model

Meta: Muse Spark Open

Markdown · JSON

Meta: Muse Spark Open

meta/muse-spark-open
MetaTeksInput USD 0.0025 / 1KOutput USD 0.0085 / 1K

Model Meta dengan pemberat terbuka untuk pengaturcaraan, penaakulan berbilang langkah dan konteks teks besar.

Model Meta untuk pembangunan dan tugas panjang

Muse Spark Open ialah versi Muse Spark dengan pemberat diterbitkan, berfokus pada pengaturcaraan dan aliran kerja ejen. Meta menekankan tugas yang perlu mengekalkan matlamat sepanjang beberapa langkah: memahami projek, merancang perubahan, menyediakan kod dan menyelaraskan hasil dengan keperluan asal. Dalam Ailoot API, model menerima mesej teks dan mengembalikan teks.

Menurut Meta, Muse Spark Open mempunyai jumlah 816 bilion parameter dan 42 bilion parameter aktif bagi setiap token. Angka ini menerangkan struktur model: saiz keseluruhan dan bahagian yang digunakan semasa memproses token. Pemberat yang diterbitkan tidak bermakna pengguna mesti memuat turunnya atau menyediakan operasi setempat untuk bekerja dalam Ailoot API.

Kod dan keperluan

Permintaan teks boleh mengandungi tugas, petikan sumber, maklumat persekitaran dan tingkah laku yang dijangka. Untuk analisis ralat, lampirkan mesej sebenar, contoh minimum dan batasan perubahan. Model boleh menyediakan penjelasan, cadangan pembaikan dan semakan; pelaksanaan kod serta pengesahan hasil kekal sebagai tindakan berasingan dalam aliran kerja.

Semasa mereka bentuk perubahan, tetapkan urutan hasil: nyatakan bahagian terjejas, terangkan penyelesaian, kemudian bentangkan kod. Untuk semakan, lampirkan keperluan bersama petikan yang berubah supaya perbincangan berasaskan tingkah laku sistem dan bukan sekadar gaya penulisan. Cara ini selaras dengan fokus model: pengaturcaraan dan penyelesaian tugas berbilang langkah.

Konteks dalam Ailoot API

Muse Spark Open mempunyai konteks 1 048 576 token untuk bahan teks besar dan sejarah tugas. Tetingkap besar memudahkan penelitian bersama keperluan, dokumentasi dan modul berkaitan; kekalkan nama fail serta sempadan petikan dengan jelas supaya dapat dirujuk dalam jawapan.

Model asas Muse Spark Open bersifat multimodal, tetapi kaedah Ailoot API semasa bagi kad ini menggunakan teks. Analisis lampiran imej, audio atau video serta kawalan program tidak dinyatakan dalam penerangan ini. Demonstrasi ejen Meta menunjukkan model dalam persekitaran alat berasingan; jawapan teks sahaja tidak membuktikan perubahan telah dilaksanakan dalam aplikasi atau repositori.

