Muse Spark 1.2 Contributor는 Meta의 Muse Spark 1.2 추론 계열에서 실험과 프로토타입 제작을 위한 버전입니다. Contributor 식별자를 Standard 1.2 및 이후 1.3 버전과 구분해 유지하세요. 제조사의 계열 문서는 에이전트 작업, 소프트웨어 어시스턴트, 멀티모달 추론, 도구 사용, 구조화된 텍스트 결과를 설명하며, Standard 시연을 근거로 별도의 Contributor 성능을 보장하지는 않습니다.
문서화된 입력과 컨텍스트
제조사는 1.2 버전의 입력 모달리티로 텍스트, 이미지, 비디오, 오디오, PDF를, 출력으로 텍스트를 명시하며 컨텍스트는 1,048,576토큰입니다. 이 표는 제조사가 문서화한 모델 범위를 정의합니다. 결과는 글로 된 설명, 구조화된 발견 사항 또는 제안 코드가 될 수 있으며, 인터페이스 렌더링, 녹음 제작, 다른 외부 작업 수행에는 애플리케이션 구성 요소가 필요합니다.
프로토타입에서는 명확한 작업 하나를 선택하고 결과를 점검하는 데 필요한 자료를 제공하세요. 특정 상호작용 요구 사항과 스크린샷을 함께 제공할 수 있습니다. PDF는 비교하거나 추출할 진술을 제공할 수 있습니다. 비디오는 설명할 시각적 순서를 보여 줄 수 있고, 시청각 질문에서는 중요한 발화나 시각적 세부 사항을 지정해야 합니다. 각 출처에 표시를 붙이고 답변을 뒷받침하는 근거를 요청하세요.
1.2 릴리스는 시각 자료를 코드로 바꾸고 차트나 장면을 추론하는 계열의 강점을 설명합니다. 이를 Contributor 버전이 모든 Standard 시연을 재현한다는 주장으로 쓰지 말고 작업 영역으로 적용하세요. 실용적인 요청에서는 스크린샷에 보이는 레이아웃 요소, 제안 구현, 이미지에 드러나지 않은 동작에 관한 남은 질문을 요청할 수 있습니다.
추론과 결과 준비
Muse Spark 추론 지침은 이 버전에 minimal, low, medium, high, xhigh 노력 수준을 제공합니다. max는 Standard 1.3에 한정되며 none으로 추론을 끄는 방식은 지원되지 않습니다. 명시적인 설정이 없어도 모델은 스스로 정한 수준으로 추론합니다. 따라서 작은 추출 작업과 다단계 시각 또는 코딩 문제는 같은 1.2 Contributor 정체성을 유지하면서도 서로 다른 노력을 선택할 수 있습니다.
출력 예산은 내부 추론과 눈에 보이는 텍스트를 함께 포함합니다. 원시 추론은 비공개이므로 내부 기록을 기대하기보다 사용자에게 필요한 설명이나 최종 결과물을 요청하세요. 나중에 점검할 내용에 맞춰 작업의 답변 분량과 필드를 정하세요.
문서 비교에서는 원문 진술, 페이지, 그 진술이 확립하는 조건, 모순 여부를 요청하세요. 코드 프로토타입에서는 허용 입력, 예상 결과, 유지할 인터페이스를 지정하세요. 제안 코드 조각을 가정 및 예시 입력과 분리해 요청하세요. 이러한 요구 사항은 완료 기준이 없는 열린 실험 대신 검토할 수 있는 결과를 정의합니다.
도구를 활용한 실험
개발자 정의 도구 사용은 모델과 애플리케이션의 루프를 따릅니다. 애플리케이션이 함수를 설명하고 모델이 작업을 선택해 인수를 준비하면 애플리케이션이 실행하고 결과를 반환합니다. 조회는 참고 정보를 제공하고 실행 도구는 제안 코드가 실행될 때 발생한 일을 제공할 수 있습니다. 다음 답변을 요청하기 전에 최초 작업과 반환 결과의 연결을 유지하세요.
1.2 계열 발표는 도구로 시각 입력과 생성 결과물을 더 면밀히 점검하는 방식을 강조합니다. 이는 환경이 점검 또는 렌더링 작업을 제공한다는 뜻입니다. 텍스트 제안만으로 렌더링된 페이지나 실행된 상호작용이 되지는 않습니다. 모델이 피드백을 실제 요구 사항과 연결할 수 있도록 도구가 반환하는 내용을 정의하세요.
