Muse Spark 1.2 Contributor is de experimentele en prototypingeditie van Meta’s Muse Spark 1.2-redeneerfamilie. Houd de Contributor-identifier gescheiden van Standard 1.2 en latere 1.3-edities. De familiedocumentatie van de maker beschrijft agentwerk, softwareassistenten, multimodale redenering, toolgebruik en gestructureerde tekstresultaten; ze legt geen afzonderlijke prestatiegarantie voor Contributor vast op basis van Standard-demonstraties.
Gedocumenteerde invoer en context
De maker vermeldt tekst, afbeeldingen, video, audio en PDF’s als invoermodaliteiten van versie 1.2 en tekst als uitvoer, met een context van 1.048.576 tokens. Die tabel definieert het gedocumenteerde modelbereik van de producent. Het resultaat kan een geschreven uitleg, gestructureerde bevindingen of voorgestelde code zijn; een interface renderen, een opname maken of een andere externe actie uitvoeren vereist een toepassingscomponent.
Kies voor een prototype één afgebakende taak en lever het materiaal aan dat nodig is om het resultaat te inspecteren. Een schermafbeelding kan een vereiste voor een bepaalde interactie vergezellen. Een PDF kan de te vergelijken of te extraheren uitspraken leveren. Een video kan de te beschrijven zichtbare volgorde tonen, terwijl een audiovisuele vraag moet aangeven welk gesproken of zichtbaar detail ertoe doet. Label elke bron en vraag om het bewijsmateriaal dat het antwoord ondersteunt.
De 1.2-release beschrijft sterke punten van de familie bij het omzetten van visueel materiaal in code en het redeneren over grafieken of scènes. Gebruik die als taakgebieden en niet als een bewering dat deze Contributor-editie elke Standard-demo reproduceert. Een praktisch verzoek kan vragen om de lay-outelementen die in een schermafbeelding zichtbaar zijn, een voorgestelde implementatie en de resterende vragen over gedrag dat de afbeelding niet toont.
Redenering en resultaatvoorbereiding
De Muse Spark-redeneerhandleiding biedt de niveaus minimal, low, medium, high en xhigh voor deze editie. max is specifiek voor Standard 1.3 en redenering uitschakelen met none wordt niet ondersteund. Zonder expliciete instelling gebruikt het model nog altijd een door het model bepaald redeneerniveau. Een kleine extractie en een visueel of programmeerprobleem met meerdere stappen kunnen daarom verschillende niveaus gebruiken en toch dezelfde 1.2 Contributor-identiteit behouden.
Het uitvoerbudget omvat interne redenering en zichtbare tekst samen. Ruwe redenering is privé, dus vraag om de uitleg of het eindartefact dat de gebruiker nodig heeft in plaats van het onderliggende traject te verwachten. Bepaal de antwoordlengte en velden van de taak op basis van wat daarna zal worden geïnspecteerd.
Vraag voor een documentvergelijking om de bronuitspraak, de pagina, de voorwaarde die ze vastlegt en eventuele tegenstrijdigheden. Specificeer voor een codeprototype de toegestane invoer, het verwachte resultaat en de te behouden interface. Vraag het voorgestelde fragment afzonderlijk van de aannames en voorbeeldinvoer. Die vereisten definiëren een beoordeelbaar resultaat in plaats van een open experiment zonder voltooiingscriterium.
Experimenten met tools
Door ontwikkelaars gedefinieerd toolgebruik volgt een lus tussen model en toepassing. De toepassing beschrijft functies, het model kiest een bewerking en bereidt argumenten voor, en de toepassing voert ze uit en geeft het resultaat terug. Een opzoekactie kan referentie-informatie leveren; een uitvoeringstool kan tonen wat er gebeurde toen voorgestelde code werd uitgevoerd. Houd de oorspronkelijke bewerking en het teruggegeven resultaat aan elkaar gekoppeld voordat het volgende antwoord wordt gevraagd.
