Muse Spark 1.3 Contributor는 프로토타입 제작과 실험을 위한 Meta의 Muse Spark 계열에서 별도로 이름이 지정된 버전입니다. 이 계열은 다단계 도구 루프, 소프트웨어 어시스턴트, 방대한 원천 자료에 대한 추론 등 에이전트 및 코딩 작업을 위해 설계되었습니다. 버전을 선택할 때 모든 설정을 그대로 옮긴 Standard 1.3 항목으로 취급하지 말고 Contributor 이름을 유지하세요.
입력과 컨텍스트
공식 모델 표에는 텍스트, 이미지, 비디오, PDF가 입력으로, 텍스트가 출력으로 명시되어 있으며 컨텍스트 윈도는 1,048,576토큰입니다. 작업에서 글로 된 요구 사항, 스크린샷, 관련 영상 또는 문서 페이지를 결합하고 글로 된 설명, 구조화된 발견 사항 또는 제안 코드를 요청할 수 있습니다. 모델의 텍스트 결과는 주변 애플리케이션의 결과물이 될 수 있으며, 페이지 렌더링이나 코드 실행에는 해당 애플리케이션 환경이 필요합니다.
결과를 요청하기 전에 각 출처와 역할을 지정하세요. 인터페이스 프로토타입 작업에서는 스크린샷에 원하는 동작과 기존 코드 조각을 함께 제공할 수 있습니다. 눈에 보이는 차이, 제안하는 구현 변경, 아직 명확히 해야 할 가정을 요청하세요. 문서 작업에서는 추출할 필드를 정의하고 발견 사항마다 근거 페이지나 구절을 함께 요청할 수 있습니다.
제조사는 1.3 버전의 오디오 이해가 완전히 지원되지 않아 응답 품질이 저하될 수 있다고 명시합니다. Muse Spark 1.2나 별도 이름의 전사 모델이 가진 오디오 기능을 이 설명에 옮기지 말고 버전에 한정된 제약으로 다루세요.
추론 수준과 답변 예산
Muse Spark는 눈에 보이는 답변에 앞서 내부 추론을 생성합니다. 여기에 적용되는 문서화된 노력 수준은 minimal, low, medium, high, xhigh입니다. max 수준은 Standard Muse Spark 1.3에만 해당하며 Contributor 모델에서는 사용할 수 없습니다. none으로 추론을 끄는 방식은 지원되지 않으며, 설정을 생략해도 모델이 정한 수준으로 추론합니다.
출력 토큰 예산은 내부 추론과 눈에 보이는 텍스트를 모두 포함합니다. 따라서 긴 글 결과를 요청할 때는 특히 높은 추론 노력 수준에서 두 가지를 위한 공간이 필요합니다. 원시 내부 추론은 비공개로 유지되며 로그 확률도 신뢰도 척도로 지원되지 않습니다. 내부 추론 기록이 읽을 수 있는 텍스트로 반환된다고 가정하지 말고 작업에 필요한 설명, 필드 또는 최종 코드를 요청하세요.
범위가 명확한 추출이나 형식 실험에서는 정확한 레코드와 원천 자료를 정의하세요. 다단계 코딩 또는 시각 문제에서는 중간 결정과 최종 결과물을 정의하세요. 추론 노력을 높이면 추론 배분이 바뀌지만, 그것만으로 완료된 유용한 결과의 기준이 정해지는 것은 아닙니다.
도구와 구조화된 발견 사항
제조사의 Muse Spark 문서는 개발자가 정의한 도구 호출과 구조화된 출력을 설명합니다. 애플리케이션이 도구 정의를 제공하면 모델이 필요한 작업을 결정하고 인수를 준비하며, 애플리케이션은 각 호출을 실행하고 해당 결과를 반환합니다. 다음 답변은 이 결과로 다음에 할 일을 판단할 수 있습니다. 제안한 호출은 완료한 작업과 구별됩니다.
