Muse Spark 1.3 Contributor er en separat navngitt utgave i Metas Muse Spark-familie for prototyping og eksperimentering. Familien er utviklet for agent- og kodearbeid: verktøysløyfer med flere trinn, programvareassistenter og resonnering over omfattende kildemateriale. Behold Contributor-navnet når du velger utgave, fremfor å behandle den som Standard 1.3-oppføringen med alle innstillinger overført uendret.
Inndata og kontekst
Den offisielle modelltabellen oppgir tekst, bilder, video og PDF-er som inndata og tekst som utdata, med et kontekstvindu på 1,048,576 tokener. En oppgave kan kombinere et skriftlig krav, et skjermbilde, et relevant klipp eller dokumentsider og be om en skriftlig forklaring, strukturerte funn eller foreslått kode. Modellens tekstresultat kan bli et artefakt i den omkringliggende applikasjonen; gjengivelse av en side eller kjøring av kode krever dette applikasjonsmiljøet.
Identifiser hver kilde og dens rolle før du ber om et resultat. En oppgave med et prototypegrensesnitt kan kombinere et skjermbilde med ønsket atferd og det eksisterende kodefragmentet. Be om de synlige forskjellene, den foreslåtte implementeringsendringen og forutsetningene som fortsatt må avklares. En dokumentoppgave kan definere feltene som skal trekkes ut, og be om støttende side eller utdrag ved siden av hvert funn.
Produsenten påpeker at lydforståelse i versjon 1.3 ikke er fullt støttet og kan gi svakere svar. Behandle dette som en versjonsspesifikk begrensning, fremfor å kopiere lydfunksjonene til Muse Spark 1.2 eller en separat navngitt transkripsjonsmodell inn i denne beskrivelsen.
Resonneringsnivåer og svarbudsjett
Muse Spark genererer intern resonnering før det synlige svaret. De dokumenterte innsatsnivåene som gjelder her, er minimal, low, medium, high og xhigh. Nivået max tilhører spesifikt Standard Muse Spark 1.3 og er ikke tilgjengelig for Contributor-modeller. Det støttes ikke å deaktivere resonnering med none; selv om innstillingen utelates, resonnerer modellen fortsatt på et nivå den selv bestemmer.
Budsjettet for utdatatokener dekker både intern resonnering og synlig tekst. En forespørsel om et langt skriftlig resultat trenger derfor plass til begge deler, særlig ved høyere resonneringsinnsats. Den rå interne resonneringen forblir privat, og logaritmiske sannsynligheter støttes ikke som et mål på hvor sikker modellen er. Be om forklaringen, feltene eller den endelige koden oppgaven trenger, fremfor å anta at det underliggende resonneringssporet returneres som lesbar tekst.
For et avgrenset uttrekks- eller formateringseksperiment definerer du den nøyaktige posten og kildematerialet. For et visuelt problem eller kodeproblem med flere trinn definerer du mellomliggende beslutninger og sluttartefaktet. Høyere resonneringsinnsats endrer tildelingen til resonnering; den definerer ikke i seg selv hva som utgjør et fullført, nyttig resultat.
Verktøy og strukturerte funn
Produsentens Muse Spark-dokumentasjon beskriver utviklerdefinerte verktøykall og strukturerte utdata. Applikasjonen leverer verktøydefinisjonene, modellen avgjør hvilken operasjon som trengs og forbereder argumentene, og applikasjonen utfører hvert kall og returnerer det tilhørende resultatet. Det neste svaret kan bruke resultatene til å avgjøre hva som skal gjøres videre. Et foreslått kall er forskjellig fra en fullført operasjon.
Den samme dokumentasjonen skiller mellom tilkoblede innebygde søkeverktøy og utviklerdefinerte funksjoner. Søk eller kodekjøring er en del av verktøymiljøet, ikke en ekstra innholdsmodalitet i tekstsvaret. I en prototype legger du bare ved operasjonene som er relevante for spørsmålet, og beskriver hva hver av dem returnerer, slik at det påfølgende svaret forblir knyttet til faktisk gjenfunnet eller beregnet informasjon.