구조화된 출력은 실험의 발견 사항을 제공한 스키마로 정리할 수 있습니다. 필드 이름, 필수 유형, 누락 값 처리 방식을 정의하고 추출 정보 옆에 출처 식별자를 유지하세요. 문법적으로 유효한 레코드와 올바른 해석은 서로 다른 속성입니다. 후자를 점검할 수 있도록 원자료를 보관하세요.
버전과 연속성의 한계
제조사의 일반 채팅 워크플로는 외부 호출자가 재사용할 비공개 추론 컨텍스트를 반환하지 않습니다. 실험을 이어 갈 때는 눈에 보이는 이력, 출처 사실, 도구 결과를 보존하고 연결된 인터페이스에 문서화된 연속성 기능만 사용하세요. Muse Spark는 로그 확률을 지원하지 않으므로 추출 필드의 내장 신뢰도 점수로 취급해서는 안 됩니다.
공개된 컨텍스트와 모달리티 표는 이 이름이 지정된 1.2 버전에 속하며, 1.3의 max 설정이나 오디오 제약을 가져와서는 안 됩니다. 검토한 출처에는 컨텍스트 외의 별도 최대 입력 또는 출력 토큰 용량이 명시되어 있지 않습니다. Contributor 정체성과 도구가 실제 반환한 결과를 유지하면서 프로토타입의 목표, 자료, 점검 가능한 텍스트 결과를 명시하세요.
", "aboutText": "Muse Spark 1.2 Contributor는 Meta의 Muse Spark 1.2 추론 계열에서 실험과 프로토타입 제작을 위한 버전입니다. Contributor 식별자를 Standard 1.2 및 이후 1.3 버전과 구분해 유지하세요. 제조사의 계열 문서는 에이전트 작업, 소프트웨어 어시스턴트, 멀티모달 추론, 도구 사용, 구조화된 텍스트 결과를 설명하며, Standard 시연을 근거로 별도의 Contributor 성능을 보장하지는 않습니다.\n\n문서화된 입력과 컨텍스트\n\n제조사는 1.2 버전의 입력 모달리티로 텍스트, 이미지, 비디오, 오디오, PDF를, 출력으로 텍스트를 명시하며 컨텍스트는 1,048,576토큰입니다. 이 표는 제조사가 문서화한 모델 범위를 정의합니다. 결과는 글로 된 설명, 구조화된 발견 사항 또는 제안 코드가 될 수 있으며, 인터페이스 렌더링, 녹음 제작, 다른 외부 작업 수행에는 애플리케이션 구성 요소가 필요합니다.\n\n프로토타입에서는 명확한 작업 하나를 선택하고 결과를 점검하는 데 필요한 자료를 제공하세요. 특정 상호작용 요구 사항과 스크린샷을 함께 제공할 수 있습니다. PDF는 비교하거나 추출할 진술을 제공할 수 있습니다. 비디오는 설명할 시각적 순서를 보여 줄 수 있고, 시청각 질문에서는 중요한 발화나 시각적 세부 사항을 지정해야 합니다. 각 출처에 표시를 붙이고 답변을 뒷받침하는 근거를 요청하세요.\n\n1.2 릴리스는 시각 자료를 코드로 바꾸고 차트나 장면을 추론하는 계열의 강점을 설명합니다. 이를 Contributor 버전이 모든 Standard 시연을 재현한다는 주장으로 쓰지 말고 작업 영역으로 적용하세요. 실용적인 요청에서는 스크린샷에 보이는 레이아웃 요소, 제안 구현, 이미지에 드러나지 않은 동작에 관한 남은 질문을 요청할 수 있습니다.\n\n추론과 결과 준비\n\nMuse Spark 추론 지침은 이 버전에 minimal, low, medium, high, xhigh 노력 수준을 제공합니다. max는 Standard 1.3에 한정되며 none으로 추론을 끄는 방식은 지원되지 않습니다. 명시적인 설정이 없어도 모델은 스스로 정한 수준으로 추론합니다. 따라서 작은 추출 작업과 다단계 시각 또는 코딩 문제는 같은 1.2 Contributor 정체성을 유지하면서도 서로 다른 노력을 선택할 수 있습니다.\n\n출력 예산은 내부 추론과 눈에 보이는 텍스트를 함께 포함합니다. 원시 추론은 비공개이므로 내부 기록을 기대하기보다 사용자에게 필요한 설명이나 최종 결과물을 요청하세요. 나중에 점검할 내용에 맞춰 작업의 답변 분량과 필드를 정하세요.\n\n문서 비교에서는 원문 진술, 페이지, 그 진술이 확립하는 조건, 모순 여부를 요청하세요. 코드 프로토타입에서는 허용 입력, 예상 결과, 유지할 인터페이스를 지정하세요. 제안 코드 조각을 가정 및 예시 입력과 분리해 요청하세요. 이러한 요구 사항은 완료 기준이 없는 열린 실험 대신 검토할 수 있는 결과를 정의합니다.