Meta: Muse Spark 1.3
Muse Spark 1.3 ialah model penaakulan multimodal Meta untuk ejen yang berjalan lama dan aliran kerja pengekodan. Model ini menjejak sumber dan hasil terdahulu, menyokong konteks pengeluar 1,048,576 token serta tahap penaakulan sehingga max pada edisi Standard ini, dan mengembalikan teks serta tindakan alat yang dicadangkan.
- Ailoot Ultra · OpenAI Chat
POST /v1/chat/completionsmeta/muse-spark-1.3 - Ailoot Ultra · Anthropic Messages
POST /v1/messagesmeta/muse-spark-1.3
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 ialah model penaakulan Meta untuk kerja agentik dan pengekodan berterusan. Pengeluar menekankan pengekalan konteks dan hasil terdahulu sepanjang tugas lanjutan, menangani sumber yang bercanggah dan menghasilkan hasil kerja yang selesai. Entri ini ialah edisi Standard 1.3, yang tetapan penaakulan terdokumennya merangkumi max; edisi Contributor yang dinamakan secara berasingan mempunyai sempadan tetapannya sendiri.
Kerja ejen jangka panjang
Keluaran ini menerangkan model yang dilatih merentas persekitaran ejen yang berbeza untuk mengumpulkan maklumat, menyemak pelan apabila bukti berubah dan mengekalkan keperluan terperinci sepanjang tugas berbilang langkah. Ia turut menerangkan pengendalian beberapa aliran kerja yang lebih baik dalam satu urutan perbualan, dengan permintaan masuk dipadankan kepada tugas yang berkaitan. Permintaan yang berguna perlu menetapkan objektif, sumber, keperluan dan artifak yang akan dikira sebagai penyelesaian.
Untuk tugas dokumen profesional, berikan laporan sumber, kenal pasti fakta yang mesti dikekalkan dan minta taklimat berstruktur dengan lokasi sumber. Jika sumber bercanggah, minta pernyataan yang bercanggah secara berasingan serta maklumat yang diperlukan untuk menyelesaikannya. Untuk tugas pengekodan, sertakan tingkah laku yang dimaksudkan, modul terjejas dan kod berkaitan; minta pelaksanaan yang dicadangkan dan bukti yang akan membezakan hasil yang dimaksudkan.
Pengeluar menyatakan bahawa 1.3 meminta penjelasan apabila permintaan kabur dan mendapatkan bantuan pengguna apabila tersekat. Ia turut menerangkan pertimbangan yang lebih baik tentang tindakan berakibat besar. Ini ialah penambahbaikan tingkah laku model dan bukannya pengganti kawalan pelaksanaan aplikasi. Berikan ejen maklumat yang diperlukan untuk memutuskan dan nyatakan hasil yang diperlukan dengan jelas.
Pengekodan dan bukti multimodal
Keluaran ini memfokuskan tugas pengekodan yang lebih panjang, output yang lebih kemas dan kurang giliran yang tidak diperlukan berbanding 1.2. Aliran kerja ejen pengekodan boleh memeriksa tangkapan skrin, mencari kod berkaitan, mencadangkan pembetulan dan menggunakan maklum balas pelaksanaan atau pemaparan yang dikembalikan oleh alatnya. Nyatakan antara muka yang mesti kekal serasi dan minta artifak yang diubah secara berasingan daripada andaian dan penjelasannya.
Jadual model rasmi menyenaraikan input teks, imej, video dan PDF dengan output teks serta konteks 1,048,576 token. Imej atau klip boleh membekalkan bukti yang kelihatan bersama tugas bertulis. Soalan carta perlu mengekalkan paksi, petunjuk dan unit; soalan tangkapan skrin perlu mengenal pasti tingkah laku untuk dihasilkan semula atau diperiksa. Soalan PDF boleh meminta pengekstrakan atau perbandingan berkaitan sumber dan bukannya ringkasan umum setiap halaman.
Pengeluar menyatakan secara jelas bahawa pemahaman audio dalam 1.3 belum disokong sepenuhnya dan respons yang mengandungi audio mungkin merosot. Ini berbeza daripada keupayaan audio-visual 1.2 yang didokumenkan. Hasil teks model juga tidak dengan sendirinya menjana imej, rakaman pertuturan atau fail siap tanpa alat aplikasi sekeliling.
Usaha penaakulan dan kesinambungan
Tahap yang didokumenkan ialah minimal, low, medium, high, xhigh dan max. Max khusus kepada Standard 1.3. Muse Spark tidak menyokong pelumpuhan penaakulan dengan none; mengabaikan tetapan itu membiarkan tahap penaakulan ditentukan model. Pilih usaha untuk masalah sebenar dan tinggalkan ruang untuk penaakulan dalaman serta hasil bertulis yang diperlukan.
Token penaakulan dan token yang kelihatan berkongsi bajet output. Penaakulan dalaman mentah kekal peribadi dan tidak dikembalikan sebagai teks biasa yang boleh dibaca. Pengeluar membezakan sejarah perbualan yang kelihatan daripada kesinambungan penaakulan peribadi: antara muka sembangnya tidak mendedahkan jejak yang boleh dimainkan semula oleh pemanggil luaran, manakala aliran kerja perbualannya yang lain dan didokumenkan menyokong sambungan penaakulan terurus atau tersulit. Kekalkan sumber, mesej yang kelihatan dan hasil alat sebenar yang diperlukan oleh susulan dan bukannya menganggap semua antara muka mengekalkan penaakulan peribadi secara sama.
