertinente. Una richiesta utile deve definire obiettivo, fonti, requisiti e artefatto che costituirà il completamento.\n\nPer un compito professionale su documenti, fornisci i rapporti di origine, identifica quali fatti devono essere mantenuti e chiedi un brief strutturato con le posizioni delle fonti. Se le fonti sono in conflitto, richiedi separatamente le affermazioni contraddittorie e le informazioni necessarie per risolverle. Per un compito di programmazione, includi il comportamento previsto, i moduli interessati e il codice pertinente; chiedi l'implementazione proposta e le evidenze che distinguerebbero il risultato desiderato.\n\nIl produttore afferma che 1.3 chiede chiarimenti quando una richiesta è ambigua e cerca l'aiuto dell'utente quando è bloccato. Descrive anche un migliore giudizio sulle azioni con conseguenze rilevanti. Sono miglioramenti del comportamento del modello anziché un sostituto dei controlli di esecuzione dell'applicazione. Fornisci all'agente le informazioni necessarie per decidere e rendi esplicito il risultato richiesto.\n\nProgrammazione ed evidenze multimodali\n\nLa versione si concentra su attività di programmazione più lunghe, output più pulito e meno turni non necessari rispetto a 1.2. Un flusso con un agente di programmazione può esaminare uno screenshot, individuare il codice pertinente, proporre una correzione e usare feedback di esecuzione o rendering restituito dai suoi strumenti. Indica l'interfaccia che deve rimanere compatibile e richiedi l'artefatto modificato separatamente dalle sue ipotesi e dalla spiegazione.\n\nLa tabella ufficiale dei modelli elenca input di testo, immagini, video e PDF con output testuale e un contesto di 1.048.576 token. Immagini o filmati possono fornire evidenze visibili insieme al compito scritto. Una domanda su un grafico deve mantenere assi, legende e unità; una domanda su uno screenshot deve identificare il comportamento da riprodurre o esaminare. Una domanda su un PDF può richiedere un'estrazione o un confronto collegati alle fonti anziché un riepilogo generale di ogni pagina.\n\nIl produttore segnala esplicitamente che la comprensione audio in 1.3 non è pienamente supportata e che le risposte contenenti audio possono peggiorare. Questo è distinto dalla capacità audiovisiva documentata di 1.2. Anche il risultato testuale del modello non genera da solo un'immagine, una registrazione parlata o un file finito senza gli strumenti dell'applicazione circostante.\n\nImpegno di ragionamento e continuità\n\nI livelli documentati sono minimal, low, medium, high, xhigh e max. Max è specifico di Standard 1.3. Muse Spark non supporta la disattivazione del ragionamento con none; omettere l'impostazione lascia un livello di ragionamento determinato dal modello. Scegli l'impegno in base al problema effettivo e lascia spazio sia al ragionamento interno sia al risultato scritto richiesto.\n\nI token di ragionamento e quelli visibili condividono il budget di output. Il ragionamento interno grezzo rimane privato e non viene restituito come normale testo leggibile. Il produttore distingue la cronologia visibile della conversazione dalla continuità del ragionamento privato: la sua interfaccia chat non espone una traccia che i chiamanti esterni possano riprodurre, mentre l'altro flusso di conversazione documentato supporta la continuazione del ragionamento gestita o cifrata. Conserva le fonti, i messaggi visibili e i risultati effettivi degli strumenti necessari a un seguito, anziché presumere che tutte le interfacce mantengano il ragionamento privato allo stesso modo.\n\nStrumenti e risultati strutturati da consegnare\n\nL'applicazione fornisce descrizioni di funzioni definite dallo sviluppatore, il modello crea gli argomenti richiesti per la chiamata e l'applicazione esegue ogni chiamata e restituisce il risultato associato. Il modello può richiedere diverse funzioni in un turno. Restituisci il risultato di ogni operazione di origine prima di chiedere la conclusione successiva, così che la risposta usi informazioni effettivamente recuperate o calcolate.\n\nIl produttore documenta separatamente strumenti di ricerca integrati che vengono eseguiti nel suo servizio collegato. Le funzioni dello sviluppatore e tali strumenti integrati hanno modalità di esecuzione diverse. Il modello può ragionare sulle informazioni di cui ha bisogno, ma selezionare il modello da solo non fornisce accesso al repository, un browser o una fonte di informazioni privata.\n\nL'output strutturato può vincolare il risultato a uno schema JSON fornito. Definisci i campi e i tipi necessari al passaggio successivo e il trattamento delle informazioni mancanti nelle fonti. Nella modalità strict degli schemi del produttore, la radice è un oggetto semplice, ogni proprietà è obbligatoria e le proprietà aggiuntive non sono consentite; gli schemi ricorsivi sono rifiutati. Sono vincoli dell'interfaccia strutturata del produttore, non una prova che i fatti in un record correttamente formato siano veri.\n\nPer un artefatto finale utile, richiedi separatamente i risultati sostenuti dalle fonti, la modifica o il documento proposti e le condizioni irrisolte. Le fonti lette non forniscono una capacità massima rigida indipendente di token di input o output oltre il contesto documentato. Mantieni espliciti l'identità Standard 1.3, la scelta di ragionamento e i risultati dell'esecuzione collegata durante tutto il compito.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
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 è il modello di ragionamento multimodale di Meta per agenti di lunga durata e flussi di programmazione. Tiene traccia delle fonti e dei risultati precedenti, supporta un contesto del produttore di 1.048.576 token e livelli di ragionamento fino a max in questa edizione Standard, restituendo testo e azioni proposte per gli strumenti.