같은 문서는 연결된 내장 검색 도구와 개발자가 정의한 함수를 구분합니다. 검색이나 코드 실행은 도구 환경의 일부이며 텍스트 답변의 추가 콘텐츠 모달리티가 아닙니다. 프로토타입에서는 질문에 관련된 작업만 제공하고 각 작업이 반환하는 내용을 설명하여 후속 답변이 실제 검색 또는 계산 정보에 연결되도록 하세요.
구조화된 추출에서는 필드 이름, 필수 정보, 누락 값의 표현 방식을 지정하세요. 실용적인 레코드에는 출처 식별자, 관찰한 사실, 해석, 아직 명확히 해야 할 질문을 담을 수 있습니다. 애플리케이션이 필드를 안정적으로 처리해야 한다면 선택적 설명문과 레코드를 분리하세요. 제조사의 스키마 인터페이스는 재귀 스키마를 거부하고 중첩을 10단계로 제한합니다. strict 모드는 일반 객체 루트, 나열된 모든 속성의 필수 지정, 추가 속성 금지를 요구합니다. 구조가 맞는다고 사실이 정확한 것은 아닙니다.
유용한 프로토타입 작업
점검 가능한 결과물을 만들 수 있는 워크플로 하나를 선택하세요. 요구 사항, 시각 예시, 현재 동작을 결정하는 코드를 제공하세요. 짧은 비교, 수정 코드 조각 제안, 예상 동작과 현재 동작을 구별하는 예시를 요청하세요. 최종 설명을 요청하기 전에 애플리케이션이 반환한 조회나 실행 결과를 포함하세요.
문서 중심 프로토타입에서는 PDF와 답해야 할 질문을 제공한 뒤 출처에 연결된 요약이나 비교표를 요청하세요. 비디오에서는 점검할 사건이나 시각적 관계를 지정하고 근거 관찰을 포함한 순서 있는 설명을 요청하세요. 큰 컨텍스트가 실제 질문에 쓰이도록 최종 답변의 분량과 구역을 정의하세요.
버전과 연속성의 경계
Contributor는 문서화된 컨텍스트와 입력 유형을 갖춘 고유한 1.3 버전으로 유지됩니다. Meta의 추론 지침은 일반 대화 이력과 여러 턴에 걸친 비공개 추론 보존을 구별합니다. 제조사의 채팅 인터페이스는 외부 호출자에게 비공개 추론 기록을 반환하지 않습니다. 모든 인터페이스가 내부 추론을 이어 간다고 가정하지 말고 후속 요청에 필요한 눈에 보이는 메시지, 출처, 도구 결과를 유지하세요.
검토한 출처에는 컨텍스트 윈도 외에 별도의 엄격한 최대 입력 또는 출력 토큰 용량이 명시되어 있지 않습니다. 버전, 입력 준비, 요청 결과물을 보존하고 도구 실행과 최종 텍스트 전달을 프로토타입 워크플로에서 실제 얻은 결과에 연결하세요.
", "aboutText": "Muse Spark 1.3 Contributor는 프로토타입 제작과 실험을 위한 Meta의 Muse Spark 계열에서 별도로 이름이 지정된 버전입니다. 이 계열은 다단계 도구 루프, 소프트웨어 어시스턴트, 방대한 원천 자료에 대한 추론 등 에이전트 및 코딩 작업을 위해 설계되었습니다. 버전을 선택할 때 모든 설정을 그대로 옮긴 Standard 1.3 항목으로 취급하지 말고 Contributor 이름을 유지하세요.\n\n입력과 컨텍스트\n\n공식 모델 표에는 텍스트, 이미지, 비디오, PDF가 입력으로, 텍스트가 출력으로 명시되어 있으며 컨텍스트 윈도는 1,048,576토큰입니다. 작업에서 글로 된 요구 사항, 스크린샷, 관련 영상 또는 문서 페이지를 결합하고 글로 된 설명, 구조화된 발견 사항 또는 제안 코드를 요청할 수 있습니다. 모델의 텍스트 결과는 주변 애플리케이션의 결과물이 될 수 있으며, 페이지 렌더링이나 코드 실행에는 해당 애플리케이션 환경이 필요합니다.\n\n결과를 요청하기 전에 각 출처와 역할을 지정하세요. 