Muse Spark 1.2 Contributor er utgaven for eksperimentering og prototyping i Metas Muse Spark 1.2-resonneringsfamilie. Hold Contributor-identifikatoren atskilt fra Standard 1.2 og senere 1.3-utgaver. Produsentens familiedokumentasjon beskriver agentarbeid, programvareassistenter, multimodal resonnering, verktøybruk og strukturerte tekstresultater; den fastslår ingen egen ytelsesgaranti for Contributor på grunnlag av Standard-demonstrasjonene.
Dokumenterte inndata og kontekst
Produsenten oppgir tekst, bilder, video, lyd og PDF-er som inndatamodaliteter i versjon 1.2 og tekst som utdata, med en kontekst på 1,048,576 tokener. Tabellen definerer produsentens dokumenterte modellomfang. Resultatet kan være en skriftlig forklaring, strukturerte funn eller foreslått kode; gjengivelse av et grensesnitt, oppretting av et opptak eller utføring av en annen ekstern handling trenger en applikasjonskomponent.
For en prototype velger du én definert oppgave og legger ved materialet som trengs for å undersøke resultatet. Et skjermbilde kan følge et krav om en bestemt interaksjon. En PDF kan gi utsagnene som skal sammenlignes eller trekkes ut. En video kan vise den synlige sekvensen som skal beskrives, mens et audiovisuelt spørsmål bør identifisere hvilken muntlig eller synlig detalj som er viktig. Merk hver kilde og be om kildegrunnlaget som støtter svaret.
1.2-utgaven beskriver familiens styrker i å gjøre visuelt materiale om til kode og resonnere om diagrammer eller scener. Bruk dette som oppgavedomener, fremfor en påstand om at denne Contributor-utgaven gjenskaper hver Standard-demo. En praktisk forespørsel kan be om layoutelementene som er synlige i et skjermbilde, en foreslått implementering og gjenstående spørsmål om atferd bildet ikke viser.
Resonnering og klargjøring av resultatet
Muse Sparks resonneringsveiledning oppgir innsatsnivåene minimal, low, medium, high og xhigh for denne utgaven. Max er spesifikt for Standard 1.3, og deaktivering av resonnering med none støttes ikke. Uten en uttrykkelig innstilling bruker modellen fortsatt et resonneringsnivå den selv bestemmer. Et lite uttrekk og et visuelt problem eller kodeproblem med flere trinn kan derfor ha forskjellige innsatsvalg, samtidig som den samme 1.2 Contributor-identiteten beholdes.
Utdatabudsjettet dekker intern resonnering og synlig tekst samlet. Rå resonnering er privat, så be om forklaringen eller sluttartefaktet brukeren trenger, fremfor å forvente det underliggende sporet. Angi oppgavens svarlengde og felt ut fra det som skal undersøkes etterpå.
For en dokumentsammenligning ber du om kildeutsagnet, siden, vilkåret det fastslår, og eventuelle motsigelser. For en kodeprototype angir du aksepterte inndata, forventet resultat og grensesnittet som skal bevares. Be om det foreslåtte fragmentet atskilt fra forutsetningene og eksempelinndataene. Disse kravene definerer et resultat som kan gjennomgås, fremfor et åpent eksperiment uten fullføringskriterium.
Eksperimenter med verktøystøtte
Utviklerdefinert verktøybruk følger en modell- og applikasjonssløyfe. Applikasjonen beskriver funksjoner, modellen velger en operasjon og forbereder argumenter, og applikasjonen utfører den og returnerer resultatet. Et oppslag kan levere referanseinformasjon; et kjøreverktøy kan fortelle hva som skjedde da foreslått kode ble kjørt. Hold den opprinnelige operasjonen og det returnerte resultatet knyttet sammen før du ber om neste svar.
Lanseringen av 1.2-familien fremhever bruk av verktøy til å undersøke visuelle inndata og genererte artefakter nærmere. Det betyr at miljøet leverer undersøkelses- eller gjengivelsesoperasjonen. Et tekstforslag alene er ikke en gjengitt side eller en utført interaksjon. Definer hva verktøyene returnerer, slik at modellen kan knytte tilbakemeldingen til det faktiske kravet.