De aankondiging van de 1.2-familie legt de nadruk op het gebruik van tools om visuele invoer en gegenereerde artefacten nauwkeuriger te inspecteren. Dat betekent dat de omgeving de inspectie- of renderbewerking aanbiedt. Een tekstvoorstel alleen is geen gerenderde pagina of uitgevoerde interactie. Definieer wat de tools teruggeven, zodat het model feedback met de werkelijke vereiste kan verbinden.
Gestructureerde uitvoer kan de bevindingen van het experiment in een aangeleverd schema organiseren. Definieer veldnamen, vereiste types en de verwerking van ontbrekende waarden en behoud bronidentifiers bij geëxtraheerde informatie. Een syntactisch geldige registratie en een correcte interpretatie zijn verschillende eigenschappen; houd het oorspronkelijke materiaal beschikbaar om die laatste te inspecteren.
Editie- en continuïteitsbeperkingen
De gewone chatworkflow van de maker geeft geen privéredeneercontext terug die externe aanroepers opnieuw kunnen afspelen. Bewaar zichtbare geschiedenis, bronfeiten en toolresultaten bij het voortzetten van een experiment en gebruik alleen de continuïteitsmechanismen die voor de gekoppelde interface zijn gedocumenteerd. Logwaarschijnlijkheden worden niet ondersteund voor Muse Spark en mogen daarom niet worden behandeld als een ingebouwde betrouwbaarheidsscore voor een geëxtraheerd veld.
De gepubliceerde context- en modaliteitstabel hoort bij deze benoemde 1.2-editie; die mag niet de max-instelling of audiobeperking van 1.3 overnemen. De geraadpleegde bronnen vermelden geen afzonderlijke maximale invoer- of uitvoertokencapaciteit buiten de context. Houd het doel, materiaal en inspecteerbare tekstresultaat van het prototype expliciet en behoud de Contributor-identiteit en de werkelijke resultaten van de tools.
", "aboutText": "Muse Spark 1.2 Contributor is de experimentele en prototypingeditie van Meta’s Muse Spark 1.2-redeneerfamilie. Houd de Contributor-identifier gescheiden van Standard 1.2 en latere 1.3-edities. De familiedocumentatie van de maker beschrijft agentwerk, softwareassistenten, multimodale redenering, toolgebruik en gestructureerde tekstresultaten; ze legt geen afzonderlijke prestatiegarantie voor Contributor vast op basis van Standard-demonstraties.\n\nGedocumenteerde invoer en context\n\nDe maker vermeldt tekst, afbeeldingen, video, audio en PDF’s als invoermodaliteiten van versie 1.2 en tekst als uitvoer, met een context van 1.048.576 tokens. Die tabel definieert het gedocumenteerde modelbereik van de producent. Het resultaat kan een geschreven uitleg, gestructureerde bevindingen of voorgestelde code zijn; een interface renderen, een opname maken of een andere externe actie uitvoeren vereist een toepassingscomponent.\n\nKies voor een prototype één afgebakende taak en lever het materiaal aan dat nodig is om het resultaat te inspecteren. Een schermafbeelding kan een vereiste voor een bepaalde interactie vergezellen. Een PDF kan de te vergelijken of te extraheren uitspraken leveren. Een video kan de te beschrijven zichtbare volgorde tonen, terwijl een audiovisuele vraag moet aangeven welk gesproken of zichtbaar detail ertoe doet. Label elke bron en vraag om het bewijsmateriaal dat het antwoord ondersteunt.\n\nDe 1.2-release beschrijft sterke punten van de familie bij het omzetten van visueel materiaal in code en het redeneren over grafieken of scènes. Gebruik die als taakgebieden en niet als een bewering dat deze Contributor-editie elke Standard-demo reproduceert. Een praktisch verzoek kan vragen om de lay-outelementen die in een schermafbeelding zichtbaar zijn, een voorgestelde implementatie en de resterende vragen over gedrag dat de afbeelding niet toont.\n\nRedenering en resultaatvoorbereiding\n\nDe Muse Spark-redeneerhandleiding biedt de niveaus minimal, low, medium, high en xhigh voor deze editie. max is specifiek voor Standard 1.3 en redenering uitschakelen met none wordt niet ondersteund. Zonder expliciete instelling gebruikt het model nog altijd een door het model bepaald redeneerniveau. Een kleine extractie en een visueel of programmeerprobleem met meerdere stappen kunnen daarom verschillende niveaus gebruiken en toch dezelfde 1.2 Contributor-identiteit behouden.