\n\n도구를 활용한 실험\n\n개발자 정의 도구 사용은 모델과 애플리케이션의 루프를 따릅니다. 애플리케이션이 함수를 설명하고 모델이 작업을 선택해 인수를 준비하면 애플리케이션이 실행하고 결과를 반환합니다. 조회는 참고 정보를 제공하고 실행 도구는 제안 코드가 실행될 때 발생한 일을 제공할 수 있습니다. 다음 답변을 요청하기 전에 최초 작업과 반환 결과의 연결을 유지하세요.\n\n1.2 계열 발표는 도구로 시각 입력과 생성 결과물을 더 면밀히 점검하는 방식을 강조합니다. 이는 환경이 점검 또는 렌더링 작업을 제공한다는 뜻입니다. 텍스트 제안만으로 렌더링된 페이지나 실행된 상호작용이 되지는 않습니다. 모델이 피드백을 실제 요구 사항과 연결할 수 있도록 도구가 반환하는 내용을 정의하세요.\n\n구조화된 출력은 실험의 발견 사항을 제공한 스키마로 정리할 수 있습니다. 필드 이름, 필수 유형, 누락 값 처리 방식을 정의하고 추출 정보 옆에 출처 식별자를 유지하세요. 문법적으로 유효한 레코드와 올바른 해석은 서로 다른 속성입니다. 후자를 점검할 수 있도록 원자료를 보관하세요.\n\n버전과 연속성의 한계\n\n제조사의 일반 채팅 워크플로는 외부 호출자가 재사용할 비공개 추론 컨텍스트를 반환하지 않습니다. 실험을 이어 갈 때는 눈에 보이는 이력, 출처 사실, 도구 결과를 보존하고 연결된 인터페이스에 문서화된 연속성 기능만 사용하세요. Muse Spark는 로그 확률을 지원하지 않으므로 추출 필드의 내장 신뢰도 점수로 취급해서는 안 됩니다.\n\n공개된 컨텍스트와 모달리티 표는 이 이름이 지정된 1.2 버전에 속하며, 1.3의 max 설정이나 오디오 제약을 가져와서는 안 됩니다. 검토한 출처에는 컨텍스트 외의 별도 최대 입력 또는 출력 토큰 용량이 명시되어 있지 않습니다. Contributor 정체성과 도구가 실제 반환한 결과를 유지하면서 프로토타입의 목표, 자료, 점검 가능한 텍스트 결과를 명시하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Prototype a bounded state reducer\n\nPropose a JavaScript reducer for an upload widget with states idle, uploading, success and error. Events start, finish and fail are supplied as plain strings. Only uploading may transition to success or error; start resets any state to uploading. Include a transition table and tests for an invalid finish from idle.Reducer code, a transition table and tests covering valid and ignored transitions.Check that finish from idle is ignored and that the proposal does not claim a rendered or executed widget.meta/muse-spark-1.2-contributorMuse Spark 1.2 Contributor는 프로토타입 및 실험적 에이전트 워크플로를 위해 별도로 이름이 지정된 Meta의 추론 버전입니다. Meta는 1,048,576토큰 컨텍스트와 멀티모달 입력, 텍스트 출력을 문서화하며, 이 버전은 고유한 정체성과 1.3 Standard의 max를 제외한 추론 수준을 유지합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Muse Spark 1.2 Contributor는 Meta의 Muse Spark 1.2 추론 계열에서 실험과 프로토타입 제작을 위한 버전입니다. Contributor 식별자를 Standard 1.2 및 이후 1.3 버전과 구분해 유지하세요. 제조사의 계열 문서는 에이전트 작업, 소프트웨어 어시스턴트, 멀티모달 추론, 도구 사용, 구조화된 텍스트 결과를 설명하며, Standard 시연을 근거로 별도의 Contributor 성능을 보장하지는 않습니다.