Strukturerte utdata kan organisere eksperimentets funn i et vedlagt skjema. Definer feltnavn, nødvendige typer og håndtering av manglende verdier, og behold kildeidentifikatorer ved siden av uttrukket informasjon. En syntaktisk gyldig post og en riktig tolkning er forskjellige egenskaper; hold originalmaterialet tilgjengelig for å undersøke sistnevnte.
Utgave- og kontinuitetsgrenser
Produsentens vanlige chatflyt returnerer ikke privat resonneringskontekst som eksterne kallere kan spille av på nytt. Behold synlig historikk, kildefakta og verktøyresultater når du fortsetter et eksperiment, og bruk bare kontinuitetsmekanismene som er dokumentert for det tilkoblede grensesnittet. Logaritmiske sannsynligheter støttes ikke for Muse Spark, så de bør ikke behandles som en innebygd konfidensskår for et uttrukket felt.
Den publiserte kontekst- og modalitetstabellen tilhører denne navngitte 1.2-utgaven; den skal ikke arve innstillingen max eller lydbegrensningen fra 1.3. De leste kildene angir ingen egen maksimal kapasitet for inndata- eller utdatatokener utover konteksten. Hold prototypens mål, materiale og undersøkbare tekstresultat uttrykkelige, samtidig som Contributor-identiteten og de faktiske resultatene returnert av verktøyene beholdes.
", "aboutText": "Muse Spark 1.2 Contributor er utgaven for eksperimentering og prototyping i Metas Muse Spark 1.2-resonneringsfamilie. Hold Contributor-identifikatoren atskilt fra Standard 1.2 og senere 1.3-utgaver. Produsentens familiedokumentasjon beskriver agentarbeid, programvareassistenter, multimodal resonnering, verktøybruk og strukturerte tekstresultater; den fastslår ingen egen ytelsesgaranti for Contributor på grunnlag av Standard-demonstrasjonene.\n\nDokumenterte inndata og kontekst\n\nProdusenten oppgir tekst, bilder, video, lyd og PDF-er som inndatamodaliteter i versjon 1.2 og tekst som utdata, med en kontekst på 1,048,576 tokener. Tabellen definerer produsentens dokumenterte modellomfang. Resultatet kan være en skriftlig forklaring, strukturerte funn eller foreslått kode; gjengivelse av et grensesnitt, oppretting av et opptak eller utføring av en annen ekstern handling trenger en applikasjonskomponent.\n\nFor en prototype velger du én definert oppgave og legger ved materialet som trengs for å undersøke resultatet. Et skjermbilde kan følge et krav om en bestemt interaksjon. En PDF kan gi utsagnene som skal sammenlignes eller trekkes ut. En video kan vise den synlige sekvensen som skal beskrives, mens et audiovisuelt spørsmål bør identifisere hvilken muntlig eller synlig detalj som er viktig. Merk hver kilde og be om kildegrunnlaget som støtter svaret.\n\n1.2-utgaven beskriver familiens styrker i å gjøre visuelt materiale om til kode og resonnere om diagrammer eller scener. Bruk dette som oppgavedomener, fremfor en påstand om at denne Contributor-utgaven gjenskaper hver Standard-demo. En praktisk forespørsel kan be om layoutelementene som er synlige i et skjermbilde, en foreslått implementering og gjenstående spørsmål om atferd bildet ikke viser.\n\nResonnering og klargjøring av resultatet\n\nMuse Sparks resonneringsveiledning oppgir innsatsnivåene minimal, low, medium, high og xhigh for denne utgaven. Max er spesifikt for Standard 1.3, og deaktivering av resonnering med none støttes ikke. Uten en uttrykkelig innstilling bruker modellen fortsatt et resonneringsnivå den selv bestemmer. Et lite uttrekk og et visuelt problem eller kodeproblem med flere trinn kan derfor ha forskjellige innsatsvalg, samtidig som den samme 1.2 Contributor-identiteten beholdes.\n\nUtdatabudsjettet dekker intern resonnering og synlig tekst samlet. Rå resonnering er privat, så be om forklaringen eller sluttartefaktet brukeren trenger, fremfor å forvente det underliggende sporet. Angi oppgavens svarlengde og felt ut fra det som skal undersøkes etterpå.