인터페이스 프로토타입 작업에서는 스크린샷에 원하는 동작과 기존 코드 조각을 함께 제공할 수 있습니다. 눈에 보이는 차이, 제안하는 구현 변경, 아직 명확히 해야 할 가정을 요청하세요. 문서 작업에서는 추출할 필드를 정의하고 발견 사항마다 근거 페이지나 구절을 함께 요청할 수 있습니다.\n\n제조사는 1.3 버전의 오디오 이해가 완전히 지원되지 않아 응답 품질이 저하될 수 있다고 명시합니다. Muse Spark 1.2나 별도 이름의 전사 모델이 가진 오디오 기능을 이 설명에 옮기지 말고 버전에 한정된 제약으로 다루세요.\n\n추론 수준과 답변 예산\n\nMuse Spark는 눈에 보이는 답변에 앞서 내부 추론을 생성합니다. 여기에 적용되는 문서화된 노력 수준은 minimal, low, medium, high, xhigh입니다. max 수준은 Standard Muse Spark 1.3에만 해당하며 Contributor 모델에서는 사용할 수 없습니다. none으로 추론을 끄는 방식은 지원되지 않으며, 설정을 생략해도 모델이 정한 수준으로 추론합니다.\n\n출력 토큰 예산은 내부 추론과 눈에 보이는 텍스트를 모두 포함합니다. 따라서 긴 글 결과를 요청할 때는 특히 높은 추론 노력 수준에서 두 가지를 위한 공간이 필요합니다. 원시 내부 추론은 비공개로 유지되며 로그 확률도 신뢰도 척도로 지원되지 않습니다. 내부 추론 기록이 읽을 수 있는 텍스트로 반환된다고 가정하지 말고 작업에 필요한 설명, 필드 또는 최종 코드를 요청하세요.\n\n범위가 명확한 추출이나 형식 실험에서는 정확한 레코드와 원천 자료를 정의하세요. 다단계 코딩 또는 시각 문제에서는 중간 결정과 최종 결과물을 정의하세요. 추론 노력을 높이면 추론 배분이 바뀌지만, 그것만으로 완료된 유용한 결과의 기준이 정해지는 것은 아닙니다.\n\n도구와 구조화된 발견 사항\n\n제조사의 Muse Spark 문서는 개발자가 정의한 도구 호출과 구조화된 출력을 설명합니다. 애플리케이션이 도구 정의를 제공하면 모델이 필요한 작업을 결정하고 인수를 준비하며, 애플리케이션은 각 호출을 실행하고 해당 결과를 반환합니다. 다음 답변은 이 결과로 다음에 할 일을 판단할 수 있습니다. 제안한 호출은 완료한 작업과 구별됩니다.\n\n같은 문서는 연결된 내장 검색 도구와 개발자가 정의한 함수를 구분합니다. 검색이나 코드 실행은 도구 환경의 일부이며 텍스트 답변의 추가 콘텐츠 모달리티가 아닙니다. 프로토타입에서는 질문에 관련된 작업만 제공하고 각 작업이 반환하는 내용을 설명하여 후속 답변이 실제 검색 또는 계산 정보에 연결되도록 하세요.\n\n구조화된 추출에서는 필드 이름, 필수 정보, 누락 값의 표현 방식을 지정하세요. 실용적인 레코드에는 출처 식별자, 관찰한 사실, 해석, 아직 명확히 해야 할 질문을 담을 수 있습니다. 애플리케이션이 필드를 안정적으로 처리해야 한다면 선택적 설명문과 레코드를 분리하세요. 제조사의 스키마 인터페이스는 재귀 스키마를 거부하고 중첩을 10단계로 제한합니다. strict 모드는 일반 객체 루트, 나열된 모든 속성의 필수 지정, 추가 속성 금지를 요구합니다. 구조가 맞는다고 사실이 정확한 것은 아닙니다.\n\n유용한 프로토타입 작업\n\n점검 가능한 결과물을 만들 수 있는 워크플로 하나를 선택하세요. 요구 사항, 시각 예시, 현재 동작을 결정하는 코드를 제공하세요. 짧은 비교, 수정 코드 조각 제안, 예상 동작과 현재 동작을 구별하는 예시를 요청하세요. 