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 è il modello di ragionamento di Meta per attività prolungate basate su agenti e programmazione. Il produttore pone l'accento sul mantenimento del contesto e dei risultati precedenti lungo compiti estesi, sulla gestione di fonti in conflitto e sulla produzione di un risultato finito da consegnare. Questa voce riguarda l'edizione Standard 1.3, le cui impostazioni documentate di ragionamento includono max; l'edizione Contributor denominata separatamente ha propri limiti di impostazione.
Lavoro degli agenti di lungo periodo
La versione descrive un modello addestrato in diversi ambienti per agenti a raccogliere informazioni, rivedere un piano quando le evidenze cambiano e mantenere requisiti dettagliati lungo un compito su più passaggi. Descrive anche una migliore gestione di diversi flussi in una sola conversazione, con le richieste in arrivo associate al compito pertinente. Una richiesta utile deve definire obiettivo, fonti, requisiti e artefatto che costituirà il completamento.
Per un compito professionale su documenti, fornisci i rapporti di origine, identifica quali fatti devono essere mantenuti e chiedi un brief strutturato con le posizioni delle fonti. Se le fonti sono in conflitto, richiedi separatamente le affermazioni contraddittorie e le informazioni necessarie per risolverle. Per un compito di programmazione, includi il comportamento previsto, i moduli interessati e il codice pertinente; chiedi l'implementazione proposta e le evidenze che distinguerebbero il risultato desiderato.
Il produttore afferma che 1.3 chiede chiarimenti quando una richiesta è ambigua e cerca l'aiuto dell'utente quando è bloccato. Descrive anche un migliore giudizio sulle azioni con conseguenze rilevanti. Sono miglioramenti del comportamento del modello anziché un sostituto dei controlli di esecuzione dell'applicazione. Fornisci all'agente le informazioni necessarie per decidere e rendi esplicito il risultato richiesto.
Programmazione ed evidenze multimodali
La versione si concentra su attività di programmazione più lunghe, output più pulito e meno turni non necessari rispetto a 1.2. Un flusso con un agente di programmazione può esaminare uno screenshot, individuare il codice pertinente, proporre una correzione e usare feedback di esecuzione o rendering restituito dai suoi strumenti. Indica l'interfaccia che deve rimanere compatibile e richiedi l'artefatto modificato separatamente dalle sue ipotesi e dalla spiegazione.
La tabella ufficiale dei modelli elenca input di testo, immagini, video e PDF con output testuale e un contesto di 1.048.576 token. Immagini o filmati possono fornire evidenze visibili insieme al compito scritto. Una domanda su un grafico deve mantenere assi, legende e unità; una domanda su uno screenshot deve identificare il comportamento da riprodurre o esaminare. Una domanda su un PDF può richiedere un'estrazione o un confronto collegati alle fonti anziché un riepilogo generale di ogni pagina.
Il produttore segnala esplicitamente che la comprensione audio in 1.3 non è pienamente supportata e che le risposte contenenti audio possono peggiorare. Questo è distinto dalla capacità audiovisiva documentata di 1.2. Anche il risultato testuale del modello non genera da solo un'immagine, una registrazione parlata o un file finito senza gli strumenti dell'applicazione circostante.
Impegno di ragionamento e continuità
I livelli documentati sono minimal, low, medium, high, xhigh e max. Max è specifico di Standard 1.3. Muse Spark non supporta la disattivazione del ragionamento con none; omettere l'impostazione lascia un livello di ragionamento determinato dal modello. Scegli l'impegno in base al problema effettivo e lascia spazio sia al ragionamento interno sia al risultato scritto richiesto.