\n\nFor en dokumentsammenligning ber du om kildeutsagnet, siden, vilkåret det fastslår, og eventuelle motsigelser. For en kodeprototype angir du aksepterte inndata, forventet resultat og grensesnittet som skal bevares. Be om det foreslåtte fragmentet atskilt fra forutsetningene og eksempelinndataene. Disse kravene definerer et resultat som kan gjennomgås, fremfor et åpent eksperiment uten fullføringskriterium.\n\nEksperimenter med verktøystøtte\n\nUtviklerdefinert verktøybruk følger en modell- og applikasjonssløyfe. Applikasjonen beskriver funksjoner, modellen velger en operasjon og forbereder argumenter, og applikasjonen utfører den og returnerer resultatet. Et oppslag kan levere referanseinformasjon; et kjøreverktøy kan fortelle hva som skjedde da foreslått kode ble kjørt. Hold den opprinnelige operasjonen og det returnerte resultatet knyttet sammen før du ber om neste svar.\n\nLanseringen av 1.2-familien fremhever bruk av verktøy til å undersøke visuelle inndata og genererte artefakter nærmere. Det betyr at miljøet leverer undersøkelses- eller gjengivelsesoperasjonen. Et tekstforslag alene er ikke en gjengitt side eller en utført interaksjon. Definer hva verktøyene returnerer, slik at modellen kan knytte tilbakemeldingen til det faktiske kravet.\n\nStrukturerte utdata kan organisere eksperimentets funn i et vedlagt skjema. Definer feltnavn, nødvendige typer og håndtering av manglende verdier, og behold kildeidentifikatorer ved siden av uttrukket informasjon. En syntaktisk gyldig post og en riktig tolkning er forskjellige egenskaper; hold originalmaterialet tilgjengelig for å undersøke sistnevnte.\n\nUtgave- og kontinuitetsgrenser\n\nProdusentens vanlige chatflyt returnerer ikke privat resonneringskontekst som eksterne kallere kan spille av på nytt. Behold synlig historikk, kildefakta og verktøyresultater når du fortsetter et eksperiment, og bruk bare kontinuitetsmekanismene som er dokumentert for det tilkoblede grensesnittet. Logaritmiske sannsynligheter støttes ikke for Muse Spark, så de bør ikke behandles som en innebygd konfidensskår for et uttrukket felt.\n\nDen publiserte kontekst- og modalitetstabellen tilhører denne navngitte 1.2-utgaven; den skal ikke arve innstillingen max eller lydbegrensningen fra 1.3. De leste kildene angir ingen egen maksimal kapasitet for inndata- eller utdatatokener utover konteksten. Hold prototypens mål, materiale og undersøkbare tekstresultat uttrykkelige, samtidig som Contributor-identiteten og de faktiske resultatene returnert av verktøyene beholdes.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Prototype a bounded state reducer\n\nPropose a JavaScript reducer for an upload widget with states idle, uploading, success and error. Events start, finish and fail are supplied as plain strings. Only uploading may transition to success or error; start resets any state to uploading. Include a transition table and tests for an invalid finish from idle.Reducer code, a transition table and tests covering valid and ignored transitions.Check that finish from idle is ignored and that the proposal does not claim a rendered or executed widget.meta/muse-spark-1.2-contributorMuse Spark 1.2 Contributor er en separat navngitt resonneringsutgave fra Meta for prototyper og eksperimentelle agentarbeidsflyter. Meta dokumenterer en kontekst på 1,048,576 tokener og multimodale inndata med tekstutdata; utgaven beholder sin egen identitet og sine egne resonneringsnivåer uten max fra 1.3 Standard.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Muse Spark 1.2 Contributor er utgaven for eksperimentering og prototyping i Metas Muse Spark 1.2-resonneringsfamilie. Hold Contributor-identifikatoren atskilt fra Standard 1.2 og senere 1.3-utgaver. Produsentens familiedokumentasjon beskriver agentarbeid, programvareassistenter, multimodal resonnering, verktøybruk og strukturerte tekstresultater; den fastslår ingen egen ytelsesgaranti for Contributor på grunnlag av Standard-demonstrasjonene.