Alat dan hasil kerja berstruktur
Aplikasi membekalkan huraian fungsi yang ditakrifkan pembangun, model mencipta argumen panggilan yang diperlukan, dan aplikasi melaksanakan setiap panggilan serta mengembalikan hasil berkaitannya. Model boleh meminta beberapa fungsi dalam satu giliran. Kembalikan hasil bagi setiap operasi asal sebelum meminta kesimpulan seterusnya, supaya jawapan menggunakan maklumat sebenar yang diperoleh atau dikira.
Pengeluar mendokumenkan alat carian terbina dalam secara berasingan yang dilaksanakan dalam perkhidmatannya yang disambungkan. Fungsi pembangun dan alat terbina dalam itu mempunyai aturan pelaksanaan yang berbeza. Model boleh menaakul tentang maklumat yang diperlukannya, tetapi memilih model sahaja tidak menyediakan akses repositori, pelayar atau sumber maklumat persendirian.
Output berstruktur boleh mengehadkan hasil kepada skema JSON yang dibekalkan. Tetapkan medan dan jenis yang diperlukan oleh langkah seterusnya serta cara mengendalikan maklumat sumber yang tiada. Dalam mod skema strict pengeluar, akar ialah objek biasa, setiap sifat diwajibkan dan sifat tambahan tidak dibenarkan; skema rekursif ditolak. Ini ialah kekangan pada antara muka berstruktur pengeluar, bukannya bukti bahawa fakta dalam rekod berbentuk betul adalah benar.
Untuk artifak akhir yang berguna, minta penemuan yang disokong sumber, perubahan atau dokumen yang dicadangkan serta syarat yang belum diselesaikan secara berasingan. Sumber yang dibaca tidak memberikan had maksimum mutlak token input atau output secara berasingan di luar konteks yang didokumenkan. Pastikan identiti Standard 1.3, pilihan penaakulan dan hasil pelaksanaan yang disambungkan dinyatakan dengan jelas sepanjang tugas.
Tugas praktikal
Tugas praktikal
Contoh teknikal dalam bahasa Inggeris
Resolve conflicting project reports
Prepare 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.Hasil yang dijangka
A source-linked brief with established facts, the blocking condition and one concrete evidence request.Semak hasil
Staging checks alone never satisfy the policy's restoration-rehearsal requirement.Ailoot Ultra · OpenAI Chat POST /v1/chat/completions meta/muse-spark-1.3
meta/muse-spark-1.3Pengenalan
Muse Spark 1.3 ialah model penaakulan multimodal Meta untuk ejen yang berjalan lama dan aliran kerja pengekodan. Model ini menjejak sumber dan hasil terdahulu, menyokong konteks pengeluar 1,048,576 token serta tahap penaakulan sehingga max pada edisi Standard ini, dan mengembalikan teks serta tindakan alat yang dicadangkan.
- 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 | 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 $0.0025 / 1K token Output · Token output $0.0085 / 1K token Input · Bacaan cache $0.0003 / 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 $0.0025 / 1K token Output · Token output $0.0085 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Contoh permintaan
Ailoot Ultra · OpenAI Chat
set -eu
: "${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", "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',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',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
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
meta/muse-spark-1.3Pengenalan
Muse Spark 1.3 ialah model penaakulan multimodal Meta untuk ejen yang berjalan lama dan aliran kerja pengekodan. Model ini menjejak sumber dan hasil terdahulu, menyokong konteks pengeluar 1,048,576 token serta tahap penaakulan sehingga max pada edisi Standard ini, dan mengembalikan teks serta tindakan alat yang dicadangkan.
- 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 | 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 $0.0025 / 1K token Output · Token output $0.0085 / 1K token Input · Bacaan cache $0.0003 / 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 $0.0025 / 1K token Output · Token output $0.0085 / 1K token Input · Bacaan cache $0.0003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Contoh permintaan
Ailoot Ultra · Anthropic Messages
{
"model": "meta/muse-spark-1.3",
"max_tokens": 128,
"messages": [
{
"role": "user",
"content": "Summarize the incident report."
}
],
"stream": false
}set -eu
: "${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', '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', '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
Alias laluan kaedah
Gunakan laluan kaedah yang dipaparkan di atas.
ID pemanggil berkaitan
FAQ · Meta: Muse Spark 1.3
- Apakah input dan hasil yang tersedia?
POST /v1/chat/completions·meta/muse-spark-1.3:text→textPOST /v1/messages·meta/muse-spark-1.3:text→json,sse- Apakah medan yang digunakan oleh permintaan?
POST /v1/chat/completions·meta/muse-spark-1.3:model,messages,stream,modalities,providerPOST /v1/messages·meta/muse-spark-1.3:model,messages,max_tokens,stream- Apakah had yang terpakai?
POST /v1/chat/completions·meta/muse-spark-1.3:messages.min_items:1