I token di ragionamento e quelli visibili condividono il budget di output. Il ragionamento interno grezzo rimane privato e non viene restituito come normale testo leggibile. Il produttore distingue la cronologia visibile della conversazione dalla continuità del ragionamento privato: la sua interfaccia chat non espone una traccia che i chiamanti esterni possano riprodurre, mentre l'altro flusso di conversazione documentato supporta la continuazione del ragionamento gestita o cifrata. Conserva le fonti, i messaggi visibili e i risultati effettivi degli strumenti necessari a un seguito, anziché presumere che tutte le interfacce mantengano il ragionamento privato allo stesso modo.
Strumenti e risultati strutturati da consegnare
L'applicazione fornisce descrizioni di funzioni definite dallo sviluppatore, il modello crea gli argomenti richiesti per la chiamata e l'applicazione esegue ogni chiamata e restituisce il risultato associato. Il modello può richiedere diverse funzioni in un turno. Restituisci il risultato di ogni operazione di origine prima di chiedere la conclusione successiva, così che la risposta usi informazioni effettivamente recuperate o calcolate.
Il produttore documenta separatamente strumenti di ricerca integrati che vengono eseguiti nel suo servizio collegato. Le funzioni dello sviluppatore e tali strumenti integrati hanno modalità di esecuzione diverse. Il modello può ragionare sulle informazioni di cui ha bisogno, ma selezionare il modello da solo non fornisce accesso al repository, un browser o una fonte di informazioni privata.
L'output strutturato può vincolare il risultato a uno schema JSON fornito. Definisci i campi e i tipi necessari al passaggio successivo e il trattamento delle informazioni mancanti nelle fonti. Nella modalità strict degli schemi del produttore, la radice è un oggetto semplice, ogni proprietà è obbligatoria e le proprietà aggiuntive non sono consentite; gli schemi ricorsivi sono rifiutati. Sono vincoli dell'interfaccia strutturata del produttore, non una prova che i fatti in un record correttamente formato siano veri.
Per un artefatto finale utile, richiedi separatamente i risultati sostenuti dalle fonti, la modifica o il documento proposti e le condizioni irrisolte. Le fonti lette non forniscono una capacità massima rigida indipendente di token di input o output oltre il contesto documentato. Mantieni espliciti l'identità Standard 1.3, la scelta di ragionamento e i risultati dell'esecuzione collegata durante tutto il compito.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti meta/muse-spark-1.3 | 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 $0.0025 / 1K token Output · Token in output $0.0085 / 1K token Input · Lettura dalla cache $0.0003 / 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 $0.0025 / 1K token Output · Token in output $0.0085 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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", "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 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
Usa i percorsi dei metodi indicati sopra.
meta/muse-spark-1.3Muse Spark 1.3 è il modello di ragionamento multimodale di Meta per agenti di lunga durata e flussi di programmazione. Tiene traccia delle fonti e dei risultati precedenti, supporta un contesto del produttore di 1.048.576 token e livelli di ragionamento fino a max in questa edizione Standard, restituendo testo e azioni proposte per gli strumenti.
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 è il modello di ragionamento di Meta per attività prolungate basate su agenti e programmazione. Il produttore pone l'accento sul mantenimento del contesto e dei risultati precedenti lungo compiti estesi, sulla gestione di fonti in conflitto e sulla produzione di un risultato finito da consegnare. Questa voce riguarda l'edizione Standard 1.3, le cui impostazioni documentate di ragionamento includono max; l'edizione Contributor denominata separatamente ha propri limiti di impostazione.
Lavoro degli agenti di lungo periodo
La versione descrive un modello addestrato in diversi ambienti per agenti a raccogliere informazioni, rivedere un piano quando le evidenze cambiano e mantenere requisiti dettagliati lungo un compito su più passaggi. Descrive anche una migliore gestione di diversi flussi in una sola conversazione, con le richieste in arrivo associate al compito pertinente. Una richiesta utile deve definire obiettivo, fonti, requisiti e artefatto che costituirà il completamento.
Per un compito professionale su documenti, fornisci i rapporti di origine, identifica quali fatti devono essere mantenuti e chiedi un brief strutturato con le posizioni delle fonti. Se le fonti sono in conflitto, richiedi separatamente le affermazioni contraddittorie e le informazioni necessarie per risolverle. Per un compito di programmazione, includi il comportamento previsto, i moduli interessati e il codice pertinente; chiedi l'implementazione proposta e le evidenze che distinguerebbero il risultato desiderato.
Il produttore afferma che 1.3 chiede chiarimenti quando una richiesta è ambigua e cerca l'aiuto dell'utente quando è bloccato. Descrive anche un migliore giudizio sulle azioni con conseguenze rilevanti. Sono miglioramenti del comportamento del modello anziché un sostituto dei controlli di esecuzione dell'applicazione. Fornisci all'agente le informazioni necessarie per decidere e rendi esplicito il risultato richiesto.