For strukturert uttrekk angir du feltnavn, nødvendig informasjon og hvordan manglende verdier skal representeres. En praktisk post kan inneholde kildeidentifikator, observert faktum, tolkning og spørsmålet som fortsatt må avklares. Hold posten atskilt fra valgfri prosa når en applikasjon må behandle feltene pålitelig. Produsentens skjemagrensesnitt avviser rekursive skjemaer og begrenser nesting til ti nivåer. Den strenge modusen krever et vanlig objekt som rot, at alle oppførte egenskaper er obligatoriske, og at ekstra egenskaper ikke tillates. En struktur som stemmer med skjemaet, fastslår ikke faktisk korrekthet.
En nyttig prototypeoppgave
Velg én arbeidsflyt som kan produsere et artefakt som kan undersøkes. Legg ved kravet, et visuelt eksempel og koden som bestemmer gjeldende atferd. Be om en kort sammenligning, et foreslått revidert fragment og eksempler som skiller forventet atferd fra dagens. Ta med eventuelle oppslags- eller kjøreresultater returnert av applikasjonen før du ber om den endelige forklaringen.
For en dokumentrettet prototype legger du ved PDF-en og spørsmålet som skal besvares, og ber deretter om et kildeknyttet sammendrag eller en sammenligningstabell. For video angir du hendelsen eller den visuelle sammenhengen som skal undersøkes, og ber om en ordnet beskrivelse med observasjonene som støtter den. Definer lengden og delene i det endelige svaret, slik at modellens store kontekst tjener det faktiske spørsmålet.
Utgave og kontinuitetsgrenser
Contributor forblir sin egen navngitte 1.3-utgave, med den dokumenterte konteksten og inndatatypene. Metas resonneringsveiledning skiller vanlig samtalehistorikk fra bevaring av privat resonnering mellom samtaleturene: produsentens chatgrensesnitt returnerer ikke dette private sporet til eksterne kallere. Behold de synlige meldingene, kildene og verktøyresultatene som trengs for en oppfølging, fremfor å anta at alle grensesnitt viderefører intern resonnering.
De leste kildene angir ingen egen absolutt maksimal kapasitet for inndata- eller utdatatokener utover kontekstvinduet. Behold utgaven, klargjøringen av inndata og det forespurte artefaktet, og hold verktøykjøring og levering av endelig tekst knyttet til resultatene som faktisk oppnås i prototypearbeidsflyten.
", "aboutText": "Muse Spark 1.3 Contributor er en separat navngitt utgave i Metas Muse Spark-familie for prototyping og eksperimentering. Familien er utviklet for agent- og kodearbeid: verktøysløyfer med flere trinn, programvareassistenter og resonnering over omfattende kildemateriale. Behold Contributor-navnet når du velger utgave, fremfor å behandle den som Standard 1.3-oppføringen med alle innstillinger overført uendret.\n\nInndata og kontekst\n\nDen offisielle modelltabellen oppgir tekst, bilder, video og PDF-er som inndata og tekst som utdata, med et kontekstvindu på 1,048,576 tokener. En oppgave kan kombinere et skriftlig krav, et skjermbilde, et relevant klipp eller dokumentsider og be om en skriftlig forklaring, strukturerte funn eller foreslått kode. Modellens tekstresultat kan bli et artefakt i den omkringliggende applikasjonen; gjengivelse av en side eller kjøring av kode krever dette applikasjonsmiljøet.\n\nIdentifiser hver kilde og dens rolle før du ber om et resultat. En oppgave med et prototypegrensesnitt kan kombinere et skjermbilde med ønsket atferd og det eksisterende kodefragmentet. Be om de synlige forskjellene, den foreslåtte implementeringsendringen og forutsetningene som fortsatt må avklares. En dokumentoppgave kan definere feltene som skal trekkes ut, og be om støttende side eller utdrag ved siden av hvert funn.\n\nProdusenten påpeker at lydforståelse i versjon 1.3 ikke er fullt støttet og kan gi svakere svar. Behandle dette som en versjonsspesifikk begrensning, fremfor å kopiere lydfunksjonene til Muse Spark 1.2 eller en separat navngitt transkripsjonsmodell inn i denne beskrivelsen.