Muse Spark 1.3 Contributor is een afzonderlijk benoemde editie in Meta’s Muse Spark-familie voor prototyping en experimenten. De familie is ontworpen voor agentwerk en programmeren: toolcycli met meerdere stappen, softwareassistenten en redeneren over omvangrijk bronmateriaal. Behoud de Contributor-naam bij het selecteren van de editie, in plaats van die te behandelen als de Standard 1.3-vermelding waarvan elke instelling ongewijzigd wordt overgenomen.
Invoer en context
De officiële modeltabel vermeldt tekst, afbeeldingen, video en PDF’s als invoer en tekst als uitvoer, met een contextvenster van 1.048.576 tokens. Een taak kan een geschreven vereiste, een schermafbeelding, een relevante clip of documentpagina’s combineren en vragen om een geschreven uitleg, gestructureerde bevindingen of voorgestelde code. Het tekstresultaat van het model kan een artefact worden in de omringende toepassing; een pagina renderen of code uitvoeren vereist die toepassingsomgeving.
Benoem elke bron en haar rol voordat een resultaat wordt gevraagd. Een prototypetaak voor een interface kan een schermafbeelding koppelen aan het gewenste gedrag en het bestaande codefragment. Vraag om de zichtbare verschillen, de voorgestelde implementatiewijziging en de aannames die nog verduidelijking nodig hebben. Een documenttaak kan de te extraheren velden definiëren en om de ondersteunende pagina of passage bij elke bevinding vragen.
De maker merkt op dat audiobegrip in versie 1.3 niet volledig wordt ondersteund en minder goede antwoorden kan opleveren. Behandel dat als een versiespecifieke beperking, in plaats van de audiomogelijkheden van Muse Spark 1.2 of een afzonderlijk benoemd transcriptiemodel in deze beschrijving over te nemen.
Redeneerniveaus en antwoordbudget
Muse Spark genereert interne redenering vóór het zichtbare antwoord. De gedocumenteerde niveaus die hier van toepassing zijn, zijn minimal, low, medium, high en xhigh. Het niveau max hoort specifiek bij Standard Muse Spark 1.3 en is niet beschikbaar voor Contributor-modellen. Redenering uitschakelen met none wordt niet ondersteund; ook wanneer de instelling wordt weggelaten, redeneert het model op een door het model bepaald niveau.
Het budget voor uitvoertokens omvat zowel interne redenering als zichtbare tekst. Een verzoek om een lang geschreven resultaat heeft daarom ruimte nodig voor beide, vooral bij een hoger redeneerniveau. De ruwe interne redenering blijft privé en logwaarschijnlijkheden worden niet ondersteund als betrouwbaarheidsmaat. Vraag om de uitleg, velden of uiteindelijke code die de taak nodig heeft, in plaats van aan te nemen dat het onderliggende redeneertraject als leesbare tekst wordt teruggegeven.
Definieer voor een gericht extractie- of opmaakexperiment de exacte registratie en het bronmateriaal. Definieer voor een programmeer- of visueel probleem met meerdere stappen de tussentijdse beslissingen en het eindartefact. Een hoger redeneerniveau verandert de toewijzing van redeneercapaciteit; het bepaalt op zichzelf niet wat een voltooid, nuttig resultaat is.
Tools en gestructureerde bevindingen
De Muse Spark-documentatie van de maker beschrijft door ontwikkelaars gedefinieerde toolaanroepen en gestructureerde uitvoer. De toepassing biedt de tooldefinities aan, het model beslist welke bewerking nodig is en bereidt de argumenten voor, en de toepassing voert elke aanroep uit en geeft het bijbehorende resultaat terug. Het volgende antwoord kan die resultaten gebruiken om te beslissen wat daarna moet gebeuren. Een voorgestelde aanroep staat los van een voltooide bewerking.
