Meta: Muse Spark 1.3 Contributor
Muse Spark 1.3 Contributor ialah edisi penaakulan dalam keluarga agentik dan pengekodan Meta untuk aliran kerja prototaip. Pengeluarnya menyenaraikan input teks, imej, video dan PDF, output teks serta konteks 1,048,576 token, dengan tahap penaakulan sehingga xhigh dan bukannya max pada Standard 1.3.
- Ailoot Ultra · OpenAI Chat
POST /v1/chat/completionsmeta/muse-spark-1.3-contributor - Ailoot Ultra · Anthropic Messages
POST /v1/messagesmeta/muse-spark-1.3-contributor
Tentang model
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Muse Spark 1.3 Contributor ialah edisi yang dinamakan secara berasingan dalam keluarga Muse Spark Meta untuk pemprototaipan dan eksperimen. Keluarga ini direka untuk kerja agentik dan pengekodan: gelung alat berbilang langkah, pembantu perisian dan penaakulan atas bahan sumber yang banyak. Kekalkan nama Contributor apabila memilih edisi dan bukannya menganggapnya sebagai entri Standard 1.3 dengan setiap tetapan dipindahkan tanpa perubahan.
Input dan konteks
Jadual model rasmi menyenaraikan teks, imej, video dan PDF sebagai input serta teks sebagai output, dengan tetingkap konteks 1,048,576 token. Tugas boleh menggabungkan keperluan bertulis, tangkapan skrin, klip yang berkaitan atau halaman dokumen dan meminta penjelasan bertulis, penemuan berstruktur atau kod yang dicadangkan. Hasil teks model boleh menjadi artifak dalam aplikasi sekeliling; pemaparan halaman atau pelaksanaan kod memerlukan persekitaran aplikasi tersebut.
Kenal pasti setiap sumber dan peranannya sebelum meminta hasil. Tugas antara muka prototaip boleh memadankan tangkapan skrin dengan tingkah laku yang dikehendaki dan fragmen kod sedia ada. Minta perbezaan yang kelihatan, perubahan pelaksanaan yang dicadangkan dan andaian yang masih memerlukan penjelasan. Tugas dokumen boleh menetapkan medan untuk diekstrak dan meminta halaman atau petikan sokongan di sebelah setiap penemuan.
Pengeluar menyatakan bahawa pemahaman audio dalam versi 1.3 belum disokong sepenuhnya dan mungkin menghasilkan respons yang merosot. Anggapnya sebagai had khusus versi dan bukannya menyalin keupayaan audio Muse Spark 1.2 atau model transkripsi yang dinamakan secara berasingan ke dalam huraian ini.
Tahap penaakulan dan bajet jawapan
Muse Spark menjana penaakulan dalaman sebelum jawapan yang kelihatan. Tahap usaha terdokumen yang terpakai di sini ialah minimal, low, medium, high dan xhigh. Tahap max khusus kepada Standard Muse Spark 1.3 dan tidak tersedia untuk model Contributor. Melumpuhkan penaakulan dengan none tidak disokong; mengabaikan tetapan itu masih membiarkan model menaakul pada tahap yang ditentukan model.
Bajet token output meliputi penaakulan dalaman dan teks yang kelihatan. Oleh itu, permintaan hasil bertulis yang panjang memerlukan ruang untuk kedua-duanya, terutamanya pada usaha penaakulan yang lebih tinggi. Penaakulan dalaman mentah kekal peribadi, dan kebarangkalian log tidak disokong sebagai ukuran keyakinan. Minta penjelasan, medan atau kod akhir yang diperlukan tugas dan bukannya menganggap jejak penaakulan asas akan dikembalikan sebagai teks yang boleh dibaca.
Untuk eksperimen pengekstrakan atau pemformatan terfokus, tetapkan rekod dan bahan sumber yang tepat. Untuk masalah pengekodan atau visual berbilang langkah, tetapkan keputusan perantaraan dan artifak akhir. Usaha penaakulan yang lebih tinggi mengubah peruntukan penaakulan; ia tidak dengan sendirinya menentukan hasil berguna yang dianggap selesai.