\n\nResonneringsnivåer og svarbudsjett\n\nMuse Spark genererer intern resonnering før det synlige svaret. De dokumenterte innsatsnivåene som gjelder her, er minimal, low, medium, high og xhigh. Nivået max tilhører spesifikt Standard Muse Spark 1.3 og er ikke tilgjengelig for Contributor-modeller. Det støttes ikke å deaktivere resonnering med none; selv om innstillingen utelates, resonnerer modellen fortsatt på et nivå den selv bestemmer.\n\nBudsjettet for utdatatokener dekker både intern resonnering og synlig tekst. En forespørsel om et langt skriftlig resultat trenger derfor plass til begge deler, særlig ved høyere resonneringsinnsats. Den rå interne resonneringen forblir privat, og logaritmiske sannsynligheter støttes ikke som et mål på hvor sikker modellen er. Be om forklaringen, feltene eller den endelige koden oppgaven trenger, fremfor å anta at det underliggende resonneringssporet returneres som lesbar tekst.\n\nFor et avgrenset uttrekks- eller formateringseksperiment definerer du den nøyaktige posten og kildematerialet. For et visuelt problem eller kodeproblem med flere trinn definerer du mellomliggende beslutninger og sluttartefaktet. Høyere resonneringsinnsats endrer tildelingen til resonnering; den definerer ikke i seg selv hva som utgjør et fullført, nyttig resultat.\n\nVerktøy og strukturerte funn\n\nProdusentens Muse Spark-dokumentasjon beskriver utviklerdefinerte verktøykall og strukturerte utdata. Applikasjonen leverer verktøydefinisjonene, modellen avgjør hvilken operasjon som trengs og forbereder argumentene, og applikasjonen utfører hvert kall og returnerer det tilhørende resultatet. Det neste svaret kan bruke resultatene til å avgjøre hva som skal gjøres videre. Et foreslått kall er forskjellig fra en fullført operasjon.\n\nDen samme dokumentasjonen skiller mellom tilkoblede innebygde søkeverktøy og utviklerdefinerte funksjoner. Søk eller kodekjøring er en del av verktøymiljøet, ikke en ekstra innholdsmodalitet i tekstsvaret. I en prototype legger du bare ved operasjonene som er relevante for spørsmålet, og beskriver hva hver av dem returnerer, slik at det påfølgende svaret forblir knyttet til faktisk gjenfunnet eller beregnet informasjon.\n\nFor strukturert uttrekk angir du feltnavn, nødvendig informasjon og hvordan manglende verdier skal representeres. En praktisk post kan inneholde kildeidentifikator, observert faktum, tolkning og spørsmålet som fortsatt må avklares. Hold posten atskilt fra valgfri prosa når en applikasjon må behandle feltene pålitelig. Produsentens skjemagrensesnitt avviser rekursive skjemaer og begrenser nesting til ti nivåer. Den strenge modusen krever et vanlig objekt som rot, at alle oppførte egenskaper er obligatoriske, og at ekstra egenskaper ikke tillates. En struktur som stemmer med skjemaet, fastslår ikke faktisk korrekthet.\n\nEn nyttig prototypeoppgave\n\nVelg én arbeidsflyt som kan produsere et artefakt som kan undersøkes. Legg ved kravet, et visuelt eksempel og koden som bestemmer gjeldende atferd. Be om en kort sammenligning, et foreslått revidert fragment og eksempler som skiller forventet atferd fra dagens. Ta med eventuelle oppslags- eller kjøreresultater returnert av applikasjonen før du ber om den endelige forklaringen.\n\nFor en dokumentrettet prototype legger du ved PDF-en og spørsmålet som skal besvares, og ber deretter om et kildeknyttet sammendrag eller en sammenligningstabell. For video angir du hendelsen eller den visuelle sammenhengen som skal undersøkes, og ber om en ordnet beskrivelse med observasjonene som støtter den. Definer lengden og delene i det endelige svaret, slik at modellens store kontekst tjener det faktiske spørsmålet.