Muse Spark 1.2 Contributor é a edição experimental e de prototipagem da família de raciocínio Muse Spark 1.2 da Meta. Mantenha o identificador Contributor separado do Standard 1.2 e das edições 1.3 posteriores. A documentação da família do fabricante descreve trabalho com agentes, assistentes de software, raciocínio multimodal, utilização de ferramentas e resultados textuais estruturados; não estabelece uma garantia de desempenho Contributor separada a partir das demonstrações Standard.
Entradas e contexto documentados
O fabricante indica texto, imagens, vídeo, áudio e PDFs como modalidades de entrada da versão 1.2 e texto como saída, com um contexto de 1 048 576 tokens. Essa tabela define o âmbito de modelo documentado pelo produtor. O resultado pode ser uma explicação escrita, conclusões estruturadas ou código proposto; renderizar uma interface, criar uma gravação ou realizar outra ação externa exige um componente da aplicação.
Para um protótipo, escolha uma tarefa definida e forneça o material necessário para examinar o resultado. Uma captura de ecrã pode acompanhar um requisito de interação específica. Um PDF pode fornecer as afirmações a comparar ou extrair. Um vídeo pode mostrar a sequência visível a descrever, enquanto uma pergunta audiovisual deve identificar que pormenor falado ou visível importa. Identifique cada fonte e peça as evidências que sustentam a resposta.
O lançamento 1.2 descreve pontos fortes da família na conversão de material visual em código e no raciocínio sobre gráficos ou cenas. Aplique-os como domínios de tarefa, em vez de afirmar que esta edição Contributor reproduz todas as demonstrações Standard. Um pedido prático pode solicitar os elementos de disposição visíveis numa captura de ecrã, uma proposta de implementação e as perguntas restantes sobre comportamento que a imagem não mostra.
Raciocínio e preparação do resultado
O guia de raciocínio Muse Spark disponibiliza níveis de esforço minimal, low, medium, high e xhigh para esta edição. Max é específico do Standard 1.3 e desativar o raciocínio com none não é suportado. Sem uma definição explícita, o modelo continua a usar um nível de raciocínio determinado pelo próprio. Uma extração pequena e um problema visual ou de programação com vários passos podem, por isso, ter escolhas de esforço diferentes, mantendo a mesma identidade 1.2 Contributor.
O orçamento de saída abrange o raciocínio interno e o texto visível em conjunto. O raciocínio em bruto é privado, pelo que deve pedir a explicação ou o artefacto final de que o utilizador precisa, em vez de esperar o registo subjacente. Defina a extensão da resposta e os campos da tarefa de acordo com o que será examinado posteriormente.
Para uma comparação documental, peça a afirmação de origem, a sua página, a condição que estabelece e qualquer contradição. Para um protótipo de código, especifique a entrada aceite, o resultado esperado e a interface a preservar. Peça o fragmento proposto separadamente dos pressupostos e dos exemplos de entrada. Estes requisitos definem um resultado que pode ser revisto, em vez de uma experiência aberta sem critério de conclusão.
Experiências assistidas por ferramentas
A utilização de ferramentas definidas pelo programador segue um ciclo entre modelo e aplicação. A aplicação descreve funções, o modelo escolhe uma operação e prepara os argumentos, e a aplicação executa-a e devolve o resultado. Uma consulta pode fornecer informação de referência; uma ferramenta de execução pode fornecer o que aconteceu quando o código proposto foi executado. Mantenha a operação de origem e o resultado devolvido associados antes de pedir a resposta seguinte.
O anúncio da família 1.2 destaca a utilização de ferramentas para examinar mais atentamente entradas visuais e artefactos gerados. Isto significa que o ambiente fornece a operação de inspeção ou renderização. Uma proposta textual, por si só, não é uma página renderizada nem uma interação executada. Defina o que as ferramentas devolvem para que o modelo possa ligar o retorno ao requisito real.
A saída estruturada pode organizar as conclusões da experiência num esquema fornecido. Defina os nomes dos campos, os tipos exigidos e o tratamento de valores em falta, conservando os identificadores das fontes junto da informação extraída. Um registo sintaticamente válido e uma interpretação correta são propriedades diferentes; mantenha o material original disponível para examinar a segunda.