Dokumenterte inndata og kontekst
Produsenten oppgir tekst, bilder, video, lyd og PDF-er som inndatamodaliteter i versjon 1.2 og tekst som utdata, med en kontekst på 1,048,576 tokener. Tabellen definerer produsentens dokumenterte modellomfang. Resultatet kan være en skriftlig forklaring, strukturerte funn eller foreslått kode; gjengivelse av et grensesnitt, oppretting av et opptak eller utføring av en annen ekstern handling trenger en applikasjonskomponent.
For en prototype velger du én definert oppgave og legger ved materialet som trengs for å undersøke resultatet. Et skjermbilde kan følge et krav om en bestemt interaksjon. En PDF kan gi utsagnene som skal sammenlignes eller trekkes ut. En video kan vise den synlige sekvensen som skal beskrives, mens et audiovisuelt spørsmål bør identifisere hvilken muntlig eller synlig detalj som er viktig. Merk hver kilde og be om kildegrunnlaget som støtter svaret.
1.2-utgaven beskriver familiens styrker i å gjøre visuelt materiale om til kode og resonnere om diagrammer eller scener. Bruk dette som oppgavedomener, fremfor en påstand om at denne Contributor-utgaven gjenskaper hver Standard-demo. En praktisk forespørsel kan be om layoutelementene som er synlige i et skjermbilde, en foreslått implementering og gjenstående spørsmål om atferd bildet ikke viser.
Resonnering og klargjøring av resultatet
Muse Sparks resonneringsveiledning oppgir innsatsnivåene minimal, low, medium, high og xhigh for denne utgaven. Max er spesifikt for Standard 1.3, og deaktivering av resonnering med none støttes ikke. Uten en uttrykkelig innstilling bruker modellen fortsatt et resonneringsnivå den selv bestemmer. Et lite uttrekk og et visuelt problem eller kodeproblem med flere trinn kan derfor ha forskjellige innsatsvalg, samtidig som den samme 1.2 Contributor-identiteten beholdes.
Utdatabudsjettet dekker intern resonnering og synlig tekst samlet. Rå resonnering er privat, så be om forklaringen eller sluttartefaktet brukeren trenger, fremfor å forvente det underliggende sporet. Angi oppgavens svarlengde og felt ut fra det som skal undersøkes etterpå.
For en dokumentsammenligning ber du om kildeutsagnet, siden, vilkåret det fastslår, og eventuelle motsigelser. For en kodeprototype angir du aksepterte inndata, forventet resultat og grensesnittet som skal bevares. Be om det foreslåtte fragmentet atskilt fra forutsetningene og eksempelinndataene. Disse kravene definerer et resultat som kan gjennomgås, fremfor et åpent eksperiment uten fullføringskriterium.
Eksperimenter med verktøystøtte
Utviklerdefinert verktøybruk følger en modell- og applikasjonssløyfe. Applikasjonen beskriver funksjoner, modellen velger en operasjon og forbereder argumenter, og applikasjonen utfører den og returnerer resultatet. Et oppslag kan levere referanseinformasjon; et kjøreverktøy kan fortelle hva som skjedde da foreslått kode ble kjørt. Hold den opprinnelige operasjonen og det returnerte resultatet knyttet sammen før du ber om neste svar.
Lanseringen av 1.2-familien fremhever bruk av verktøy til å undersøke visuelle inndata og genererte artefakter nærmere. Det betyr at miljøet leverer undersøkelses- eller gjengivelsesoperasjonen. Et tekstforslag alene er ikke en gjengitt side eller en utført interaksjon. Definer hva verktøyene returnerer, slik at modellen kan knytte tilbakemeldingen til det faktiske kravet.