문서화된 입력과 컨텍스트
제조사는 1.2 버전의 입력 모달리티로 텍스트, 이미지, 비디오, 오디오, PDF를, 출력으로 텍스트를 명시하며 컨텍스트는 1,048,576토큰입니다. 이 표는 제조사가 문서화한 모델 범위를 정의합니다. 결과는 글로 된 설명, 구조화된 발견 사항 또는 제안 코드가 될 수 있으며, 인터페이스 렌더링, 녹음 제작, 다른 외부 작업 수행에는 애플리케이션 구성 요소가 필요합니다.
프로토타입에서는 명확한 작업 하나를 선택하고 결과를 점검하는 데 필요한 자료를 제공하세요. 특정 상호작용 요구 사항과 스크린샷을 함께 제공할 수 있습니다. PDF는 비교하거나 추출할 진술을 제공할 수 있습니다. 비디오는 설명할 시각적 순서를 보여 줄 수 있고, 시청각 질문에서는 중요한 발화나 시각적 세부 사항을 지정해야 합니다. 각 출처에 표시를 붙이고 답변을 뒷받침하는 근거를 요청하세요.
1.2 릴리스는 시각 자료를 코드로 바꾸고 차트나 장면을 추론하는 계열의 강점을 설명합니다. 이를 Contributor 버전이 모든 Standard 시연을 재현한다는 주장으로 쓰지 말고 작업 영역으로 적용하세요. 실용적인 요청에서는 스크린샷에 보이는 레이아웃 요소, 제안 구현, 이미지에 드러나지 않은 동작에 관한 남은 질문을 요청할 수 있습니다.
추론과 결과 준비
Muse Spark 추론 지침은 이 버전에 minimal, low, medium, high, xhigh 노력 수준을 제공합니다. max는 Standard 1.3에 한정되며 none으로 추론을 끄는 방식은 지원되지 않습니다. 명시적인 설정이 없어도 모델은 스스로 정한 수준으로 추론합니다. 따라서 작은 추출 작업과 다단계 시각 또는 코딩 문제는 같은 1.2 Contributor 정체성을 유지하면서도 서로 다른 노력을 선택할 수 있습니다.
출력 예산은 내부 추론과 눈에 보이는 텍스트를 함께 포함합니다. 원시 추론은 비공개이므로 내부 기록을 기대하기보다 사용자에게 필요한 설명이나 최종 결과물을 요청하세요. 나중에 점검할 내용에 맞춰 작업의 답변 분량과 필드를 정하세요.
문서 비교에서는 원문 진술, 페이지, 그 진술이 확립하는 조건, 모순 여부를 요청하세요. 코드 프로토타입에서는 허용 입력, 예상 결과, 유지할 인터페이스를 지정하세요. 제안 코드 조각을 가정 및 예시 입력과 분리해 요청하세요. 이러한 요구 사항은 완료 기준이 없는 열린 실험 대신 검토할 수 있는 결과를 정의합니다.
도구를 활용한 실험
개발자 정의 도구 사용은 모델과 애플리케이션의 루프를 따릅니다. 애플리케이션이 함수를 설명하고 모델이 작업을 선택해 인수를 준비하면 애플리케이션이 실행하고 결과를 반환합니다. 조회는 참고 정보를 제공하고 실행 도구는 제안 코드가 실행될 때 발생한 일을 제공할 수 있습니다. 다음 답변을 요청하기 전에 최초 작업과 반환 결과의 연결을 유지하세요.
1.2 계열 발표는 도구로 시각 입력과 생성 결과물을 더 면밀히 점검하는 방식을 강조합니다. 이는 환경이 점검 또는 렌더링 작업을 제공한다는 뜻입니다. 텍스트 제안만으로 렌더링된 페이지나 실행된 상호작용이 되지는 않습니다. 모델이 피드백을 실제 요구 사항과 연결할 수 있도록 도구가 반환하는 내용을 정의하세요.