\n\nUtgave og kontinuitetsgrenser\n\nContributor forblir sin egen navngitte 1.3-utgave, med den dokumenterte konteksten og inndatatypene. Metas resonneringsveiledning skiller vanlig samtalehistorikk fra bevaring av privat resonnering mellom samtaleturene: produsentens chatgrensesnitt returnerer ikke dette private sporet til eksterne kallere. Behold de synlige meldingene, kildene og verktøyresultatene som trengs for en oppfølging, fremfor å anta at alle grensesnitt viderefører intern resonnering.\n\nDe leste kildene angir ingen egen absolutt maksimal kapasitet for inndata- eller utdatatokener utover kontekstvinduet. Behold utgaven, klargjøringen av inndata og det forespurte artefaktet, og hold verktøykjøring og levering av endelig tekst knyttet til resultatene som faktisk oppnås i prototypearbeidsflyten.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Prototype and test a text-only helper\n\nDesign a small Python prototype for an appointment reminder. Input records contain id and minutes_until_start. Return IDs where 0 <= minutes_until_start <= 30, preserving input order. Supply the function and cases at -1, 0, 30 and 31 minutes. Include a short note on assumptions; no calendar connection or reminder sending is available.A self-contained function, boundary-case assertions and explicit assumptions about input fields.Exactly the 0- and 30-minute records qualify, and the function does not send messages or assume calendar access.meta/muse-spark-1.3-contributorMuse Spark 1.3 Contributor er en resonneringsutgave i Metas familie for agent- og kodearbeid, beregnet på prototypearbeidsflyter. Produsenten oppgir tekst, bilder, video og PDF som inndata, tekst som utdata og en kontekst på 1,048,576 tokener, med resonneringsnivåer til og med xhigh fremfor Standard 1.3s max.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Muse Spark 1.3 Contributor er en separat navngitt utgave i Metas Muse Spark-familie for prototyping og eksperimentering. Familien er utviklet for agent- og kodearbeid: verktøysløyfer med flere trinn, programvareassistenter og resonnering over omfattende kildemateriale. Behold Contributor-navnet når du velger utgave, fremfor å behandle den som Standard 1.3-oppføringen med alle innstillinger overført uendret.
Inndata og kontekst
Den offisielle modelltabellen oppgir tekst, bilder, video og PDF-er som inndata og tekst som utdata, med et kontekstvindu på 1,048,576 tokener. En oppgave kan kombinere et skriftlig krav, et skjermbilde, et relevant klipp eller dokumentsider og be om en skriftlig forklaring, strukturerte funn eller foreslått kode. Modellens tekstresultat kan bli et artefakt i den omkringliggende applikasjonen; gjengivelse av en side eller kjøring av kode krever dette applikasjonsmiljøet.
Identifiser hver kilde og dens rolle før du ber om et resultat. En oppgave med et prototypegrensesnitt kan kombinere et skjermbilde med ønsket atferd og det eksisterende kodefragmentet. Be om de synlige forskjellene, den foreslåtte implementeringsendringen og forutsetningene som fortsatt må avklares. En dokumentoppgave kan definere feltene som skal trekkes ut, og be om støttende side eller utdrag ved siden av hvert funn.
Produsenten påpeker at lydforståelse i versjon 1.3 ikke er fullt støttet og kan gi svakere svar. Behandle dette som en versjonsspesifikk begrensning, fremfor å kopiere lydfunksjonene til Muse Spark 1.2 eller en separat navngitt transkripsjonsmodell inn i denne beskrivelsen.
Resonneringsnivåer og svarbudsjett
Muse Spark genererer intern resonnering før det synlige svaret. De dokumenterte innsatsnivåene som gjelder her, er minimal, low, medium, high og xhigh. Nivået max tilhører spesifikt Standard Muse Spark 1.3 og er ikke tilgjengelig for Contributor-modeller. Det støttes ikke å deaktivere resonnering med none; selv om innstillingen utelates, resonnerer modellen fortsatt på et nivå den selv bestemmer.