Dezelfde documentatie onderscheidt gekoppelde ingebouwde zoektools van door ontwikkelaars gedefinieerde functies. Zoeken of code uitvoeren maakt deel uit van de toolomgeving en is geen extra inhoudsmodaliteit van het tekstantwoord. Bied in een prototype alleen de bewerkingen aan die relevant zijn voor de vraag en beschrijf wat elke bewerking teruggeeft, zodat het volgende antwoord verbonden blijft met werkelijk opgehaalde of berekende informatie.
Specificeer voor gestructureerde extractie de veldnamen, vereiste informatie en weergave van ontbrekende waarden. Een praktische registratie kan de bronidentifier, het waargenomen feit, de interpretatie en een nog te verduidelijken vraag bevatten. Houd de registratie gescheiden van optionele lopende tekst wanneer een toepassing de velden betrouwbaar moet verwerken. De schema-interface van de maker verwerpt recursieve schema’s en beperkt nesting tot tien niveaus. De strict-modus vereist een gewoon object als root, stelt elke vermelde eigenschap verplicht en staat geen extra eigenschappen toe. Een passende structuur toont geen feitelijke correctheid aan.
Een nuttige prototypetaak
Kies één workflow die een inspecteerbaar artefact kan opleveren. Lever de vereiste, een visueel voorbeeld en de code die het huidige gedrag bepaalt aan. Vraag om een korte vergelijking, een voorgesteld herzien fragment en voorbeelden die het verwachte gedrag van het huidige gedrag onderscheiden. Neem elk opzoek- of uitvoeringsresultaat van de toepassing op voordat de definitieve uitleg wordt gevraagd.
Geef voor een documentgericht prototype de PDF en de te beantwoorden vraag en vraag daarna om een samenvatting met bronverwijzingen of een vergelijkingstabel. Benoem bij video de te onderzoeken gebeurtenis of visuele relatie en vraag om een geordende beschrijving met de ondersteunende waarnemingen. Definieer de lengte en onderdelen van het eindantwoord, zodat de grote context van het model de werkelijke vraag dient.
Editie- en continuïteitsgrenzen
Contributor blijft een eigen, benoemde 1.3-editie met de gedocumenteerde context en invoertypes. Meta’s redeneerhandleiding maakt onderscheid tussen gewone gespreksgeschiedenis en het bewaren van privéredenering over gespreksbeurten heen: de chatinterface van de maker geeft dat privétraject niet terug aan externe aanroepers. Bewaar de zichtbare berichten, bronnen en toolresultaten die voor een vervolg nodig zijn, in plaats van aan te nemen dat elke interface interne redenering meeneemt.
De geraadpleegde bronnen specificeren geen afzonderlijke harde maximale invoer- of uitvoertokencapaciteit buiten het contextvenster. Behoud de editie, de voorbereiding van de invoer en het gevraagde artefact en houd tooluitvoering en de uiteindelijke tekstlevering verbonden met de resultaten die werkelijk in de prototypeworkflow zijn verkregen.
", "aboutText": "Muse Spark 1.3 Contributor is een afzonderlijk benoemde editie in Meta’s Muse Spark-familie voor prototyping en experimenten. De familie is ontworpen voor agentwerk en programmeren: toolcycli met meerdere stappen, softwareassistenten en redeneren over omvangrijk bronmateriaal. Behoud de Contributor-naam bij het selecteren van de editie, in plaats van die te behandelen als de Standard 1.3-vermelding waarvan elke instelling ongewijzigd wordt overgenomen.\n\nInvoer en context\n\nDe officiële modeltabel vermeldt tekst, afbeeldingen, video en PDF’s als invoer en tekst als uitvoer, met een contextvenster van 1.048.576 tokens. Een taak kan een geschreven vereiste, een schermafbeelding, een relevante clip of documentpagina’s combineren en vragen om een geschreven uitleg, gestructureerde bevindingen of voorgestelde code. Het tekstresultaat van het model kan een artefact worden in de omringende toepassing; een pagina renderen of code uitvoeren vereist die toepassingsomgeving.