구조화된 출력은 실험의 발견 사항을 제공한 스키마로 정리할 수 있습니다. 필드 이름, 필수 유형, 누락 값 처리 방식을 정의하고 추출 정보 옆에 출처 식별자를 유지하세요. 문법적으로 유효한 레코드와 올바른 해석은 서로 다른 속성입니다. 후자를 점검할 수 있도록 원자료를 보관하세요.
버전과 연속성의 한계
제조사의 일반 채팅 워크플로는 외부 호출자가 재사용할 비공개 추론 컨텍스트를 반환하지 않습니다. 실험을 이어 갈 때는 눈에 보이는 이력, 출처 사실, 도구 결과를 보존하고 연결된 인터페이스에 문서화된 연속성 기능만 사용하세요. Muse Spark는 로그 확률을 지원하지 않으므로 추출 필드의 내장 신뢰도 점수로 취급해서는 안 됩니다.
공개된 컨텍스트와 모달리티 표는 이 이름이 지정된 1.2 버전에 속하며, 1.3의 max 설정이나 오디오 제약을 가져와서는 안 됩니다. 검토한 출처에는 컨텍스트 외의 별도 최대 입력 또는 출력 토큰 용량이 명시되어 있지 않습니다. Contributor 정체성과 도구가 실제 반환한 결과를 유지하면서 프로토타입의 목표, 자료, 점검 가능한 텍스트 결과를 명시하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 meta/muse-spark-1.2-contributor | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0004 / 1K 토큰 입력 · 캐시 읽기 $0.000004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0004 / 1K 토큰 입력 · 캐시 읽기 $0.000004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "meta/muse-spark-1.2-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-1.2-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-1.2-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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra meta/muse-spark-1.2-contributor
위에 표시된 메서드 경로를 사용하세요.
meta/muse-spark-1.2-contributorMuse Spark 1.2 Contributor는 프로토타입 및 실험적 에이전트 워크플로를 위해 별도로 이름이 지정된 Meta의 추론 버전입니다. Meta는 1,048,576토큰 컨텍스트와 멀티모달 입력, 텍스트 출력을 문서화하며, 이 버전은 고유한 정체성과 1.3 Standard의 max를 제외한 추론 수준을 유지합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Muse Spark 1.2 Contributor는 Meta의 Muse Spark 1.2 추론 계열에서 실험과 프로토타입 제작을 위한 버전입니다. Contributor 식별자를 Standard 1.2 및 이후 1.3 버전과 구분해 유지하세요. 제조사의 계열 문서는 에이전트 작업, 소프트웨어 어시스턴트, 멀티모달 추론, 도구 사용, 구조화된 텍스트 결과를 설명하며, Standard 시연을 근거로 별도의 Contributor 성능을 보장하지는 않습니다.
문서화된 입력과 컨텍스트
제조사는 1.2 버전의 입력 모달리티로 텍스트, 이미지, 비디오, 오디오, PDF를, 출력으로 텍스트를 명시하며 컨텍스트는 1,048,576토큰입니다. 이 표는 제조사가 문서화한 모델 범위를 정의합니다. 결과는 글로 된 설명, 구조화된 발견 사항 또는 제안 코드가 될 수 있으며, 인터페이스 렌더링, 녹음 제작, 다른 외부 작업 수행에는 애플리케이션 구성 요소가 필요합니다.
프로토타입에서는 명확한 작업 하나를 선택하고 결과를 점검하는 데 필요한 자료를 제공하세요. 특정 상호작용 요구 사항과 스크린샷을 함께 제공할 수 있습니다. PDF는 비교하거나 추출할 진술을 제공할 수 있습니다. 비디오는 설명할 시각적 순서를 보여 줄 수 있고, 시청각 질문에서는 중요한 발화나 시각적 세부 사항을 지정해야 합니다. 각 출처에 표시를 붙이고 답변을 뒷받침하는 근거를 요청하세요.
1.2 릴리스는 시각 자료를 코드로 바꾸고 차트나 장면을 추론하는 계열의 강점을 설명합니다. 이를 Contributor 버전이 모든 Standard 시연을 재현한다는 주장으로 쓰지 말고 작업 영역으로 적용하세요. 실용적인 요청에서는 스크린샷에 보이는 레이아웃 요소, 제안 구현, 이미지에 드러나지 않은 동작에 관한 남은 질문을 요청할 수 있습니다.