Limites de edição e continuidade
O fluxo comum de chat do fabricante não devolve contexto de raciocínio privado para clientes externos reproduzirem. Preserve o histórico visível, os factos das fontes e os resultados das ferramentas ao continuar uma experiência e use apenas os mecanismos de continuidade documentados para a interface ligada. As probabilidades logarítmicas não são suportadas no Muse Spark, pelo que não devem ser tratadas como uma pontuação de confiança integrada para um campo extraído.
A tabela publicada de contexto e modalidades pertence a esta edição 1.2 identificada; não deve herdar a definição max de 1.3 nem a sua limitação de áudio. As fontes consultadas não indicam uma capacidade máxima separada de tokens de entrada ou saída além do contexto. Mantenha explícitos o objetivo do protótipo, o material e o resultado textual inspecionável, preservando a identidade Contributor e os resultados reais devolvidos pelas ferramentas.
", "aboutText": "Muse Spark 1.2 Contributor é a edição experimental e de prototipagem da família de raciocínio Muse Spark 1.2 da Meta. Mantenha o identificador Contributor separado do Standard 1.2 e das edições 1.3 posteriores. A documentação da família do fabricante descreve trabalho com agentes, assistentes de software, raciocínio multimodal, utilização de ferramentas e resultados textuais estruturados; não estabelece uma garantia de desempenho Contributor separada a partir das demonstrações Standard.\n\nEntradas e contexto documentados\n\nO fabricante indica texto, imagens, vídeo, áudio e PDFs como modalidades de entrada da versão 1.2 e texto como saída, com um contexto de 1 048 576 tokens. Essa tabela define o âmbito de modelo documentado pelo produtor. O resultado pode ser uma explicação escrita, conclusões estruturadas ou código proposto; renderizar uma interface, criar uma gravação ou realizar outra ação externa exige um componente da aplicação.\n\nPara um protótipo, escolha uma tarefa definida e forneça o material necessário para examinar o resultado. Uma captura de ecrã pode acompanhar um requisito de interação específica. Um PDF pode fornecer as afirmações a comparar ou extrair. Um vídeo pode mostrar a sequência visível a descrever, enquanto uma pergunta audiovisual deve identificar que pormenor falado ou visível importa. Identifique cada fonte e peça as evidências que sustentam a resposta.\n\nO lançamento 1.2 descreve pontos fortes da família na conversão de material visual em código e no raciocínio sobre gráficos ou cenas. Aplique-os como domínios de tarefa, em vez de afirmar que esta edição Contributor reproduz todas as demonstrações Standard. Um pedido prático pode solicitar os elementos de disposição visíveis numa captura de ecrã, uma proposta de implementação e as perguntas restantes sobre comportamento que a imagem não mostra.\n\nRaciocínio e preparação do resultado\n\nO guia de raciocínio Muse Spark disponibiliza níveis de esforço minimal, low, medium, high e xhigh para esta edição. Max é específico do Standard 1.3 e desativar o raciocínio com none não é suportado. Sem uma definição explícita, o modelo continua a usar um nível de raciocínio determinado pelo próprio. Uma extração pequena e um problema visual ou de programação com vários passos podem, por isso, ter escolhas de esforço diferentes, mantendo a mesma identidade 1.2 Contributor.\n\nO orçamento de saída abrange o raciocínio interno e o texto visível em conjunto. O raciocínio em bruto é privado, pelo que deve pedir a explicação ou o artefacto final de que o utilizador precisa, em vez de esperar o registo subjacente. Defina a extensão da resposta e os campos da tarefa de acordo com o que será examinado posteriormente.\n\nPara uma comparação documental, peça a afirmação de origem, a sua página, a condição que estabelece e qualquer contradição. Para um protótipo de código, especifique a entrada aceite, o resultado esperado e a interface a preservar. Peça o fragmento proposto separadamente dos pressupostos e dos exemplos de entrada. Estes requisitos definem um resultado que pode ser revisto, em vez de uma experiência aberta sem critério de conclusão.\n\nExperiências assistidas por ferramentas\n\nA utilização de ferramentas definidas pelo programador segue um ciclo entre modelo e aplicação. A aplicação descreve funções, o modelo escolhe uma operação e prepara os argumentos, e a aplicação executa-a e devolve o resultado. Uma consulta pode fornecer informação de referência; uma ferramenta de execução pode fornecer o que aconteceu quando o código proposto foi executado. Mantenha a operação de origem e o resultado devolvido associados antes de pedir a resposta seguinte.