Strukturerte utdata kan organisere eksperimentets funn i et vedlagt skjema. Definer feltnavn, nødvendige typer og håndtering av manglende verdier, og behold kildeidentifikatorer ved siden av uttrukket informasjon. En syntaktisk gyldig post og en riktig tolkning er forskjellige egenskaper; hold originalmaterialet tilgjengelig for å undersøke sistnevnte.
Utgave- og kontinuitetsgrenser
Produsentens vanlige chatflyt returnerer ikke privat resonneringskontekst som eksterne kallere kan spille av på nytt. Behold synlig historikk, kildefakta og verktøyresultater når du fortsetter et eksperiment, og bruk bare kontinuitetsmekanismene som er dokumentert for det tilkoblede grensesnittet. Logaritmiske sannsynligheter støttes ikke for Muse Spark, så de bør ikke behandles som en innebygd konfidensskår for et uttrukket felt.
Den publiserte kontekst- og modalitetstabellen tilhører denne navngitte 1.2-utgaven; den skal ikke arve innstillingen max eller lydbegrensningen fra 1.3. De leste kildene angir ingen egen maksimal kapasitet for inndata- eller utdatatokener utover konteksten. Hold prototypens mål, materiale og undersøkbare tekstresultat uttrykkelige, samtidig som Contributor-identiteten og de faktiske resultatene returnert av verktøyene beholdes.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser meta/muse-spark-1.2-contributor | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.0004 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000004 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.0004 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000004 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "meta/muse-spark-1.2-contributor", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='meta/muse-spark-1.2-contributor',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='meta/muse-spark-1.2-contributor',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra meta/muse-spark-1.2-contributor
Bruk metodestiene som vises ovenfor.
meta/muse-spark-1.2-contributorMuse Spark 1.2 Contributor er en separat navngitt resonneringsutgave fra Meta for prototyper og eksperimentelle agentarbeidsflyter. Meta dokumenterer en kontekst på 1,048,576 tokener og multimodale inndata med tekstutdata; utgaven beholder sin egen identitet og sine egne resonneringsnivåer uten max fra 1.3 Standard.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Muse Spark 1.2 Contributor er utgaven for eksperimentering og prototyping i Metas Muse Spark 1.2-resonneringsfamilie. Hold Contributor-identifikatoren atskilt fra Standard 1.2 og senere 1.3-utgaver. Produsentens familiedokumentasjon beskriver agentarbeid, programvareassistenter, multimodal resonnering, verktøybruk og strukturerte tekstresultater; den fastslår ingen egen ytelsesgaranti for Contributor på grunnlag av Standard-demonstrasjonene.
Dokumenterte inndata og kontekst
Produsenten oppgir tekst, bilder, video, lyd og PDF-er som inndatamodaliteter i versjon 1.2 og tekst som utdata, med en kontekst på 1,048,576 tokener. Tabellen definerer produsentens dokumenterte modellomfang. Resultatet kan være en skriftlig forklaring, strukturerte funn eller foreslått kode; gjengivelse av et grensesnitt, oppretting av et opptak eller utføring av en annen ekstern handling trenger en applikasjonskomponent.
For en prototype velger du én definert oppgave og legger ved materialet som trengs for å undersøke resultatet. Et skjermbilde kan følge et krav om en bestemt interaksjon. En PDF kan gi utsagnene som skal sammenlignes eller trekkes ut. En video kan vise den synlige sekvensen som skal beskrives, mens et audiovisuelt spørsmål bør identifisere hvilken muntlig eller synlig detalj som er viktig. Merk hver kilde og be om kildegrunnlaget som støtter svaret.
1.2-utgaven beskriver familiens styrker i å gjøre visuelt materiale om til kode og resonnere om diagrammer eller scener. Bruk dette som oppgavedomener, fremfor en påstand om at denne Contributor-utgaven gjenskaper hver Standard-demo. En praktisk forespørsel kan be om layoutelementene som er synlige i et skjermbilde, en foreslått implementering og gjenstående spørsmål om atferd bildet ikke viser.