Tersedia melalui Ailoot API

Ultra Anthropic MessagesPOST /v1/messages
Input
text
Output
text
Konteks
Tidak dinyatakan dalam katalog
Respons maksimum
Tidak dinyatakan dalam katalog
Input
USD 0.0025 / 1K
Output
USD 0.0085 / 1K
Bacaan cache
USD 0.0003 / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Input
text
Output
text
Konteks
Tidak dinyatakan dalam katalog
Respons maksimum
Tidak dinyatakan dalam katalog
Input
USD 0.0025 / 1K
Output
USD 0.0085 / 1K
Bacaan cache
USD 0.0003 / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Input
text
Output
text
Konteks
Tidak dinyatakan dalam katalog
Respons maksimum
Tidak dinyatakan dalam katalog
Input
USD 0.0025 / 1K
Output
USD 0.0085 / 1K
Bacaan cache
USD 0.0003 / 1K
Ultra Gemini generateContentPOST /v1beta/models/meta/muse-spark-open:generateContent
Input
text
Output
text
Konteks
Tidak dinyatakan dalam katalog
Respons maksimum
Tidak dinyatakan dalam katalog
Input
USD 0.0025 / 1K
Output
USD 0.0085 / 1K
Bacaan cache
USD 0.0003 / 1K
meta/muse-spark-open · JSON
{"about":"### Model Meta untuk pembangunan dan tugas panjang\n\nMuse Spark Open ialah versi Muse Spark dengan pemberat diterbitkan, berfokus pada pengaturcaraan dan aliran kerja ejen. Meta menekankan tugas yang perlu mengekalkan matlamat sepanjang beberapa langkah: memahami projek, merancang perubahan, menyediakan kod dan menyelaraskan hasil dengan keperluan asal. Dalam Ailoot API, model menerima mesej teks dan mengembalikan teks.\n\nMenurut Meta, Muse Spark Open mempunyai jumlah 816 bilion parameter dan 42 bilion parameter aktif bagi setiap token. Angka ini menerangkan struktur model: saiz keseluruhan dan bahagian yang digunakan semasa memproses token. Pemberat yang diterbitkan tidak bermakna pengguna mesti memuat turunnya atau menyediakan operasi setempat untuk bekerja dalam Ailoot API.\n\n### Kod dan keperluan\n\nPermintaan teks boleh mengandungi tugas, petikan sumber, maklumat persekitaran dan tingkah laku yang dijangka. Untuk analisis ralat, lampirkan mesej sebenar, contoh minimum dan batasan perubahan. Model boleh menyediakan penjelasan, cadangan pembaikan dan semakan; pelaksanaan kod serta pengesahan hasil kekal sebagai tindakan berasingan dalam aliran kerja.\n\nSemasa mereka bentuk perubahan, tetapkan urutan hasil: nyatakan bahagian terjejas, terangkan penyelesaian, kemudian bentangkan kod. Untuk semakan, lampirkan keperluan bersama petikan yang berubah supaya perbincangan berasaskan tingkah laku sistem dan bukan sekadar gaya penulisan. Cara ini selaras dengan fokus model: pengaturcaraan dan penyelesaian tugas berbilang langkah.\n\n### Konteks dalam Ailoot API\n\nMuse Spark Open mempunyai konteks 1 048 576 token untuk bahan teks besar dan sejarah tugas. Tetingkap besar memudahkan penelitian bersama keperluan, dokumentasi dan modul berkaitan; kekalkan nama fail serta sempadan petikan dengan jelas supaya dapat dirujuk dalam jawapan.\n\nModel asas Muse Spark Open bersifat multimodal, tetapi kaedah Ailoot API semasa bagi kad ini menggunakan teks. Analisis lampiran imej, audio atau video serta kawalan program tidak dinyatakan dalam penerangan ini. Demonstrasi ejen Meta menunjukkan model dalam persekitaran alat berasingan; jawapan teks sahaja tidak membuktikan perubahan telah dilaksanakan dalam aplikasi atau repositori.","alias_of":null,"aliases":[],"author":"Meta","canonical_model":"meta/muse-spark-open","ctx":null,"formats":["chat","gemini","messages","responses"],"id":"meta/muse-spark-open","input":["text"],"kind":"text","max_out":null,"methods":[{"cache_read":0.3,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"anthropic","fast_multiplier":1,"flex_multiplier":1,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":2.5,"input":["text"],"label":"Anthropic Messages","max_out":null,"max_tool_calls":null,"out":8.5,"output":["text"],"path":"/v1/messages","request_model_id":"meta/muse-spark-open","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.3,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":2.5,"input":["text"],"label":"OpenAI Responses","max_out":null,"max_tool_calls":null,"out":8.5,"output":["text"],"path":"/v1/responses","request_model_id":"meta/muse-spark-open","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.3,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":2.5,"input":["text"],"label":"OpenAI Chat","max_out":null,"max_tool_calls":null,"out":8.5,"output":["text"],"path":"/v1/chat/completions","request_model_id":"meta/muse-spark-open","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.3,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"gemini","fast_multiplier":1,"flex_multiplier":1,"fmt":"gemini","http":"POST","img_in":null,"img_out":null,"in":2.5,"input":["text"],"label":"Gemini generateContent","max_out":null,"max_tool_calls":null,"out":8.5,"output":["text"],"path":"/v1beta/models/meta/muse-spark-open:generateContent","request_model_id":"meta/muse-spark-open","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"meta/muse-spark-open","request_model_id":"meta/muse-spark-open","route_label":"Ultra"}],"name":"Meta: Muse Spark Open","price":{"in":2.5,"in_label":null,"out":8.5,"out_label":null,"sort_in":2.5,"sort_out":8.5,"varies":false},"public_id":"meta/muse-spark-open","short":"Model Meta dengan pemberat terbuka untuk pengaturcaraan, penaakulan berbilang langkah dan konteks teks besar."}

Soalan

Bagaimanakah saya memilih model untuk tugasan saya?

Kenal pasti dahulu input dan output yang diperlukan: teks, imej, audio atau video. Kemudian bandingkan kaedah API yang serasi, ID model yang tepat atau model yang dirujuk oleh alias pada masa ini, harga dan unit pengebilan. GET /v1/models adalah percuma dan menyenaraikan model yang tersedia untuk kunci anda.

Adakah setiap model menyokong semua kaedah API dan jenis media?

Gunakan kaedah API dan jenis input/output yang disenaraikan pada kad model. Sokongan untuk teks, imej, audio atau video bergantung pada model dan kaedah yang dipilih; semak contoh permintaan yang berkenaan sebelum menghantar data anda.

Apakah perbezaan antara ID model dengan alias?

ID model yang tepat mengenal pasti model tertentu. Alias merujuk kepada model dan model sasarannya boleh berubah. Semak model yang dirujuk oleh alias pada masa ini dalam katalog; gunakan ID yang tepat apabila integrasi anda memerlukan model tertentu.

Bagaimanakah saya membandingkan harga sebelum menghantar permintaan?

Semak kad model untuk harga dan unit pengebilan bagi kaedah API yang dipilih. Bandingkan menggunakan unit dan jenis input/output yang sama; sejarah permintaan menunjukkan penggunaan sebenar dan amaun yang dicaj.

Apakah manfaat langganan?

Diskaun pembelian token untuk penggunaan berkala. Pilih pelan berdasarkan jumlah permintaan; terma dan harga langganan dipaparkan semasa pembelian.

Bagaimanakah kod promosi diskaun sehingga 50% digunakan?

Masukkan kod promosi semasa membeli token. Jumlah akhir dikira semula mengikut terma promosi; kadar diskaun kelihatan sebelum pembayaran.