\n\nO anúncio da família 1.2 destaca a utilização de ferramentas para examinar mais atentamente entradas visuais e artefactos gerados. Isto significa que o ambiente fornece a operação de inspeção ou renderização. Uma proposta textual, por si só, não é uma página renderizada nem uma interação executada. Defina o que as ferramentas devolvem para que o modelo possa ligar o retorno ao requisito real.\n\nA saída estruturada pode organizar as conclusões da experiência num esquema fornecido. Defina os nomes dos campos, os tipos exigidos e o tratamento de valores em falta, conservando os identificadores das fontes junto da informação extraída. Um registo sintaticamente válido e uma interpretação correta são propriedades diferentes; mantenha o material original disponível para examinar a segunda.\n\nLimites de edição e continuidade\n\nO fluxo comum de chat do fabricante não devolve contexto de raciocínio privado para clientes externos reproduzirem. Preserve o histórico visível, os factos das fontes e os resultados das ferramentas ao continuar uma experiência e use apenas os mecanismos de continuidade documentados para a interface ligada. As probabilidades logarítmicas não são suportadas no Muse Spark, pelo que não devem ser tratadas como uma pontuação de confiança integrada para um campo extraído.\n\nA tabela publicada de contexto e modalidades pertence a esta edição 1.2 identificada; não deve herdar a definição max de 1.3 nem a sua limitação de áudio. As fontes consultadas não indicam uma capacidade máxima separada de tokens de entrada ou saída além do contexto. Mantenha explícitos o objetivo do protótipo, o material e o resultado textual inspecionável, preservando a identidade Contributor e os resultados reais devolvidos pelas ferramentas.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
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 é uma edição de raciocínio da Meta com nome separado para fluxos experimentais e de prototipagem com agentes. A Meta documenta um contexto de 1 048 576 tokens e entrada multimodal com saída de texto; a edição conserva a sua própria identidade e níveis de raciocínio sem o max do Standard 1.3.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Muse Spark 1.2 Contributor é a edição experimental e de prototipagem da família de raciocínio Muse Spark 1.2 da Meta. Mantenha o identificador Contributor separado do Standard 1.2 e das edições 1.3 posteriores. A documentação da família do fabricante descreve trabalho com agentes, assistentes de software, raciocínio multimodal, utilização de ferramentas e resultados textuais estruturados; não estabelece uma garantia de desempenho Contributor separada a partir das demonstrações Standard.
Entradas e contexto documentados
O fabricante indica texto, imagens, vídeo, áudio e PDFs como modalidades de entrada da versão 1.2 e texto como saída, com um contexto de 1 048 576 tokens. Essa tabela define o âmbito de modelo documentado pelo produtor. O resultado pode ser uma explicação escrita, conclusões estruturadas ou código proposto; renderizar uma interface, criar uma gravação ou realizar outra ação externa exige um componente da aplicação.
Para um protótipo, escolha uma tarefa definida e forneça o material necessário para examinar o resultado. Uma captura de ecrã pode acompanhar um requisito de interação específica. Um PDF pode fornecer as afirmações a comparar ou extrair. Um vídeo pode mostrar a sequência visível a descrever, enquanto uma pergunta audiovisual deve identificar que pormenor falado ou visível importa. Identifique cada fonte e peça as evidências que sustentam a resposta.
O lançamento 1.2 descreve pontos fortes da família na conversão de material visual em código e no raciocínio sobre gráficos ou cenas. Aplique-os como domínios de tarefa, em vez de afirmar que esta edição Contributor reproduz todas as demonstrações Standard. Um pedido prático pode solicitar os elementos de disposição visíveis numa captura de ecrã, uma proposta de implementação e as perguntas restantes sobre comportamento que a imagem não mostra.
Raciocínio e preparação do resultado
O guia de raciocínio Muse Spark disponibiliza níveis de esforço minimal, low, medium, high e xhigh para esta edição. Max é específico do Standard 1.3 e desativar o raciocínio com none não é suportado. Sem uma definição explícita, o modelo continua a usar um nível de raciocínio determinado pelo próprio. Uma extração pequena e um problema visual ou de programação com vários passos podem, por isso, ter escolhas de esforço diferentes, mantendo a mesma identidade 1.2 Contributor.
O orçamento de saída abrange o raciocínio interno e o texto visível em conjunto. O raciocínio em bruto é privado, pelo que deve pedir a explicação ou o artefacto final de que o utilizador precisa, em vez de esperar o registo subjacente. Defina a extensão da resposta e os campos da tarefa de acordo com o que será examinado posteriormente.