Alat dan penemuan berstruktur
Dokumentasi Muse Spark pengeluar menerangkan panggilan alat yang ditakrifkan pembangun dan output berstruktur. Aplikasi membekalkan takrif alat, model memutuskan operasi yang diperlukan dan menyediakan argumennya, dan aplikasi melaksanakan setiap panggilan serta mengembalikan hasil yang sepadan. Jawapan seterusnya boleh menggunakan hasil itu untuk memutuskan langkah seterusnya. Panggilan yang dicadangkan berbeza daripada operasi yang telah selesai.
Dokumentasi yang sama membezakan alat carian terbina dalam yang disambungkan daripada fungsi yang ditakrifkan pembangun. Carian atau pelaksanaan kod ialah sebahagian daripada persekitaran alat, bukannya modaliti kandungan tambahan bagi jawapan teks. Dalam prototaip, bekalkan hanya operasi yang berkaitan dengan soalan dan terangkan perkara yang dikembalikan oleh setiap operasi supaya jawapan berikutnya kekal berkait dengan maklumat sebenar yang diperoleh atau dikira.
Untuk pengekstrakan berstruktur, nyatakan nama medan, maklumat yang diperlukan dan perwakilan nilai yang tiada. Rekod praktikal boleh mengandungi pengecam sumber, fakta yang diperhatikan, tafsiran dan soalan yang masih memerlukan penjelasan. Asingkan rekod daripada prosa pilihan apabila aplikasi perlu memproses medan dengan cara yang boleh dipercayai. Antara muka skema pengeluar menolak skema rekursif dan mengehadkan sarangan kepada sepuluh peringkat. Mod strictnya memerlukan akar objek biasa, setiap sifat tersenarai diwajibkan dan sifat tambahan tidak dibenarkan. Struktur yang sepadan tidak membuktikan ketepatan fakta.
Tugas prototaip yang berguna
Pilih satu aliran kerja yang boleh menghasilkan artifak yang boleh disemak. Bekalkan keperluan, contoh visual dan kod yang menentukan tingkah laku semasa. Minta perbandingan ringkas, cadangan fragmen yang disemak semula dan contoh yang membezakan tingkah laku dijangka daripada tingkah laku semasa. Sertakan sebarang hasil carian atau pelaksanaan yang dikembalikan aplikasi sebelum meminta penjelasan akhir.
Untuk prototaip berorientasikan dokumen, berikan PDF dan soalan yang perlu dijawab, kemudian minta ringkasan berkaitan sumber atau jadual perbandingan. Untuk video, kenal pasti peristiwa atau hubungan visual yang perlu diperiksa dan minta huraian mengikut turutan bersama pemerhatian yang menyokongnya. Tetapkan panjang dan bahagian jawapan akhir supaya konteks besar model memenuhi soalan sebenar.
Sempadan edisi dan kesinambungan
Contributor kekal sebagai edisi 1.3 yang dinamakan tersendiri, dengan konteks dan jenis input yang didokumenkan. Panduan penaakulan Meta membezakan sejarah perbualan biasa daripada pemeliharaan penaakulan peribadi merentas giliran: antara muka sembang pengeluar tidak mengembalikan jejak peribadi itu kepada pemanggil luaran. Simpan mesej yang kelihatan, sumber dan hasil alat yang diperlukan untuk susulan dan bukannya menganggap setiap antara muka membawa penaakulan dalaman ke hadapan.
Sumber yang dibaca tidak menetapkan had maksimum mutlak token input atau output secara berasingan di luar tetingkap konteks. Kekalkan edisi, penyediaan input dan artifak yang diminta, serta hubungkan pelaksanaan alat dan penyampaian teks akhir dengan hasil yang benar-benar diperoleh dalam aliran kerja prototaip.
Tugas praktikal
Tugas praktikal
Contoh teknikal dalam bahasa Inggeris
Prototype and test a text-only helper
Design 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.Hasil yang dijangka
A self-contained function, boundary-case assertions and explicit assumptions about input fields.Semak hasil
Exactly the 0- and 30-minute records qualify, and the function does not send messages or assume calendar access.Ailoot Ultra · OpenAI Chat POST /v1/chat/completions meta/muse-spark-1.3-contributor
meta/muse-spark-1.3-contributor
meta/muse-spark-1.3-contributorPengenalan
Muse Spark 1.3 Contributor ialah edisi penaakulan dalam keluarga agentik dan pengekodan Meta untuk aliran kerja prototaip. Pengeluarnya menyenaraikan input teks, imej, video dan PDF, output teks serta konteks 1,048,576 token, dengan tahap penaakulan sehingga xhigh dan bukannya max pada Standard 1.3.