추론과 결과 준비
Muse Spark 추론 지침은 이 버전에 minimal, low, medium, high, xhigh 노력 수준을 제공합니다. max는 Standard 1.3에 한정되며 none으로 추론을 끄는 방식은 지원되지 않습니다. 명시적인 설정이 없어도 모델은 스스로 정한 수준으로 추론합니다. 따라서 작은 추출 작업과 다단계 시각 또는 코딩 문제는 같은 1.2 Contributor 정체성을 유지하면서도 서로 다른 노력을 선택할 수 있습니다.
출력 예산은 내부 추론과 눈에 보이는 텍스트를 함께 포함합니다. 원시 추론은 비공개이므로 내부 기록을 기대하기보다 사용자에게 필요한 설명이나 최종 결과물을 요청하세요. 나중에 점검할 내용에 맞춰 작업의 답변 분량과 필드를 정하세요.
문서 비교에서는 원문 진술, 페이지, 그 진술이 확립하는 조건, 모순 여부를 요청하세요. 코드 프로토타입에서는 허용 입력, 예상 결과, 유지할 인터페이스를 지정하세요. 제안 코드 조각을 가정 및 예시 입력과 분리해 요청하세요. 이러한 요구 사항은 완료 기준이 없는 열린 실험 대신 검토할 수 있는 결과를 정의합니다.
도구를 활용한 실험
개발자 정의 도구 사용은 모델과 애플리케이션의 루프를 따릅니다. 애플리케이션이 함수를 설명하고 모델이 작업을 선택해 인수를 준비하면 애플리케이션이 실행하고 결과를 반환합니다. 조회는 참고 정보를 제공하고 실행 도구는 제안 코드가 실행될 때 발생한 일을 제공할 수 있습니다. 다음 답변을 요청하기 전에 최초 작업과 반환 결과의 연결을 유지하세요.
1.2 계열 발표는 도구로 시각 입력과 생성 결과물을 더 면밀히 점검하는 방식을 강조합니다. 이는 환경이 점검 또는 렌더링 작업을 제공한다는 뜻입니다. 텍스트 제안만으로 렌더링된 페이지나 실행된 상호작용이 되지는 않습니다. 모델이 피드백을 실제 요구 사항과 연결할 수 있도록 도구가 반환하는 내용을 정의하세요.
구조화된 출력은 실험의 발견 사항을 제공한 스키마로 정리할 수 있습니다. 필드 이름, 필수 유형, 누락 값 처리 방식을 정의하고 추출 정보 옆에 출처 식별자를 유지하세요. 문법적으로 유효한 레코드와 올바른 해석은 서로 다른 속성입니다. 후자를 점검할 수 있도록 원자료를 보관하세요.
버전과 연속성의 한계
제조사의 일반 채팅 워크플로는 외부 호출자가 재사용할 비공개 추론 컨텍스트를 반환하지 않습니다. 실험을 이어 갈 때는 눈에 보이는 이력, 출처 사실, 도구 결과를 보존하고 연결된 인터페이스에 문서화된 연속성 기능만 사용하세요. Muse Spark는 로그 확률을 지원하지 않으므로 추출 필드의 내장 신뢰도 점수로 취급해서는 안 됩니다.
공개된 컨텍스트와 모달리티 표는 이 이름이 지정된 1.2 버전에 속하며, 1.3의 max 설정이나 오디오 제약을 가져와서는 안 됩니다. 검토한 출처에는 컨텍스트 외의 별도 최대 입력 또는 출력 토큰 용량이 명시되어 있지 않습니다. Contributor 정체성과 도구가 실제 반환한 결과를 유지하면서 프로토타입의 목표, 자료, 점검 가능한 텍스트 결과를 명시하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 meta/muse-spark-1.2-contributor | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0004 / 1K 토큰 입력 · 캐시 읽기 $0.000004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0004 / 1K 토큰 입력 · 캐시 읽기 $0.000004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "meta/muse-spark-1.2-contributor",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-1.2-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-1.2-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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra meta/muse-spark-1.2-contributor
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Prototype a bounded state reducer\n\nPropose a JavaScript reducer for an upload widget with states idle, uploading, success and error. Events start, finish and fail are supplied as plain strings. Only uploading may transition to success or error; start resets any state to uploading. Include a transition table and tests for an invalid finish from idle.Reducer code, a transition table and tests covering valid and ignored transitions.Check that finish from idle is ignored and that the proposal does not claim a rendered or executed widget.