Budsjettet for utdatatokener dekker både intern resonnering og synlig tekst. En forespørsel om et langt skriftlig resultat trenger derfor plass til begge deler, særlig ved høyere resonneringsinnsats. Den rå interne resonneringen forblir privat, og logaritmiske sannsynligheter støttes ikke som et mål på hvor sikker modellen er. Be om forklaringen, feltene eller den endelige koden oppgaven trenger, fremfor å anta at det underliggende resonneringssporet returneres som lesbar tekst.
For et avgrenset uttrekks- eller formateringseksperiment definerer du den nøyaktige posten og kildematerialet. For et visuelt problem eller kodeproblem med flere trinn definerer du mellomliggende beslutninger og sluttartefaktet. Høyere resonneringsinnsats endrer tildelingen til resonnering; den definerer ikke i seg selv hva som utgjør et fullført, nyttig resultat.
Verktøy og strukturerte funn
Produsentens Muse Spark-dokumentasjon beskriver utviklerdefinerte verktøykall og strukturerte utdata. Applikasjonen leverer verktøydefinisjonene, modellen avgjør hvilken operasjon som trengs og forbereder argumentene, og applikasjonen utfører hvert kall og returnerer det tilhørende resultatet. Det neste svaret kan bruke resultatene til å avgjøre hva som skal gjøres videre. Et foreslått kall er forskjellig fra en fullført operasjon.
Den samme dokumentasjonen skiller mellom tilkoblede innebygde søkeverktøy og utviklerdefinerte funksjoner. Søk eller kodekjøring er en del av verktøymiljøet, ikke en ekstra innholdsmodalitet i tekstsvaret. I en prototype legger du bare ved operasjonene som er relevante for spørsmålet, og beskriver hva hver av dem returnerer, slik at det påfølgende svaret forblir knyttet til faktisk gjenfunnet eller beregnet informasjon.
For strukturert uttrekk angir du feltnavn, nødvendig informasjon og hvordan manglende verdier skal representeres. En praktisk post kan inneholde kildeidentifikator, observert faktum, tolkning og spørsmålet som fortsatt må avklares. Hold posten atskilt fra valgfri prosa når en applikasjon må behandle feltene pålitelig. Produsentens skjemagrensesnitt avviser rekursive skjemaer og begrenser nesting til ti nivåer. Den strenge modusen krever et vanlig objekt som rot, at alle oppførte egenskaper er obligatoriske, og at ekstra egenskaper ikke tillates. En struktur som stemmer med skjemaet, fastslår ikke faktisk korrekthet.
En nyttig prototypeoppgave
Velg én arbeidsflyt som kan produsere et artefakt som kan undersøkes. Legg ved kravet, et visuelt eksempel og koden som bestemmer gjeldende atferd. Be om en kort sammenligning, et foreslått revidert fragment og eksempler som skiller forventet atferd fra dagens. Ta med eventuelle oppslags- eller kjøreresultater returnert av applikasjonen før du ber om den endelige forklaringen.
For en dokumentrettet prototype legger du ved PDF-en og spørsmålet som skal besvares, og ber deretter om et kildeknyttet sammendrag eller en sammenligningstabell. For video angir du hendelsen eller den visuelle sammenhengen som skal undersøkes, og ber om en ordnet beskrivelse med observasjonene som støtter den. Definer lengden og delene i det endelige svaret, slik at modellens store kontekst tjener det faktiske spørsmålet.
Utgave og kontinuitetsgrenser
Contributor forblir sin egen navngitte 1.3-utgave, med den dokumenterte konteksten og inndatatypene. Metas resonneringsveiledning skiller vanlig samtalehistorikk fra bevaring av privat resonnering mellom samtaleturene: produsentens chatgrensesnitt returnerer ikke dette private sporet til eksterne kallere. Behold de synlige meldingene, kildene og verktøyresultatene som trengs for en oppfølging, fremfor å anta at alle grensesnitt viderefører intern resonnering.