최종 설명을 요청하기 전에 애플리케이션이 반환한 조회나 실행 결과를 포함하세요.\n\n문서 중심 프로토타입에서는 PDF와 답해야 할 질문을 제공한 뒤 출처에 연결된 요약이나 비교표를 요청하세요. 비디오에서는 점검할 사건이나 시각적 관계를 지정하고 근거 관찰을 포함한 순서 있는 설명을 요청하세요. 큰 컨텍스트가 실제 질문에 쓰이도록 최종 답변의 분량과 구역을 정의하세요.\n\n버전과 연속성의 경계\n\nContributor는 문서화된 컨텍스트와 입력 유형을 갖춘 고유한 1.3 버전으로 유지됩니다. Meta의 추론 지침은 일반 대화 이력과 여러 턴에 걸친 비공개 추론 보존을 구별합니다. 제조사의 채팅 인터페이스는 외부 호출자에게 비공개 추론 기록을 반환하지 않습니다. 모든 인터페이스가 내부 추론을 이어 간다고 가정하지 말고 후속 요청에 필요한 눈에 보이는 메시지, 출처, 도구 결과를 유지하세요.\n\n검토한 출처에는 컨텍스트 윈도 외에 별도의 엄격한 최대 입력 또는 출력 토큰 용량이 명시되어 있지 않습니다. 버전, 입력 준비, 요청 결과물을 보존하고 도구 실행과 최종 텍스트 전달을 프로토타입 워크플로에서 실제 얻은 결과에 연결하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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 Contributor는 프로토타입 워크플로를 위한 Meta의 에이전트 및 코딩 계열 추론 버전입니다. 제조사는 텍스트, 이미지, 비디오, PDF 입력과 텍스트 출력, 1,048,576토큰 컨텍스트를 명시하며, 추론 수준은 Standard 1.3의 max 대신 xhigh까지 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Muse Spark 1.3 Contributor는 프로토타입 제작과 실험을 위한 Meta의 Muse Spark 계열에서 별도로 이름이 지정된 버전입니다. 이 계열은 다단계 도구 루프, 소프트웨어 어시스턴트, 방대한 원천 자료에 대한 추론 등 에이전트 및 코딩 작업을 위해 설계되었습니다. 버전을 선택할 때 모든 설정을 그대로 옮긴 Standard 1.3 항목으로 취급하지 말고 Contributor 이름을 유지하세요.
입력과 컨텍스트
공식 모델 표에는 텍스트, 이미지, 비디오, PDF가 입력으로, 텍스트가 출력으로 명시되어 있으며 컨텍스트 윈도는 1,048,576토큰입니다. 작업에서 글로 된 요구 사항, 스크린샷, 관련 영상 또는 문서 페이지를 결합하고 글로 된 설명, 구조화된 발견 사항 또는 제안 코드를 요청할 수 있습니다. 모델의 텍스트 결과는 주변 애플리케이션의 결과물이 될 수 있으며, 페이지 렌더링이나 코드 실행에는 해당 애플리케이션 환경이 필요합니다.
결과를 요청하기 전에 각 출처와 역할을 지정하세요. 인터페이스 프로토타입 작업에서는 스크린샷에 원하는 동작과 기존 코드 조각을 함께 제공할 수 있습니다. 눈에 보이는 차이, 제안하는 구현 변경, 아직 명확히 해야 할 가정을 요청하세요. 문서 작업에서는 추출할 필드를 정의하고 발견 사항마다 근거 페이지나 구절을 함께 요청할 수 있습니다.
제조사는 1.3 버전의 오디오 이해가 완전히 지원되지 않아 응답 품질이 저하될 수 있다고 명시합니다. Muse Spark 1.2나 별도 이름의 전사 모델이 가진 오디오 기능을 이 설명에 옮기지 말고 버전에 한정된 제약으로 다루세요.