\n\nBenoem elke bron en haar rol voordat een resultaat wordt gevraagd. Een prototypetaak voor een interface kan een schermafbeelding koppelen aan het gewenste gedrag en het bestaande codefragment. Vraag om de zichtbare verschillen, de voorgestelde implementatiewijziging en de aannames die nog verduidelijking nodig hebben. Een documenttaak kan de te extraheren velden definiëren en om de ondersteunende pagina of passage bij elke bevinding vragen.\n\nDe maker merkt op dat audiobegrip in versie 1.3 niet volledig wordt ondersteund en minder goede antwoorden kan opleveren. Behandel dat als een versiespecifieke beperking, in plaats van de audiomogelijkheden van Muse Spark 1.2 of een afzonderlijk benoemd transcriptiemodel in deze beschrijving over te nemen.\n\nRedeneerniveaus en antwoordbudget\n\nMuse Spark genereert interne redenering vóór het zichtbare antwoord. De gedocumenteerde niveaus die hier van toepassing zijn, zijn minimal, low, medium, high en xhigh. Het niveau max hoort specifiek bij Standard Muse Spark 1.3 en is niet beschikbaar voor Contributor-modellen. Redenering uitschakelen met none wordt niet ondersteund; ook wanneer de instelling wordt weggelaten, redeneert het model op een door het model bepaald niveau.\n\nHet budget voor uitvoertokens omvat zowel interne redenering als zichtbare tekst. Een verzoek om een lang geschreven resultaat heeft daarom ruimte nodig voor beide, vooral bij een hoger redeneerniveau. De ruwe interne redenering blijft privé en logwaarschijnlijkheden worden niet ondersteund als betrouwbaarheidsmaat. Vraag om de uitleg, velden of uiteindelijke code die de taak nodig heeft, in plaats van aan te nemen dat het onderliggende redeneertraject als leesbare tekst wordt teruggegeven.\n\nDefinieer voor een gericht extractie- of opmaakexperiment de exacte registratie en het bronmateriaal. Definieer voor een programmeer- of visueel probleem met meerdere stappen de tussentijdse beslissingen en het eindartefact. Een hoger redeneerniveau verandert de toewijzing van redeneercapaciteit; het bepaalt op zichzelf niet wat een voltooid, nuttig resultaat is.\n\nTools en gestructureerde bevindingen\n\nDe Muse Spark-documentatie van de maker beschrijft door ontwikkelaars gedefinieerde toolaanroepen en gestructureerde uitvoer. De toepassing biedt de tooldefinities aan, het model beslist welke bewerking nodig is en bereidt de argumenten voor, en de toepassing voert elke aanroep uit en geeft het bijbehorende resultaat terug. Het volgende antwoord kan die resultaten gebruiken om te beslissen wat daarna moet gebeuren. Een voorgestelde aanroep staat los van een voltooide bewerking.\n\nDezelfde documentatie onderscheidt gekoppelde ingebouwde zoektools van door ontwikkelaars gedefinieerde functies. Zoeken of code uitvoeren maakt deel uit van de toolomgeving en is geen extra inhoudsmodaliteit van het tekstantwoord. Bied in een prototype alleen de bewerkingen aan die relevant zijn voor de vraag en beschrijf wat elke bewerking teruggeeft, zodat het volgende antwoord verbonden blijft met werkelijk opgehaalde of berekende informatie.\n\nSpecificeer voor gestructureerde extractie de veldnamen, vereiste informatie en weergave van ontbrekende waarden. Een praktische registratie kan de bronidentifier, het waargenomen feit, de interpretatie en een nog te verduidelijken vraag bevatten. Houd de registratie gescheiden van optionele lopende tekst wanneer een toepassing de velden betrouwbaar moet verwerken. De schema-interface van de maker verwerpt recursieve schema’s en beperkt nesting tot tien niveaus. De strict-modus vereist een gewoon object als root, stelt elke vermelde eigenschap verplicht en staat geen extra eigenschappen toe. Een passende structuur toont geen feitelijke correctheid aan.\n\nEen nuttige prototypetaak\n\nKies één workflow die een inspecteerbaar artefact kan opleveren. Lever de vereiste, een visueel voorbeeld en de code die het huidige gedrag bepaalt aan. Vraag om een korte vergelijking, een voorgesteld herzien fragment en voorbeelden die het verwachte gedrag van het huidige gedrag onderscheiden. Neem elk opzoek- of uitvoeringsresultaat van de toepassing op voordat de definitieve uitleg wordt gevraagd.