\n\nHet uitvoerbudget omvat interne redenering en zichtbare tekst samen. Ruwe redenering is privé, dus vraag om de uitleg of het eindartefact dat de gebruiker nodig heeft in plaats van het onderliggende traject te verwachten. Bepaal de antwoordlengte en velden van de taak op basis van wat daarna zal worden geïnspecteerd.\n\nVraag voor een documentvergelijking om de bronuitspraak, de pagina, de voorwaarde die ze vastlegt en eventuele tegenstrijdigheden. Specificeer voor een codeprototype de toegestane invoer, het verwachte resultaat en de te behouden interface. Vraag het voorgestelde fragment afzonderlijk van de aannames en voorbeeldinvoer. Die vereisten definiëren een beoordeelbaar resultaat in plaats van een open experiment zonder voltooiingscriterium.\n\nExperimenten met tools\n\nDoor ontwikkelaars gedefinieerd toolgebruik volgt een lus tussen model en toepassing. De toepassing beschrijft functies, het model kiest een bewerking en bereidt argumenten voor, en de toepassing voert ze uit en geeft het resultaat terug. Een opzoekactie kan referentie-informatie leveren; een uitvoeringstool kan tonen wat er gebeurde toen voorgestelde code werd uitgevoerd. Houd de oorspronkelijke bewerking en het teruggegeven resultaat aan elkaar gekoppeld voordat het volgende antwoord wordt gevraagd.\n\nDe aankondiging van de 1.2-familie legt de nadruk op het gebruik van tools om visuele invoer en gegenereerde artefacten nauwkeuriger te inspecteren. Dat betekent dat de omgeving de inspectie- of renderbewerking aanbiedt. Een tekstvoorstel alleen is geen gerenderde pagina of uitgevoerde interactie. Definieer wat de tools teruggeven, zodat het model feedback met de werkelijke vereiste kan verbinden.\n\nGestructureerde uitvoer kan de bevindingen van het experiment in een aangeleverd schema organiseren. Definieer veldnamen, vereiste types en de verwerking van ontbrekende waarden en behoud bronidentifiers bij geëxtraheerde informatie. Een syntactisch geldige registratie en een correcte interpretatie zijn verschillende eigenschappen; houd het oorspronkelijke materiaal beschikbaar om die laatste te inspecteren.\n\nEditie- en continuïteitsbeperkingen\n\nDe gewone chatworkflow van de maker geeft geen privéredeneercontext terug die externe aanroepers opnieuw kunnen afspelen. Bewaar zichtbare geschiedenis, bronfeiten en toolresultaten bij het voortzetten van een experiment en gebruik alleen de continuïteitsmechanismen die voor de gekoppelde interface zijn gedocumenteerd. Logwaarschijnlijkheden worden niet ondersteund voor Muse Spark en mogen daarom niet worden behandeld als een ingebouwde betrouwbaarheidsscore voor een geëxtraheerd veld.\n\nDe gepubliceerde context- en modaliteitstabel hoort bij deze benoemde 1.2-editie; die mag niet de max-instelling of audiobeperking van 1.3 overnemen. De geraadpleegde bronnen vermelden geen afzonderlijke maximale invoer- of uitvoertokencapaciteit buiten de context. Houd het doel, materiaal en inspecteerbare tekstresultaat van het prototype expliciet en behoud de Contributor-identiteit en de werkelijke resultaten van de tools.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
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 is een afzonderlijk benoemde redeneereditie van Meta voor prototype- en experimentele agentworkflows. Meta documenteert een context van 1.048.576 tokens en multimodale invoer met tekstuitvoer; de editie behoudt haar eigen identiteit en redeneerniveaus zonder max van 1.3 Standard.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Muse Spark 1.2 Contributor is de experimentele en prototypingeditie van Meta’s Muse Spark 1.2-redeneerfamilie. Houd de Contributor-identifier gescheiden van Standard 1.2 en latere 1.3-edities. De familiedocumentatie van de maker beschrijft agentwerk, softwareassistenten, multimodale redenering, toolgebruik en gestructureerde tekstresultaten; ze legt geen afzonderlijke prestatiegarantie voor Contributor vast op basis van Standard-demonstraties.