추론 수준과 답변 예산
Muse Spark는 눈에 보이는 답변에 앞서 내부 추론을 생성합니다. 여기에 적용되는 문서화된 노력 수준은 minimal, low, medium, high, xhigh입니다. max 수준은 Standard Muse Spark 1.3에만 해당하며 Contributor 모델에서는 사용할 수 없습니다. none으로 추론을 끄는 방식은 지원되지 않으며, 설정을 생략해도 모델이 정한 수준으로 추론합니다.
출력 토큰 예산은 내부 추론과 눈에 보이는 텍스트를 모두 포함합니다. 따라서 긴 글 결과를 요청할 때는 특히 높은 추론 노력 수준에서 두 가지를 위한 공간이 필요합니다. 원시 내부 추론은 비공개로 유지되며 로그 확률도 신뢰도 척도로 지원되지 않습니다. 내부 추론 기록이 읽을 수 있는 텍스트로 반환된다고 가정하지 말고 작업에 필요한 설명, 필드 또는 최종 코드를 요청하세요.
범위가 명확한 추출이나 형식 실험에서는 정확한 레코드와 원천 자료를 정의하세요. 다단계 코딩 또는 시각 문제에서는 중간 결정과 최종 결과물을 정의하세요. 추론 노력을 높이면 추론 배분이 바뀌지만, 그것만으로 완료된 유용한 결과의 기준이 정해지는 것은 아닙니다.
도구와 구조화된 발견 사항
제조사의 Muse Spark 문서는 개발자가 정의한 도구 호출과 구조화된 출력을 설명합니다. 애플리케이션이 도구 정의를 제공하면 모델이 필요한 작업을 결정하고 인수를 준비하며, 애플리케이션은 각 호출을 실행하고 해당 결과를 반환합니다. 다음 답변은 이 결과로 다음에 할 일을 판단할 수 있습니다. 제안한 호출은 완료한 작업과 구별됩니다.
같은 문서는 연결된 내장 검색 도구와 개발자가 정의한 함수를 구분합니다. 검색이나 코드 실행은 도구 환경의 일부이며 텍스트 답변의 추가 콘텐츠 모달리티가 아닙니다. 프로토타입에서는 질문에 관련된 작업만 제공하고 각 작업이 반환하는 내용을 설명하여 후속 답변이 실제 검색 또는 계산 정보에 연결되도록 하세요.
구조화된 추출에서는 필드 이름, 필수 정보, 누락 값의 표현 방식을 지정하세요. 실용적인 레코드에는 출처 식별자, 관찰한 사실, 해석, 아직 명확히 해야 할 질문을 담을 수 있습니다. 애플리케이션이 필드를 안정적으로 처리해야 한다면 선택적 설명문과 레코드를 분리하세요. 제조사의 스키마 인터페이스는 재귀 스키마를 거부하고 중첩을 10단계로 제한합니다. strict 모드는 일반 객체 루트, 나열된 모든 속성의 필수 지정, 추가 속성 금지를 요구합니다. 구조가 맞는다고 사실이 정확한 것은 아닙니다.
유용한 프로토타입 작업
점검 가능한 결과물을 만들 수 있는 워크플로 하나를 선택하세요. 요구 사항, 시각 예시, 현재 동작을 결정하는 코드를 제공하세요. 짧은 비교, 수정 코드 조각 제안, 예상 동작과 현재 동작을 구별하는 예시를 요청하세요. 최종 설명을 요청하기 전에 애플리케이션이 반환한 조회나 실행 결과를 포함하세요.
문서 중심 프로토타입에서는 PDF와 답해야 할 질문을 제공한 뒤 출처에 연결된 요약이나 비교표를 요청하세요. 비디오에서는 점검할 사건이나 시각적 관계를 지정하고 근거 관찰을 포함한 순서 있는 설명을 요청하세요. 큰 컨텍스트가 실제 질문에 쓰이도록 최종 답변의 분량과 구역을 정의하세요.
버전과 연속성의 경계
Contributor는 문서화된 컨텍스트와 입력 유형을 갖춘 고유한 1.3 버전으로 유지됩니다. Meta의 추론 지침은 일반 대화 이력과 여러 턴에 걸친 비공개 추론 보존을 구별합니다. 제조사의 채팅 인터페이스는 외부 호출자에게 비공개 추론 기록을 반환하지 않습니다. 모든 인터페이스가 내부 추론을 이어 간다고 가정하지 말고 후속 요청에 필요한 눈에 보이는 메시지, 출처, 도구 결과를 유지하세요.