Para uma comparação documental, peça a afirmação de origem, a sua página, a condição que estabelece e qualquer contradição. Para um protótipo de código, especifique a entrada aceite, o resultado esperado e a interface a preservar. Peça o fragmento proposto separadamente dos pressupostos e dos exemplos de entrada. Estes requisitos definem um resultado que pode ser revisto, em vez de uma experiência aberta sem critério de conclusão.
Experiências assistidas por ferramentas
A utilização de ferramentas definidas pelo programador segue um ciclo entre modelo e aplicação. A aplicação descreve funções, o modelo escolhe uma operação e prepara os argumentos, e a aplicação executa-a e devolve o resultado. Uma consulta pode fornecer informação de referência; uma ferramenta de execução pode fornecer o que aconteceu quando o código proposto foi executado. Mantenha a operação de origem e o resultado devolvido associados antes de pedir a resposta seguinte.
O anúncio da família 1.2 destaca a utilização de ferramentas para examinar mais atentamente entradas visuais e artefactos gerados. Isto significa que o ambiente fornece a operação de inspeção ou renderização. Uma proposta textual, por si só, não é uma página renderizada nem uma interação executada. Defina o que as ferramentas devolvem para que o modelo possa ligar o retorno ao requisito real.
A saída estruturada pode organizar as conclusões da experiência num esquema fornecido. Defina os nomes dos campos, os tipos exigidos e o tratamento de valores em falta, conservando os identificadores das fontes junto da informação extraída. Um registo sintaticamente válido e uma interpretação correta são propriedades diferentes; mantenha o material original disponível para examinar a segunda.
Limites de edição e continuidade
O fluxo comum de chat do fabricante não devolve contexto de raciocínio privado para clientes externos reproduzirem. Preserve o histórico visível, os factos das fontes e os resultados das ferramentas ao continuar uma experiência e use apenas os mecanismos de continuidade documentados para a interface ligada. As probabilidades logarítmicas não são suportadas no Muse Spark, pelo que não devem ser tratadas como uma pontuação de confiança integrada para um campo extraído.
A tabela publicada de contexto e modalidades pertence a esta edição 1.2 identificada; não deve herdar a definição max de 1.3 nem a sua limitação de áudio. As fontes consultadas não indicam uma capacidade máxima separada de tokens de entrada ou saída além do contexto. Mantenha explícitos o objetivo do protótipo, o material e o resultado textual inspecionável, preservando a identidade Contributor e os resultados reais devolvidos pelas ferramentas.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites meta/muse-spark-1.2-contributor | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0002 / 1K tokens Saída · Tokens de saída $0.0004 / 1K tokens Entrada · Leitura da cache $0.000004 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0002 / 1K tokens Saída · Tokens de saída $0.0004 / 1K tokens Entrada · Leitura da cache $0.000004 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra meta/muse-spark-1.2-contributor
Use os caminhos dos métodos indicados acima.
meta/muse-spark-1.2-contributorMuse Spark 1.2 Contributor é uma edição de raciocínio da Meta com nome separado para fluxos experimentais e de prototipagem com agentes. A Meta documenta um contexto de 1 048 576 tokens e entrada multimodal com saída de texto; a edição conserva a sua própria identidade e níveis de raciocínio sem o max do Standard 1.3.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Muse Spark 1.2 Contributor é a edição experimental e de prototipagem da família de raciocínio Muse Spark 1.2 da Meta. Mantenha o identificador Contributor separado do Standard 1.2 e das edições 1.3 posteriores. A documentação da família do fabricante descreve trabalho com agentes, assistentes de software, raciocínio multimodal, utilização de ferramentas e resultados textuais estruturados; não estabelece uma garantia de desempenho Contributor separada a partir das demonstrações Standard.
Entradas e contexto documentados
O fabricante indica texto, imagens, vídeo, áudio e PDFs como modalidades de entrada da versão 1.2 e texto como saída, com um contexto de 1 048 576 tokens. Essa tabela define o âmbito de modelo documentado pelo produtor. O resultado pode ser uma explicação escrita, conclusões estruturadas ou código proposto; renderizar uma interface, criar uma gravação ou realizar outra ação externa exige um componente da aplicação.