\n\nGeef voor een documentgericht prototype de PDF en de te beantwoorden vraag en vraag daarna om een samenvatting met bronverwijzingen of een vergelijkingstabel. Benoem bij video de te onderzoeken gebeurtenis of visuele relatie en vraag om een geordende beschrijving met de ondersteunende waarnemingen. Definieer de lengte en onderdelen van het eindantwoord, zodat de grote context van het model de werkelijke vraag dient.\n\nEditie- en continuïteitsgrenzen\n\nContributor blijft een eigen, benoemde 1.3-editie met de gedocumenteerde context en invoertypes. Meta’s redeneerhandleiding maakt onderscheid tussen gewone gespreksgeschiedenis en het bewaren van privéredenering over gespreksbeurten heen: de chatinterface van de maker geeft dat privétraject niet terug aan externe aanroepers. Bewaar de zichtbare berichten, bronnen en toolresultaten die voor een vervolg nodig zijn, in plaats van aan te nemen dat elke interface interne redenering meeneemt.\n\nDe geraadpleegde bronnen specificeren geen afzonderlijke harde maximale invoer- of uitvoertokencapaciteit buiten het contextvenster. Behoud de editie, de voorbereiding van de invoer en het gevraagde artefact en houd tooluitvoering en de uiteindelijke tekstlevering verbonden met de resultaten die werkelijk in de prototypeworkflow zijn verkregen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
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 is een redeneereditie in Meta’s familie voor agentwerk en programmeren, bedoeld voor prototypeworkflows. De maker vermeldt tekst, afbeeldingen, video en PDF’s als invoer, tekst als uitvoer en een context van 1.048.576 tokens, met redeneerniveaus tot en met xhigh in plaats van max van Standard 1.3.
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 1.3 Contributor is een afzonderlijk benoemde editie in Meta’s Muse Spark-familie voor prototyping en experimenten. De familie is ontworpen voor agentwerk en programmeren: toolcycli met meerdere stappen, softwareassistenten en redeneren over omvangrijk bronmateriaal. Behoud de Contributor-naam bij het selecteren van de editie, in plaats van die te behandelen als de Standard 1.3-vermelding waarvan elke instelling ongewijzigd wordt overgenomen.
Invoer en context
De officiële modeltabel vermeldt tekst, afbeeldingen, video en PDF’s als invoer en tekst als uitvoer, met een contextvenster van 1.048.576 tokens. Een taak kan een geschreven vereiste, een schermafbeelding, een relevante clip of documentpagina’s combineren en vragen om een geschreven uitleg, gestructureerde bevindingen of voorgestelde code. Het tekstresultaat van het model kan een artefact worden in de omringende toepassing; een pagina renderen of code uitvoeren vereist die toepassingsomgeving.
Benoem elke bron en haar rol voordat een resultaat wordt gevraagd. Een prototypetaak voor een interface kan een schermafbeelding koppelen aan het gewenste gedrag en het bestaande codefragment. Vraag om de zichtbare verschillen, de voorgestelde implementatiewijziging en de aannames die nog verduidelijking nodig hebben. Een documenttaak kan de te extraheren velden definiëren en om de ondersteunende pagina of passage bij elke bevinding vragen.
De maker merkt op dat audiobegrip in versie 1.3 niet volledig wordt ondersteund en minder goede antwoorden kan opleveren. Behandel dat als een versiespecifieke beperking, in plaats van de audiomogelijkheden van Muse Spark 1.2 of een afzonderlijk benoemd transcriptiemodel in deze beschrijving over te nemen.
Redeneerniveaus en antwoordbudget
Muse Spark genereert interne redenering vóór het zichtbare antwoord. De gedocumenteerde niveaus die hier van toepassing zijn, zijn minimal, low, medium, high en xhigh. Het niveau max hoort specifiek bij Standard Muse Spark 1.3 en is niet beschikbaar voor Contributor-modellen. Redenering uitschakelen met none wordt niet ondersteund; ook wanneer de instelling wordt weggelaten, redeneert het model op een door het model bepaald niveau.