Gedocumenteerde invoer en context
De maker vermeldt tekst, afbeeldingen, video, audio en PDF’s als invoermodaliteiten van versie 1.2 en tekst als uitvoer, met een context van 1.048.576 tokens. Die tabel definieert het gedocumenteerde modelbereik van de producent. Het resultaat kan een geschreven uitleg, gestructureerde bevindingen of voorgestelde code zijn; een interface renderen, een opname maken of een andere externe actie uitvoeren vereist een toepassingscomponent.
Kies voor een prototype één afgebakende taak en lever het materiaal aan dat nodig is om het resultaat te inspecteren. Een schermafbeelding kan een vereiste voor een bepaalde interactie vergezellen. Een PDF kan de te vergelijken of te extraheren uitspraken leveren. Een video kan de te beschrijven zichtbare volgorde tonen, terwijl een audiovisuele vraag moet aangeven welk gesproken of zichtbaar detail ertoe doet. Label elke bron en vraag om het bewijsmateriaal dat het antwoord ondersteunt.
De 1.2-release beschrijft sterke punten van de familie bij het omzetten van visueel materiaal in code en het redeneren over grafieken of scènes. Gebruik die als taakgebieden en niet als een bewering dat deze Contributor-editie elke Standard-demo reproduceert. Een praktisch verzoek kan vragen om de lay-outelementen die in een schermafbeelding zichtbaar zijn, een voorgestelde implementatie en de resterende vragen over gedrag dat de afbeelding niet toont.
Redenering en resultaatvoorbereiding
De Muse Spark-redeneerhandleiding biedt de niveaus minimal, low, medium, high en xhigh voor deze editie. max is specifiek voor Standard 1.3 en redenering uitschakelen met none wordt niet ondersteund. Zonder expliciete instelling gebruikt het model nog altijd een door het model bepaald redeneerniveau. Een kleine extractie en een visueel of programmeerprobleem met meerdere stappen kunnen daarom verschillende niveaus gebruiken en toch dezelfde 1.2 Contributor-identiteit behouden.
Het uitvoerbudget omvat interne redenering en zichtbare tekst samen. Ruwe redenering is privé, dus vraag om de uitleg of het eindartefact dat de gebruiker nodig heeft in plaats van het onderliggende traject te verwachten. Bepaal de antwoordlengte en velden van de taak op basis van wat daarna zal worden geïnspecteerd.
Vraag voor een documentvergelijking om de bronuitspraak, de pagina, de voorwaarde die ze vastlegt en eventuele tegenstrijdigheden. Specificeer voor een codeprototype de toegestane invoer, het verwachte resultaat en de te behouden interface. Vraag het voorgestelde fragment afzonderlijk van de aannames en voorbeeldinvoer. Die vereisten definiëren een beoordeelbaar resultaat in plaats van een open experiment zonder voltooiingscriterium.
Experimenten met tools
Door ontwikkelaars gedefinieerd toolgebruik volgt een lus tussen model en toepassing. De toepassing beschrijft functies, het model kiest een bewerking en bereidt argumenten voor, en de toepassing voert ze uit en geeft het resultaat terug. Een opzoekactie kan referentie-informatie leveren; een uitvoeringstool kan tonen wat er gebeurde toen voorgestelde code werd uitgevoerd. Houd de oorspronkelijke bewerking en het teruggegeven resultaat aan elkaar gekoppeld voordat het volgende antwoord wordt gevraagd.
De aankondiging van de 1.2-familie legt de nadruk op het gebruik van tools om visuele invoer en gegenereerde artefacten nauwkeuriger te inspecteren. Dat betekent dat de omgeving de inspectie- of renderbewerking aanbiedt. Een tekstvoorstel alleen is geen gerenderde pagina of uitgevoerde interactie. Definieer wat de tools teruggeven, zodat het model feedback met de werkelijke vereiste kan verbinden.