Para um protótipo, escolha uma tarefa definida e forneça o material necessário para examinar o resultado. Uma captura de ecrã pode acompanhar um requisito de interação específica. Um PDF pode fornecer as afirmações a comparar ou extrair. Um vídeo pode mostrar a sequência visível a descrever, enquanto uma pergunta audiovisual deve identificar que pormenor falado ou visível importa. Identifique cada fonte e peça as evidências que sustentam a resposta.
O lançamento 1.2 descreve pontos fortes da família na conversão de material visual em código e no raciocínio sobre gráficos ou cenas. Aplique-os como domínios de tarefa, em vez de afirmar que esta edição Contributor reproduz todas as demonstrações Standard. Um pedido prático pode solicitar os elementos de disposição visíveis numa captura de ecrã, uma proposta de implementação e as perguntas restantes sobre comportamento que a imagem não mostra.
Raciocínio e preparação do resultado
O guia de raciocínio Muse Spark disponibiliza níveis de esforço minimal, low, medium, high e xhigh para esta edição. Max é específico do Standard 1.3 e desativar o raciocínio com none não é suportado. Sem uma definição explícita, o modelo continua a usar um nível de raciocínio determinado pelo próprio. Uma extração pequena e um problema visual ou de programação com vários passos podem, por isso, ter escolhas de esforço diferentes, mantendo a mesma identidade 1.2 Contributor.
O orçamento de saída abrange o raciocínio interno e o texto visível em conjunto. O raciocínio em bruto é privado, pelo que deve pedir a explicação ou o artefacto final de que o utilizador precisa, em vez de esperar o registo subjacente. Defina a extensão da resposta e os campos da tarefa de acordo com o que será examinado posteriormente.
Para uma comparação documental, peça a afirmação de origem, a sua página, a condição que estabelece e qualquer contradição. Para um protótipo de código, especifique a entrada aceite, o resultado esperado e a interface a preservar. Peça o fragmento proposto separadamente dos pressupostos e dos exemplos de entrada. Estes requisitos definem um resultado que pode ser revisto, em vez de uma experiência aberta sem critério de conclusão.
Experiências assistidas por ferramentas
A utilização de ferramentas definidas pelo programador segue um ciclo entre modelo e aplicação. A aplicação descreve funções, o modelo escolhe uma operação e prepara os argumentos, e a aplicação executa-a e devolve o resultado. Uma consulta pode fornecer informação de referência; uma ferramenta de execução pode fornecer o que aconteceu quando o código proposto foi executado. Mantenha a operação de origem e o resultado devolvido associados antes de pedir a resposta seguinte.
O anúncio da família 1.2 destaca a utilização de ferramentas para examinar mais atentamente entradas visuais e artefactos gerados. Isto significa que o ambiente fornece a operação de inspeção ou renderização. Uma proposta textual, por si só, não é uma página renderizada nem uma interação executada. Defina o que as ferramentas devolvem para que o modelo possa ligar o retorno ao requisito real.
A saída estruturada pode organizar as conclusões da experiência num esquema fornecido. Defina os nomes dos campos, os tipos exigidos e o tratamento de valores em falta, conservando os identificadores das fontes junto da informação extraída. Um registo sintaticamente válido e uma interpretação correta são propriedades diferentes; mantenha o material original disponível para examinar a segunda.
Limites de edição e continuidade
O fluxo comum de chat do fabricante não devolve contexto de raciocínio privado para clientes externos reproduzirem. Preserve o histórico visível, os factos das fontes e os resultados das ferramentas ao continuar uma experiência e use apenas os mecanismos de continuidade documentados para a interface ligada. As probabilidades logarítmicas não são suportadas no Muse Spark, pelo que não devem ser tratadas como uma pontuação de confiança integrada para um campo extraído.
A tabela publicada de contexto e modalidades pertence a esta edição 1.2 identificada; não deve herdar a definição max de 1.3 nem a sua limitação de áudio. As fontes consultadas não indicam uma capacidade máxima separada de tokens de entrada ou saída além do contexto. Mantenha explícitos o objetivo do protótipo, o material e o resultado textual inspecionável, preservando a identidade Contributor e os resultados reais devolvidos pelas ferramentas.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites meta/muse-spark-1.2-contributor | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0002 / 1K tokens Saída · Tokens de saída $0.0004 / 1K tokens Entrada · Leitura da cache $0.000004 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0002 / 1K tokens Saída · Tokens de saída $0.0004 / 1K tokens Entrada · Leitura da cache $0.000004 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "meta/muse-spark-1.2-contributor",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra meta/muse-spark-1.2-contributor
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
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.