De leste kildene angir ingen egen absolutt maksimal kapasitet for inndata- eller utdatatokener utover kontekstvinduet. Behold utgaven, klargjøringen av inndata og det forespurte artefaktet, og hold verktøykjøring og levering av endelig tekst knyttet til resultatene som faktisk oppnås i prototypearbeidsflyten.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser meta/muse-spark-1.3-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-1.3-contributor", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='meta/muse-spark-1.3-contributor',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='meta/muse-spark-1.3-contributor',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-1.3-contributor
Bruk metodestiene som vises ovenfor.
meta/muse-spark-1.3-contributorMuse Spark 1.3 Contributor er en resonneringsutgave i Metas familie for agent- og kodearbeid, beregnet på prototypearbeidsflyter. Produsenten oppgir tekst, bilder, video og PDF som inndata, tekst som utdata og en kontekst på 1,048,576 tokener, med resonneringsnivåer til og med xhigh fremfor Standard 1.3s max.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Muse Spark 1.3 Contributor er en separat navngitt utgave i Metas Muse Spark-familie for prototyping og eksperimentering. Familien er utviklet for agent- og kodearbeid: verktøysløyfer med flere trinn, programvareassistenter og resonnering over omfattende kildemateriale. Behold Contributor-navnet når du velger utgave, fremfor å behandle den som Standard 1.3-oppføringen med alle innstillinger overført uendret.
Inndata og kontekst
Den offisielle modelltabellen oppgir tekst, bilder, video og PDF-er som inndata og tekst som utdata, med et kontekstvindu på 1,048,576 tokener. En oppgave kan kombinere et skriftlig krav, et skjermbilde, et relevant klipp eller dokumentsider og be om en skriftlig forklaring, strukturerte funn eller foreslått kode. Modellens tekstresultat kan bli et artefakt i den omkringliggende applikasjonen; gjengivelse av en side eller kjøring av kode krever dette applikasjonsmiljøet.
Identifiser hver kilde og dens rolle før du ber om et resultat. En oppgave med et prototypegrensesnitt kan kombinere et skjermbilde med ønsket atferd og det eksisterende kodefragmentet. Be om de synlige forskjellene, den foreslåtte implementeringsendringen og forutsetningene som fortsatt må avklares. En dokumentoppgave kan definere feltene som skal trekkes ut, og be om støttende side eller utdrag ved siden av hvert funn.
Produsenten påpeker at lydforståelse i versjon 1.3 ikke er fullt støttet og kan gi svakere svar. Behandle dette som en versjonsspesifikk begrensning, fremfor å kopiere lydfunksjonene til Muse Spark 1.2 eller en separat navngitt transkripsjonsmodell inn i denne beskrivelsen.
Resonneringsnivåer og svarbudsjett
Muse Spark genererer intern resonnering før det synlige svaret. De dokumenterte innsatsnivåene som gjelder her, er minimal, low, medium, high og xhigh. Nivået max tilhører spesifikt Standard Muse Spark 1.3 og er ikke tilgjengelig for Contributor-modeller. Det støttes ikke å deaktivere resonnering med none; selv om innstillingen utelates, resonnerer modellen fortsatt på et nivå den selv bestemmer.
Budsjettet for utdatatokener dekker både intern resonnering og synlig tekst. En forespørsel om et langt skriftlig resultat trenger derfor plass til begge deler, særlig ved høyere resonneringsinnsats. Den rå interne resonneringen forblir privat, og logaritmiske sannsynligheter støttes ikke som et mål på hvor sikker modellen er. Be om forklaringen, feltene eller den endelige koden oppgaven trenger, fremfor å anta at det underliggende resonneringssporet returneres som lesbar tekst.
For et avgrenset uttrekks- eller formateringseksperiment definerer du den nøyaktige posten og kildematerialet. For et visuelt problem eller kodeproblem med flere trinn definerer du mellomliggende beslutninger og sluttartefaktet. Høyere resonneringsinnsats endrer tildelingen til resonnering; den definerer ikke i seg selv hva som utgjør et fullført, nyttig resultat.