Het budget voor uitvoertokens omvat zowel interne redenering als zichtbare tekst. Een verzoek om een lang geschreven resultaat heeft daarom ruimte nodig voor beide, vooral bij een hoger redeneerniveau. De ruwe interne redenering blijft privé en logwaarschijnlijkheden worden niet ondersteund als betrouwbaarheidsmaat. Vraag om de uitleg, velden of uiteindelijke code die de taak nodig heeft, in plaats van aan te nemen dat het onderliggende redeneertraject als leesbare tekst wordt teruggegeven.
Definieer voor een gericht extractie- of opmaakexperiment de exacte registratie en het bronmateriaal. Definieer voor een programmeer- of visueel probleem met meerdere stappen de tussentijdse beslissingen en het eindartefact. Een hoger redeneerniveau verandert de toewijzing van redeneercapaciteit; het bepaalt op zichzelf niet wat een voltooid, nuttig resultaat is.
Tools en gestructureerde bevindingen
De Muse Spark-documentatie van de maker beschrijft door ontwikkelaars gedefinieerde toolaanroepen en gestructureerde uitvoer. De toepassing biedt de tooldefinities aan, het model beslist welke bewerking nodig is en bereidt de argumenten voor, en de toepassing voert elke aanroep uit en geeft het bijbehorende resultaat terug. Het volgende antwoord kan die resultaten gebruiken om te beslissen wat daarna moet gebeuren. Een voorgestelde aanroep staat los van een voltooide bewerking.
Dezelfde documentatie onderscheidt gekoppelde ingebouwde zoektools van door ontwikkelaars gedefinieerde functies. Zoeken of code uitvoeren maakt deel uit van de toolomgeving en is geen extra inhoudsmodaliteit van het tekstantwoord. Bied in een prototype alleen de bewerkingen aan die relevant zijn voor de vraag en beschrijf wat elke bewerking teruggeeft, zodat het volgende antwoord verbonden blijft met werkelijk opgehaalde of berekende informatie.
Specificeer voor gestructureerde extractie de veldnamen, vereiste informatie en weergave van ontbrekende waarden. Een praktische registratie kan de bronidentifier, het waargenomen feit, de interpretatie en een nog te verduidelijken vraag bevatten. Houd de registratie gescheiden van optionele lopende tekst wanneer een toepassing de velden betrouwbaar moet verwerken. De schema-interface van de maker verwerpt recursieve schema’s en beperkt nesting tot tien niveaus. De strict-modus vereist een gewoon object als root, stelt elke vermelde eigenschap verplicht en staat geen extra eigenschappen toe. Een passende structuur toont geen feitelijke correctheid aan.
Een nuttige prototypetaak
Kies één workflow die een inspecteerbaar artefact kan opleveren. Lever de vereiste, een visueel voorbeeld en de code die het huidige gedrag bepaalt aan. Vraag om een korte vergelijking, een voorgesteld herzien fragment en voorbeelden die het verwachte gedrag van het huidige gedrag onderscheiden. Neem elk opzoek- of uitvoeringsresultaat van de toepassing op voordat de definitieve uitleg wordt gevraagd.
Geef voor een documentgericht prototype de PDF en de te beantwoorden vraag en vraag daarna om een samenvatting met bronverwijzingen of een vergelijkingstabel. Benoem bij video de te onderzoeken gebeurtenis of visuele relatie en vraag om een geordende beschrijving met de ondersteunende waarnemingen. Definieer de lengte en onderdelen van het eindantwoord, zodat de grote context van het model de werkelijke vraag dient.
Editie- en continuïteitsgrenzen
Contributor blijft een eigen, benoemde 1.3-editie met de gedocumenteerde context en invoertypes. Meta’s redeneerhandleiding maakt onderscheid tussen gewone gespreksgeschiedenis en het bewaren van privéredenering over gespreksbeurten heen: de chatinterface van de maker geeft dat privétraject niet terug aan externe aanroepers. Bewaar de zichtbare berichten, bronnen en toolresultaten die voor een vervolg nodig zijn, in plaats van aan te nemen dat elke interface interne redenering meeneemt.