Gestructureerde uitvoer kan de bevindingen van het experiment in een aangeleverd schema organiseren. Definieer veldnamen, vereiste types en de verwerking van ontbrekende waarden en behoud bronidentifiers bij geëxtraheerde informatie. Een syntactisch geldige registratie en een correcte interpretatie zijn verschillende eigenschappen; houd het oorspronkelijke materiaal beschikbaar om die laatste te inspecteren.
Editie- en continuïteitsbeperkingen
De gewone chatworkflow van de maker geeft geen privéredeneercontext terug die externe aanroepers opnieuw kunnen afspelen. Bewaar zichtbare geschiedenis, bronfeiten en toolresultaten bij het voortzetten van een experiment en gebruik alleen de continuïteitsmechanismen die voor de gekoppelde interface zijn gedocumenteerd. Logwaarschijnlijkheden worden niet ondersteund voor Muse Spark en mogen daarom niet worden behandeld als een ingebouwde betrouwbaarheidsscore voor een geëxtraheerd veld.
De gepubliceerde context- en modaliteitstabel hoort bij deze benoemde 1.2-editie; die mag niet de max-instelling of audiobeperking van 1.3 overnemen. De geraadpleegde bronnen vermelden geen afzonderlijke maximale invoer- of uitvoertokencapaciteit buiten de context. Houd het doel, materiaal en inspecteerbare tekstresultaat van het prototype expliciet en behoud de Contributor-identiteit en de werkelijke resultaten van de tools.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten meta/muse-spark-1.2-contributor | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0004 / 1K tokens Invoer · Cache lezen $0.000004 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0004 / 1K tokens Invoer · Cache lezen $0.000004 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra meta/muse-spark-1.2-contributor
Gebruik de hierboven getoonde methodepaden.
meta/muse-spark-1.2-contributorMuse Spark 1.2 Contributor is een afzonderlijk benoemde redeneereditie van Meta voor prototype- en experimentele agentworkflows. Meta documenteert een context van 1.048.576 tokens en multimodale invoer met tekstuitvoer; de editie behoudt haar eigen identiteit en redeneerniveaus zonder max van 1.3 Standard.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Muse Spark 1.2 Contributor is de experimentele en prototypingeditie van Meta’s Muse Spark 1.2-redeneerfamilie. Houd de Contributor-identifier gescheiden van Standard 1.2 en latere 1.3-edities. De familiedocumentatie van de maker beschrijft agentwerk, softwareassistenten, multimodale redenering, toolgebruik en gestructureerde tekstresultaten; ze legt geen afzonderlijke prestatiegarantie voor Contributor vast op basis van Standard-demonstraties.
Gedocumenteerde invoer en context
De maker vermeldt tekst, afbeeldingen, video, audio en PDF’s als invoermodaliteiten van versie 1.2 en tekst als uitvoer, met een context van 1.048.576 tokens. Die tabel definieert het gedocumenteerde modelbereik van de producent. Het resultaat kan een geschreven uitleg, gestructureerde bevindingen of voorgestelde code zijn; een interface renderen, een opname maken of een andere externe actie uitvoeren vereist een toepassingscomponent.
Kies voor een prototype één afgebakende taak en lever het materiaal aan dat nodig is om het resultaat te inspecteren. Een schermafbeelding kan een vereiste voor een bepaalde interactie vergezellen. Een PDF kan de te vergelijken of te extraheren uitspraken leveren. Een video kan de te beschrijven zichtbare volgorde tonen, terwijl een audiovisuele vraag moet aangeven welk gesproken of zichtbaar detail ertoe doet. Label elke bron en vraag om het bewijsmateriaal dat het antwoord ondersteunt.
De 1.2-release beschrijft sterke punten van de familie bij het omzetten van visueel materiaal in code en het redeneren over grafieken of scènes. Gebruik die als taakgebieden en niet als een bewering dat deze Contributor-editie elke Standard-demo reproduceert. Een praktisch verzoek kan vragen om de lay-outelementen die in een schermafbeelding zichtbaar zijn, een voorgestelde implementatie en de resterende vragen over gedrag dat de afbeelding niet toont.