검토한 출처에는 컨텍스트 윈도 외에 별도의 엄격한 최대 입력 또는 출력 토큰 용량이 명시되어 있지 않습니다. 버전, 입력 준비, 요청 결과물을 보존하고 도구 실행과 최종 텍스트 전달을 프로토타입 워크플로에서 실제 얻은 결과에 연결하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 meta/muse-spark-1.3-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-1.3-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 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-1.3-contributor
위에 표시된 메서드 경로를 사용하세요.
meta/muse-spark-1.3-contributorMuse Spark 1.3 Contributor는 프로토타입 워크플로를 위한 Meta의 에이전트 및 코딩 계열 추론 버전입니다. 제조사는 텍스트, 이미지, 비디오, PDF 입력과 텍스트 출력, 1,048,576토큰 컨텍스트를 명시하며, 추론 수준은 Standard 1.3의 max 대신 xhigh까지 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Muse Spark 1.3 Contributor는 프로토타입 제작과 실험을 위한 Meta의 Muse Spark 계열에서 별도로 이름이 지정된 버전입니다. 이 계열은 다단계 도구 루프, 소프트웨어 어시스턴트, 방대한 원천 자료에 대한 추론 등 에이전트 및 코딩 작업을 위해 설계되었습니다. 버전을 선택할 때 모든 설정을 그대로 옮긴 Standard 1.3 항목으로 취급하지 말고 Contributor 이름을 유지하세요.
입력과 컨텍스트
공식 모델 표에는 텍스트, 이미지, 비디오, PDF가 입력으로, 텍스트가 출력으로 명시되어 있으며 컨텍스트 윈도는 1,048,576토큰입니다. 작업에서 글로 된 요구 사항, 스크린샷, 관련 영상 또는 문서 페이지를 결합하고 글로 된 설명, 구조화된 발견 사항 또는 제안 코드를 요청할 수 있습니다. 모델의 텍스트 결과는 주변 애플리케이션의 결과물이 될 수 있으며, 페이지 렌더링이나 코드 실행에는 해당 애플리케이션 환경이 필요합니다.
결과를 요청하기 전에 각 출처와 역할을 지정하세요. 인터페이스 프로토타입 작업에서는 스크린샷에 원하는 동작과 기존 코드 조각을 함께 제공할 수 있습니다. 눈에 보이는 차이, 제안하는 구현 변경, 아직 명확히 해야 할 가정을 요청하세요. 문서 작업에서는 추출할 필드를 정의하고 발견 사항마다 근거 페이지나 구절을 함께 요청할 수 있습니다.
제조사는 1.3 버전의 오디오 이해가 완전히 지원되지 않아 응답 품질이 저하될 수 있다고 명시합니다. Muse Spark 1.2나 별도 이름의 전사 모델이 가진 오디오 기능을 이 설명에 옮기지 말고 버전에 한정된 제약으로 다루세요.
추론 수준과 답변 예산
Muse Spark는 눈에 보이는 답변에 앞서 내부 추론을 생성합니다. 여기에 적용되는 문서화된 노력 수준은 minimal, low, medium, high, xhigh입니다. max 수준은 Standard Muse Spark 1.3에만 해당하며 Contributor 모델에서는 사용할 수 없습니다. none으로 추론을 끄는 방식은 지원되지 않으며, 설정을 생략해도 모델이 정한 수준으로 추론합니다.
출력 토큰 예산은 내부 추론과 눈에 보이는 텍스트를 모두 포함합니다. 따라서 긴 글 결과를 요청할 때는 특히 높은 추론 노력 수준에서 두 가지를 위한 공간이 필요합니다. 원시 내부 추론은 비공개로 유지되며 로그 확률도 신뢰도 척도로 지원되지 않습니다. 내부 추론 기록이 읽을 수 있는 텍스트로 반환된다고 가정하지 말고 작업에 필요한 설명, 필드 또는 최종 코드를 요청하세요.