De geraadpleegde bronnen specificeren geen afzonderlijke harde maximale invoer- of uitvoertokencapaciteit buiten het contextvenster. Behoud de editie, de voorbereiding van de invoer en het gevraagde artefact en houd tooluitvoering en de uiteindelijke tekstlevering verbonden met de resultaten die werkelijk in de prototypeworkflow zijn verkregen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten meta/muse-spark-1.3-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-1.3-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 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-1.3-contributor
Gebruik de hierboven getoonde methodepaden.
meta/muse-spark-1.3-contributorMuse Spark 1.3 Contributor is een redeneereditie in Meta’s familie voor agentwerk en programmeren, bedoeld voor prototypeworkflows. De maker vermeldt tekst, afbeeldingen, video en PDF’s als invoer, tekst als uitvoer en een context van 1.048.576 tokens, met redeneerniveaus tot en met xhigh in plaats van max van Standard 1.3.
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 1.3 Contributor is een afzonderlijk benoemde editie in Meta’s Muse Spark-familie voor prototyping en experimenten. De familie is ontworpen voor agentwerk en programmeren: toolcycli met meerdere stappen, softwareassistenten en redeneren over omvangrijk bronmateriaal. Behoud de Contributor-naam bij het selecteren van de editie, in plaats van die te behandelen als de Standard 1.3-vermelding waarvan elke instelling ongewijzigd wordt overgenomen.
Invoer en context
De officiële modeltabel vermeldt tekst, afbeeldingen, video en PDF’s als invoer en tekst als uitvoer, met een contextvenster van 1.048.576 tokens. Een taak kan een geschreven vereiste, een schermafbeelding, een relevante clip of documentpagina’s combineren en vragen om een geschreven uitleg, gestructureerde bevindingen of voorgestelde code. Het tekstresultaat van het model kan een artefact worden in de omringende toepassing; een pagina renderen of code uitvoeren vereist die toepassingsomgeving.
Benoem elke bron en haar rol voordat een resultaat wordt gevraagd. Een prototypetaak voor een interface kan een schermafbeelding koppelen aan het gewenste gedrag en het bestaande codefragment. Vraag om de zichtbare verschillen, de voorgestelde implementatiewijziging en de aannames die nog verduidelijking nodig hebben. Een documenttaak kan de te extraheren velden definiëren en om de ondersteunende pagina of passage bij elke bevinding vragen.
De maker merkt op dat audiobegrip in versie 1.3 niet volledig wordt ondersteund en minder goede antwoorden kan opleveren. Behandel dat als een versiespecifieke beperking, in plaats van de audiomogelijkheden van Muse Spark 1.2 of een afzonderlijk benoemd transcriptiemodel in deze beschrijving over te nemen.
Redeneerniveaus en antwoordbudget
Muse Spark genereert interne redenering vóór het zichtbare antwoord. De gedocumenteerde niveaus die hier van toepassing zijn, zijn minimal, low, medium, high en xhigh. Het niveau max hoort specifiek bij Standard Muse Spark 1.3 en is niet beschikbaar voor Contributor-modellen. Redenering uitschakelen met none wordt niet ondersteund; ook wanneer de instelling wordt weggelaten, redeneert het model op een door het model bepaald niveau.
Het budget voor uitvoertokens omvat zowel interne redenering als zichtbare tekst. Een verzoek om een lang geschreven resultaat heeft daarom ruimte nodig voor beide, vooral bij een hoger redeneerniveau. De ruwe interne redenering blijft privé en logwaarschijnlijkheden worden niet ondersteund als betrouwbaarheidsmaat. Vraag om de uitleg, velden of uiteindelijke code die de taak nodig heeft, in plaats van aan te nemen dat het onderliggende redeneertraject als leesbare tekst wordt teruggegeven.