Verktøy og strukturerte funn
Produsentens Muse Spark-dokumentasjon beskriver utviklerdefinerte verktøykall og strukturerte utdata. Applikasjonen leverer verktøydefinisjonene, modellen avgjør hvilken operasjon som trengs og forbereder argumentene, og applikasjonen utfører hvert kall og returnerer det tilhørende resultatet. Det neste svaret kan bruke resultatene til å avgjøre hva som skal gjøres videre. Et foreslått kall er forskjellig fra en fullført operasjon.
Den samme dokumentasjonen skiller mellom tilkoblede innebygde søkeverktøy og utviklerdefinerte funksjoner. Søk eller kodekjøring er en del av verktøymiljøet, ikke en ekstra innholdsmodalitet i tekstsvaret. I en prototype legger du bare ved operasjonene som er relevante for spørsmålet, og beskriver hva hver av dem returnerer, slik at det påfølgende svaret forblir knyttet til faktisk gjenfunnet eller beregnet informasjon.
For strukturert uttrekk angir du feltnavn, nødvendig informasjon og hvordan manglende verdier skal representeres. En praktisk post kan inneholde kildeidentifikator, observert faktum, tolkning og spørsmålet som fortsatt må avklares. Hold posten atskilt fra valgfri prosa når en applikasjon må behandle feltene pålitelig. Produsentens skjemagrensesnitt avviser rekursive skjemaer og begrenser nesting til ti nivåer. Den strenge modusen krever et vanlig objekt som rot, at alle oppførte egenskaper er obligatoriske, og at ekstra egenskaper ikke tillates. En struktur som stemmer med skjemaet, fastslår ikke faktisk korrekthet.
En nyttig prototypeoppgave
Velg én arbeidsflyt som kan produsere et artefakt som kan undersøkes. Legg ved kravet, et visuelt eksempel og koden som bestemmer gjeldende atferd. Be om en kort sammenligning, et foreslått revidert fragment og eksempler som skiller forventet atferd fra dagens. Ta med eventuelle oppslags- eller kjøreresultater returnert av applikasjonen før du ber om den endelige forklaringen.
For en dokumentrettet prototype legger du ved PDF-en og spørsmålet som skal besvares, og ber deretter om et kildeknyttet sammendrag eller en sammenligningstabell. For video angir du hendelsen eller den visuelle sammenhengen som skal undersøkes, og ber om en ordnet beskrivelse med observasjonene som støtter den. Definer lengden og delene i det endelige svaret, slik at modellens store kontekst tjener det faktiske spørsmålet.
Utgave og kontinuitetsgrenser
Contributor forblir sin egen navngitte 1.3-utgave, med den dokumenterte konteksten og inndatatypene. Metas resonneringsveiledning skiller vanlig samtalehistorikk fra bevaring av privat resonnering mellom samtaleturene: produsentens chatgrensesnitt returnerer ikke dette private sporet til eksterne kallere. Behold de synlige meldingene, kildene og verktøyresultatene som trengs for en oppfølging, fremfor å anta at alle grensesnitt viderefører intern resonnering.
De leste kildene angir ingen egen absolutt maksimal kapasitet for inndata- eller utdatatokener utover kontekstvinduet. Behold utgaven, klargjøringen av inndata og det forespurte artefaktet, og hold verktøykjøring og levering av endelig tekst knyttet til resultatene som faktisk oppnås i prototypearbeidsflyten.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser meta/muse-spark-1.3-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 $0.000004 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "meta/muse-spark-1.3-contributor",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'meta/muse-spark-1.3-contributor', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'meta/muse-spark-1.3-contributor', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-1.3-contributor
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Prototype and test a text-only helper\n\nDesign a small Python prototype for an appointment reminder. Input records contain id and minutes_until_start. Return IDs where 0 <= minutes_until_start <= 30, preserving input order. Supply the function and cases at -1, 0, 30 and 31 minutes. Include a short note on assumptions; no calendar connection or reminder sending is available.A self-contained function, boundary-case assertions and explicit assumptions about input fields.Exactly the 0- and 30-minute records qualify, and the function does not send messages or assume calendar access.