Resonnering og klargjøring av resultatet
Muse Sparks resonneringsveiledning oppgir innsatsnivåene minimal, low, medium, high og xhigh for denne utgaven. Max er spesifikt for Standard 1.3, og deaktivering av resonnering med none støttes ikke. Uten en uttrykkelig innstilling bruker modellen fortsatt et resonneringsnivå den selv bestemmer. Et lite uttrekk og et visuelt problem eller kodeproblem med flere trinn kan derfor ha forskjellige innsatsvalg, samtidig som den samme 1.2 Contributor-identiteten beholdes.
Utdatabudsjettet dekker intern resonnering og synlig tekst samlet. Rå resonnering er privat, så be om forklaringen eller sluttartefaktet brukeren trenger, fremfor å forvente det underliggende sporet. Angi oppgavens svarlengde og felt ut fra det som skal undersøkes etterpå.
For en dokumentsammenligning ber du om kildeutsagnet, siden, vilkåret det fastslår, og eventuelle motsigelser. For en kodeprototype angir du aksepterte inndata, forventet resultat og grensesnittet som skal bevares. Be om det foreslåtte fragmentet atskilt fra forutsetningene og eksempelinndataene. Disse kravene definerer et resultat som kan gjennomgås, fremfor et åpent eksperiment uten fullføringskriterium.
Eksperimenter med verktøystøtte
Utviklerdefinert verktøybruk følger en modell- og applikasjonssløyfe. Applikasjonen beskriver funksjoner, modellen velger en operasjon og forbereder argumenter, og applikasjonen utfører den og returnerer resultatet. Et oppslag kan levere referanseinformasjon; et kjøreverktøy kan fortelle hva som skjedde da foreslått kode ble kjørt. Hold den opprinnelige operasjonen og det returnerte resultatet knyttet sammen før du ber om neste svar.
Lanseringen av 1.2-familien fremhever bruk av verktøy til å undersøke visuelle inndata og genererte artefakter nærmere. Det betyr at miljøet leverer undersøkelses- eller gjengivelsesoperasjonen. Et tekstforslag alene er ikke en gjengitt side eller en utført interaksjon. Definer hva verktøyene returnerer, slik at modellen kan knytte tilbakemeldingen til det faktiske kravet.
Strukturerte utdata kan organisere eksperimentets funn i et vedlagt skjema. Definer feltnavn, nødvendige typer og håndtering av manglende verdier, og behold kildeidentifikatorer ved siden av uttrukket informasjon. En syntaktisk gyldig post og en riktig tolkning er forskjellige egenskaper; hold originalmaterialet tilgjengelig for å undersøke sistnevnte.
Utgave- og kontinuitetsgrenser
Produsentens vanlige chatflyt returnerer ikke privat resonneringskontekst som eksterne kallere kan spille av på nytt. Behold synlig historikk, kildefakta og verktøyresultater når du fortsetter et eksperiment, og bruk bare kontinuitetsmekanismene som er dokumentert for det tilkoblede grensesnittet. Logaritmiske sannsynligheter støttes ikke for Muse Spark, så de bør ikke behandles som en innebygd konfidensskår for et uttrukket felt.
Den publiserte kontekst- og modalitetstabellen tilhører denne navngitte 1.2-utgaven; den skal ikke arve innstillingen max eller lydbegrensningen fra 1.3. De leste kildene angir ingen egen maksimal kapasitet for inndata- eller utdatatokener utover konteksten. Hold prototypens mål, materiale og undersøkbare tekstresultat uttrykkelige, samtidig som Contributor-identiteten og de faktiske resultatene returnert av verktøyene beholdes.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser meta/muse-spark-1.2-contributor | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.0004 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000004 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.0004 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000004 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "meta/muse-spark-1.2-contributor",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'meta/muse-spark-1.2-contributor', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'meta/muse-spark-1.2-contributor', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra meta/muse-spark-1.2-contributor
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Prototype a bounded state reducer\n\nPropose a JavaScript reducer for an upload widget with states idle, uploading, success and error. Events start, finish and fail are supplied as plain strings. Only uploading may transition to success or error; start resets any state to uploading. Include a transition table and tests for an invalid finish from idle.Reducer code, a transition table and tests covering valid and ignored transitions.Check that finish from idle is ignored and that the proposal does not claim a rendered or executed widget.