Definieer voor een gericht extractie- of opmaakexperiment de exacte registratie en het bronmateriaal. Definieer voor een programmeer- of visueel probleem met meerdere stappen de tussentijdse beslissingen en het eindartefact. Een hoger redeneerniveau verandert de toewijzing van redeneercapaciteit; het bepaalt op zichzelf niet wat een voltooid, nuttig resultaat is.
Tools en gestructureerde bevindingen
De Muse Spark-documentatie van de maker beschrijft door ontwikkelaars gedefinieerde toolaanroepen en gestructureerde uitvoer. De toepassing biedt de tooldefinities aan, het model beslist welke bewerking nodig is en bereidt de argumenten voor, en de toepassing voert elke aanroep uit en geeft het bijbehorende resultaat terug. Het volgende antwoord kan die resultaten gebruiken om te beslissen wat daarna moet gebeuren. Een voorgestelde aanroep staat los van een voltooide bewerking.
Dezelfde documentatie onderscheidt gekoppelde ingebouwde zoektools van door ontwikkelaars gedefinieerde functies. Zoeken of code uitvoeren maakt deel uit van de toolomgeving en is geen extra inhoudsmodaliteit van het tekstantwoord. Bied in een prototype alleen de bewerkingen aan die relevant zijn voor de vraag en beschrijf wat elke bewerking teruggeeft, zodat het volgende antwoord verbonden blijft met werkelijk opgehaalde of berekende informatie.
Specificeer voor gestructureerde extractie de veldnamen, vereiste informatie en weergave van ontbrekende waarden. Een praktische registratie kan de bronidentifier, het waargenomen feit, de interpretatie en een nog te verduidelijken vraag bevatten. Houd de registratie gescheiden van optionele lopende tekst wanneer een toepassing de velden betrouwbaar moet verwerken. De schema-interface van de maker verwerpt recursieve schema’s en beperkt nesting tot tien niveaus. De strict-modus vereist een gewoon object als root, stelt elke vermelde eigenschap verplicht en staat geen extra eigenschappen toe. Een passende structuur toont geen feitelijke correctheid aan.
Een nuttige prototypetaak
Kies één workflow die een inspecteerbaar artefact kan opleveren. Lever de vereiste, een visueel voorbeeld en de code die het huidige gedrag bepaalt aan. Vraag om een korte vergelijking, een voorgesteld herzien fragment en voorbeelden die het verwachte gedrag van het huidige gedrag onderscheiden. Neem elk opzoek- of uitvoeringsresultaat van de toepassing op voordat de definitieve uitleg wordt gevraagd.
Geef voor een documentgericht prototype de PDF en de te beantwoorden vraag en vraag daarna om een samenvatting met bronverwijzingen of een vergelijkingstabel. Benoem bij video de te onderzoeken gebeurtenis of visuele relatie en vraag om een geordende beschrijving met de ondersteunende waarnemingen. Definieer de lengte en onderdelen van het eindantwoord, zodat de grote context van het model de werkelijke vraag dient.
Editie- en continuïteitsgrenzen
Contributor blijft een eigen, benoemde 1.3-editie met de gedocumenteerde context en invoertypes. Meta’s redeneerhandleiding maakt onderscheid tussen gewone gespreksgeschiedenis en het bewaren van privéredenering over gespreksbeurten heen: de chatinterface van de maker geeft dat privétraject niet terug aan externe aanroepers. Bewaar de zichtbare berichten, bronnen en toolresultaten die voor een vervolg nodig zijn, in plaats van aan te nemen dat elke interface interne redenering meeneemt.
De geraadpleegde bronnen specificeren geen afzonderlijke harde maximale invoer- of uitvoertokencapaciteit buiten het contextvenster. Behoud de editie, de voorbereiding van de invoer en het gevraagde artefact en houd tooluitvoering en de uiteindelijke tekstlevering verbonden met de resultaten die werkelijk in de prototypeworkflow zijn verkregen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten meta/muse-spark-1.3-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 $0.000004 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "meta/muse-spark-1.3-contributor",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-1.3-contributor
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
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.