- Input yang diterima
- Teks
- Hasil
- Teks
Tersedia di Ailoot · input & kaedah
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
- Input
text- Output
text- Format output
- json atau SSE
| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had meta/muse-spark-1.3-contributor | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Gabungan bahan input
Teks · Teks UTF8
messages[].content
Parameter kaedah dan kitar hayat
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Pelan harga
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
- Mod pantas
- Kadar standard Apabila mod pantas dipilih
- Mod flex
- Kadar standard Apabila mod flex dipilih
- Usaha penaakulan maksimum
- Kadar standard Apabila usaha penaakulan maksimum menggunakan pelarasan default
- Usaha penaakulan · high
- Kadar standard Apabila usaha penaakulan ditetapkan kepada high
- Usaha penaakulan · low
- Kadar standard Apabila usaha penaakulan ditetapkan kepada low
- Usaha penaakulan · max
- Kadar standard Apabila usaha penaakulan ditetapkan kepada max
- Usaha penaakulan · medium
- Kadar standard Apabila usaha penaakulan ditetapkan kepada medium
- Usaha penaakulan · minimal
- Kadar standard Apabila usaha penaakulan ditetapkan kepada minimal
- Usaha penaakulan · xhigh
- Kadar standard Apabila usaha penaakulan ditetapkan kepada xhigh
Kadar Ailoot
Harga mengikut konfigurasi
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.0004 / 1K token Input · Bacaan cache $0.000004 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.0004 / 1K token Input · Bacaan cache $0.000004 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Contoh permintaan
Ailoot Ultra · OpenAI Chat
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=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."}]}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os
if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='meta/muse-spark-1.3-contributor',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path
def save_result(data, stem="result"):
# Keep every field, including usage, IDs, reasoning and tool requests.
Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
print(json.dumps(data, ensure_ascii=False, indent=2))
def save_blob(encoded, suffix, label):
raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
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
file = Path(stem + "-" + label + "." + ext)
file.write_bytes(raw)
print("Saved", file)
for index, block in enumerate(data.get("content") or []):
print("Content", index, json.dumps(block, ensure_ascii=False))
for choice in data.get("choices") or []:
print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
for index, item in enumerate(data.get("output") or []):
print("Output", index, json.dumps(item, ensure_ascii=False))
if item.get("type") == "image_generation_call" and item.get("result"):
save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
for ci, candidate in enumerate(data.get("candidates") or []):
for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
blob = part.get("inlineData") or part.get("inline_data")
if blob and blob.get("data"):
mime = blob.get("mimeType") or blob.get("mime_type")
suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))
save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path
if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path
def save_result(data, stem="result"):
# Keep every field, including usage, IDs, reasoning and tool requests.
Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
print(json.dumps(data, ensure_ascii=False, indent=2))
def save_blob(encoded, suffix, label):
raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
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
file = Path(stem + "-" + label + "." + ext)
file.write_bytes(raw)
print("Saved", file)
for index, block in enumerate(data.get("content") or []):
print("Content", index, json.dumps(block, ensure_ascii=False))
for choice in data.get("choices") or []:
print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
for index, item in enumerate(data.get("output") or []):
print("Output", index, json.dumps(item, ensure_ascii=False))
if item.get("type") == "image_generation_call" and item.get("result"):
save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
for ci, candidate in enumerate(data.get("candidates") or []):
for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
blob = part.get("inlineData") or part.get("inline_data")
if blob and blob.get("data"):
mime = blob.get("mimeType") or blob.get("mime_type")
suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))
with client.chat.completions.stream(model='meta/muse-spark-1.3-contributor',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
for event in stream:
payload=event.to_dict(mode="json")
log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
print(json.dumps(payload,ensure_ascii=False))
final=stream.get_final_completion()
save_result(final.to_dict(mode="json"),"stream-result")
Terima dan simpan hasil
Ailoot Ultra · OpenAI Chat
json atau SSE
Simpan semua hasil yang selesai
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Jika respons asal perlu disemak
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
Medan respons
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
Ralat dan langkah seterusnya
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Alias
Alias model
Ailoot Ultra meta/muse-spark-1.3-contributor
Alias laluan kaedah
Gunakan laluan kaedah yang dipaparkan di atas.