범위가 명확한 추출이나 형식 실험에서는 정확한 레코드와 원천 자료를 정의하세요. 다단계 코딩 또는 시각 문제에서는 중간 결정과 최종 결과물을 정의하세요. 추론 노력을 높이면 추론 배분이 바뀌지만, 그것만으로 완료된 유용한 결과의 기준이 정해지는 것은 아닙니다.
도구와 구조화된 발견 사항
제조사의 Muse Spark 문서는 개발자가 정의한 도구 호출과 구조화된 출력을 설명합니다. 애플리케이션이 도구 정의를 제공하면 모델이 필요한 작업을 결정하고 인수를 준비하며, 애플리케이션은 각 호출을 실행하고 해당 결과를 반환합니다. 다음 답변은 이 결과로 다음에 할 일을 판단할 수 있습니다. 제안한 호출은 완료한 작업과 구별됩니다.
같은 문서는 연결된 내장 검색 도구와 개발자가 정의한 함수를 구분합니다. 검색이나 코드 실행은 도구 환경의 일부이며 텍스트 답변의 추가 콘텐츠 모달리티가 아닙니다. 프로토타입에서는 질문에 관련된 작업만 제공하고 각 작업이 반환하는 내용을 설명하여 후속 답변이 실제 검색 또는 계산 정보에 연결되도록 하세요.
구조화된 추출에서는 필드 이름, 필수 정보, 누락 값의 표현 방식을 지정하세요. 실용적인 레코드에는 출처 식별자, 관찰한 사실, 해석, 아직 명확히 해야 할 질문을 담을 수 있습니다. 애플리케이션이 필드를 안정적으로 처리해야 한다면 선택적 설명문과 레코드를 분리하세요. 제조사의 스키마 인터페이스는 재귀 스키마를 거부하고 중첩을 10단계로 제한합니다. strict 모드는 일반 객체 루트, 나열된 모든 속성의 필수 지정, 추가 속성 금지를 요구합니다. 구조가 맞는다고 사실이 정확한 것은 아닙니다.
유용한 프로토타입 작업
점검 가능한 결과물을 만들 수 있는 워크플로 하나를 선택하세요. 요구 사항, 시각 예시, 현재 동작을 결정하는 코드를 제공하세요. 짧은 비교, 수정 코드 조각 제안, 예상 동작과 현재 동작을 구별하는 예시를 요청하세요. 최종 설명을 요청하기 전에 애플리케이션이 반환한 조회나 실행 결과를 포함하세요.
문서 중심 프로토타입에서는 PDF와 답해야 할 질문을 제공한 뒤 출처에 연결된 요약이나 비교표를 요청하세요. 비디오에서는 점검할 사건이나 시각적 관계를 지정하고 근거 관찰을 포함한 순서 있는 설명을 요청하세요. 큰 컨텍스트가 실제 질문에 쓰이도록 최종 답변의 분량과 구역을 정의하세요.
버전과 연속성의 경계
Contributor는 문서화된 컨텍스트와 입력 유형을 갖춘 고유한 1.3 버전으로 유지됩니다. Meta의 추론 지침은 일반 대화 이력과 여러 턴에 걸친 비공개 추론 보존을 구별합니다. 제조사의 채팅 인터페이스는 외부 호출자에게 비공개 추론 기록을 반환하지 않습니다. 모든 인터페이스가 내부 추론을 이어 간다고 가정하지 말고 후속 요청에 필요한 눈에 보이는 메시지, 출처, 도구 결과를 유지하세요.
검토한 출처에는 컨텍스트 윈도 외에 별도의 엄격한 최대 입력 또는 출력 토큰 용량이 명시되어 있지 않습니다. 버전, 입력 준비, 요청 결과물을 보존하고 도구 실행과 최종 텍스트 전달을 프로토타입 워크플로에서 실제 얻은 결과에 연결하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 meta/muse-spark-1.3-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 $0.000004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "meta/muse-spark-1.3-contributor",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-1.3-contributor
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.