Redenering en resultaatvoorbereiding
De Muse Spark-redeneerhandleiding biedt de niveaus minimal, low, medium, high en xhigh voor deze editie. max is specifiek voor Standard 1.3 en redenering uitschakelen met none wordt niet ondersteund. Zonder expliciete instelling gebruikt het model nog altijd een door het model bepaald redeneerniveau. Een kleine extractie en een visueel of programmeerprobleem met meerdere stappen kunnen daarom verschillende niveaus gebruiken en toch dezelfde 1.2 Contributor-identiteit behouden.
Het uitvoerbudget omvat interne redenering en zichtbare tekst samen. Ruwe redenering is privé, dus vraag om de uitleg of het eindartefact dat de gebruiker nodig heeft in plaats van het onderliggende traject te verwachten. Bepaal de antwoordlengte en velden van de taak op basis van wat daarna zal worden geïnspecteerd.
Vraag voor een documentvergelijking om de bronuitspraak, de pagina, de voorwaarde die ze vastlegt en eventuele tegenstrijdigheden. Specificeer voor een codeprototype de toegestane invoer, het verwachte resultaat en de te behouden interface. Vraag het voorgestelde fragment afzonderlijk van de aannames en voorbeeldinvoer. Die vereisten definiëren een beoordeelbaar resultaat in plaats van een open experiment zonder voltooiingscriterium.
Experimenten met tools
Door ontwikkelaars gedefinieerd toolgebruik volgt een lus tussen model en toepassing. De toepassing beschrijft functies, het model kiest een bewerking en bereidt argumenten voor, en de toepassing voert ze uit en geeft het resultaat terug. Een opzoekactie kan referentie-informatie leveren; een uitvoeringstool kan tonen wat er gebeurde toen voorgestelde code werd uitgevoerd. Houd de oorspronkelijke bewerking en het teruggegeven resultaat aan elkaar gekoppeld voordat het volgende antwoord wordt gevraagd.
De aankondiging van de 1.2-familie legt de nadruk op het gebruik van tools om visuele invoer en gegenereerde artefacten nauwkeuriger te inspecteren. Dat betekent dat de omgeving de inspectie- of renderbewerking aanbiedt. Een tekstvoorstel alleen is geen gerenderde pagina of uitgevoerde interactie. Definieer wat de tools teruggeven, zodat het model feedback met de werkelijke vereiste kan verbinden.
Gestructureerde uitvoer kan de bevindingen van het experiment in een aangeleverd schema organiseren. Definieer veldnamen, vereiste types en de verwerking van ontbrekende waarden en behoud bronidentifiers bij geëxtraheerde informatie. Een syntactisch geldige registratie en een correcte interpretatie zijn verschillende eigenschappen; houd het oorspronkelijke materiaal beschikbaar om die laatste te inspecteren.
Editie- en continuïteitsbeperkingen
De gewone chatworkflow van de maker geeft geen privéredeneercontext terug die externe aanroepers opnieuw kunnen afspelen. Bewaar zichtbare geschiedenis, bronfeiten en toolresultaten bij het voortzetten van een experiment en gebruik alleen de continuïteitsmechanismen die voor de gekoppelde interface zijn gedocumenteerd. Logwaarschijnlijkheden worden niet ondersteund voor Muse Spark en mogen daarom niet worden behandeld als een ingebouwde betrouwbaarheidsscore voor een geëxtraheerd veld.
De gepubliceerde context- en modaliteitstabel hoort bij deze benoemde 1.2-editie; die mag niet de max-instelling of audiobeperking van 1.3 overnemen. De geraadpleegde bronnen vermelden geen afzonderlijke maximale invoer- of uitvoertokencapaciteit buiten de context. Houd het doel, materiaal en inspecteerbare tekstresultaat van het prototype expliciet en behoud de Contributor-identiteit en de werkelijke resultaten van de tools.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten meta/muse-spark-1.2-contributor | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0004 / 1K tokens Invoer · Cache lezen $0.000004 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0004 / 1K tokens Invoer · Cache lezen $0.000004 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "meta/muse-spark-1.2-contributor",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra meta/muse-spark-1.2-contributor
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
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.