ID pemanggil berkaitan
Ailoot Ultra · Anthropic Messages POST /v1/messages meta/muse-spark-1.3-contributor
meta/muse-spark-1.3-contributor
meta/muse-spark-1.3-contributorPengenalan
Muse Spark 1.3 Contributor ialah edisi penaakulan dalam keluarga agentik dan pengekodan Meta untuk aliran kerja prototaip. Pengeluarnya menyenaraikan input teks, imej, video dan PDF, output teks serta konteks 1,048,576 token, dengan tahap penaakulan sehingga xhigh dan bukannya max pada Standard 1.3.
- Input yang diterima
- Teks
- Hasil
- json · sse
Tersedia di Ailoot · input & kaedah
Ailoot Ultra · Anthropic Messages POST /v1/messages
- Input
text- Output
json,sse- Format output
- JSON atau SSE
| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had meta/muse-spark-1.3-contributor | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Gabungan bahan input
Teks · Teks UTF-8
rentetan messages[].content
Parameter kaedah dan kitar hayat
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Pelan harga
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
- Mod pantas
- Kadar standard Apabila mod pantas dipilih
- Mod flex
- Kadar standard Apabila mod flex dipilih
- Usaha penaakulan maksimum
- Kadar standard Apabila usaha penaakulan maksimum menggunakan pelarasan default
- Usaha penaakulan · high
- Kadar standard Apabila usaha penaakulan ditetapkan kepada high
- Usaha penaakulan · low
- Kadar standard Apabila usaha penaakulan ditetapkan kepada low
- Usaha penaakulan · max
- Kadar standard Apabila usaha penaakulan ditetapkan kepada max
- Usaha penaakulan · medium
- Kadar standard Apabila usaha penaakulan ditetapkan kepada medium
- Usaha penaakulan · minimal
- Kadar standard Apabila usaha penaakulan ditetapkan kepada minimal
- Usaha penaakulan · xhigh
- Kadar standard Apabila usaha penaakulan ditetapkan kepada xhigh
Kadar Ailoot
Harga mengikut konfigurasi
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.0004 / 1K token Input · Bacaan cache $0.000004 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.0004 / 1K token Input · Bacaan cache $0.000004 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Contoh permintaan
Ailoot Ultra · Anthropic Messages
{
"model": "meta/muse-spark-1.3-contributor",
"max_tokens": 128,
"messages": [
{
"role": "user",
"content": "Summarize the incident report."
}
],
"stream": false
}set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path
source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
raise SystemExit('Choose a document containing text')
payload = {'model': 'meta/muse-spark-1.3-contributor', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
-H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path
source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
raise SystemExit('Choose a document containing text')
payload = {'model': 'meta/muse-spark-1.3-contributor', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError
api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
with urlopen(request, timeout=120) as response:
raw = response.read()
Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
Path('result.json').write_bytes(error.read())
Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path
result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
Terima dan simpan hasil
Ailoot Ultra · Anthropic Messages
JSON atau SSE
Simpan semua hasil yang selesai
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Jika respons asal perlu disemak
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
Medan respons
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
Ralat dan langkah seterusnya
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Alias
Alias model
Ailoot Ultra meta/muse-spark-1.3-contributor
Alias laluan kaedah
Gunakan laluan kaedah yang dipaparkan di atas.
ID pemanggil berkaitan
FAQ · Meta: Muse Spark 1.3 Contributor
- Apakah input dan hasil yang tersedia?
POST /v1/chat/completions·meta/muse-spark-1.3-contributor:text→textPOST /v1/messages·meta/muse-spark-1.3-contributor:text→json,sse- Apakah medan yang digunakan oleh permintaan?
POST /v1/chat/completions·meta/muse-spark-1.3-contributor:model,messages,stream,modalities,providerPOST /v1/messages·meta/muse-spark-1.3-contributor:model,messages,max_tokens,stream- Apakah had yang terpakai?
POST /v1/chat/completions·meta/muse-spark-1.3-contributor:messages.min_items:1