Programmazione ed evidenze multimodali
La versione si concentra su attività di programmazione più lunghe, output più pulito e meno turni non necessari rispetto a 1.2. Un flusso con un agente di programmazione può esaminare uno screenshot, individuare il codice pertinente, proporre una correzione e usare feedback di esecuzione o rendering restituito dai suoi strumenti. Indica l'interfaccia che deve rimanere compatibile e richiedi l'artefatto modificato separatamente dalle sue ipotesi e dalla spiegazione.
La tabella ufficiale dei modelli elenca input di testo, immagini, video e PDF con output testuale e un contesto di 1.048.576 token. Immagini o filmati possono fornire evidenze visibili insieme al compito scritto. Una domanda su un grafico deve mantenere assi, legende e unità; una domanda su uno screenshot deve identificare il comportamento da riprodurre o esaminare. Una domanda su un PDF può richiedere un'estrazione o un confronto collegati alle fonti anziché un riepilogo generale di ogni pagina.
Il produttore segnala esplicitamente che la comprensione audio in 1.3 non è pienamente supportata e che le risposte contenenti audio possono peggiorare. Questo è distinto dalla capacità audiovisiva documentata di 1.2. Anche il risultato testuale del modello non genera da solo un'immagine, una registrazione parlata o un file finito senza gli strumenti dell'applicazione circostante.
Impegno di ragionamento e continuità
I livelli documentati sono minimal, low, medium, high, xhigh e max. Max è specifico di Standard 1.3. Muse Spark non supporta la disattivazione del ragionamento con none; omettere l'impostazione lascia un livello di ragionamento determinato dal modello. Scegli l'impegno in base al problema effettivo e lascia spazio sia al ragionamento interno sia al risultato scritto richiesto.
I token di ragionamento e quelli visibili condividono il budget di output. Il ragionamento interno grezzo rimane privato e non viene restituito come normale testo leggibile. Il produttore distingue la cronologia visibile della conversazione dalla continuità del ragionamento privato: la sua interfaccia chat non espone una traccia che i chiamanti esterni possano riprodurre, mentre l'altro flusso di conversazione documentato supporta la continuazione del ragionamento gestita o cifrata. Conserva le fonti, i messaggi visibili e i risultati effettivi degli strumenti necessari a un seguito, anziché presumere che tutte le interfacce mantengano il ragionamento privato allo stesso modo.
Strumenti e risultati strutturati da consegnare
L'applicazione fornisce descrizioni di funzioni definite dallo sviluppatore, il modello crea gli argomenti richiesti per la chiamata e l'applicazione esegue ogni chiamata e restituisce il risultato associato. Il modello può richiedere diverse funzioni in un turno. Restituisci il risultato di ogni operazione di origine prima di chiedere la conclusione successiva, così che la risposta usi informazioni effettivamente recuperate o calcolate.
Il produttore documenta separatamente strumenti di ricerca integrati che vengono eseguiti nel suo servizio collegato. Le funzioni dello sviluppatore e tali strumenti integrati hanno modalità di esecuzione diverse. Il modello può ragionare sulle informazioni di cui ha bisogno, ma selezionare il modello da solo non fornisce accesso al repository, un browser o una fonte di informazioni privata.
L'output strutturato può vincolare il risultato a uno schema JSON fornito. Definisci i campi e i tipi necessari al passaggio successivo e il trattamento delle informazioni mancanti nelle fonti. Nella modalità strict degli schemi del produttore, la radice è un oggetto semplice, ogni proprietà è obbligatoria e le proprietà aggiuntive non sono consentite; gli schemi ricorsivi sono rifiutati. Sono vincoli dell'interfaccia strutturata del produttore, non una prova che i fatti in un record correttamente formato siano veri.
Per un artefatto finale utile, richiedi separatamente i risultati sostenuti dalle fonti, la modifica o il documento proposti e le condizioni irrisolte. Le fonti lette non forniscono una capacità massima rigida indipendente di token di input o output oltre il contesto documentato. Mantieni espliciti l'identità Standard 1.3, la scelta di ragionamento e i risultati dell'esecuzione collegata durante tutto il compito.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti meta/muse-spark-1.3 | 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 $0.0025 / 1K token Output · Token in output $0.0085 / 1K token Input · Lettura dalla cache $0.0003 / 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 $0.0025 / 1K token Output · Token in output $0.0085 / 1K token Input · Lettura dalla cache $0.0003 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "meta/muse-spark-1.3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
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.