Source: https://ailoot.ai/models/pt-pt/meta-muse-spark-1-3-contributor/ Canonical: https://ailoot.ai/models/pt-pt/meta-muse-spark-1-3-contributor/ Language: pt-pt # Meta: Muse Spark 1.3 Contributor [Markdown](https://ailoot.ai/models/pt-pt/meta-muse-spark-1-3-contributor/index.md) · [JSON](https://ailoot.ai/models/pt-pt/meta-muse-spark-1-3-contributor/facts.json) ## [Meta: Muse Spark 1.3 Contributor](https://ailoot.ai/models/pt-pt/meta-muse-spark-1-3-contributor/) Muse Spark 1.3 Contributor é uma edição de raciocínio na família de agentes e programação da Meta para fluxos de prototipagem. O fabricante indica entradas de texto, imagem, vídeo e PDF, saída de texto e um contexto de 1 048 576 tokens, com níveis de raciocínio até xhigh, em vez do max do Standard 1.3. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/pt-pt/meta-muse-spark-1-3-contributor/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/pt-pt/meta-muse-spark-1-3-contributor/#method-1) Sobre o modelo Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo. Muse Spark 1.3 Contributor é uma edição com nome separado na família Muse Spark da Meta para prototipagem e experimentação. A família foi concebida para trabalho com agentes e programação: ciclos de ferramentas com vários passos, assistentes de software e raciocínio sobre material de origem substancial. Mantenha o nome Contributor ao selecionar a edição, em vez de a tratar como a entrada Standard 1.3 com todas as definições transferidas sem alterações. Entradas e contexto A tabela oficial de modelos indica texto, imagens, vídeo e PDFs como entradas e texto como saída, com uma janela de contexto de 1 048 576 tokens. Uma tarefa pode combinar um requisito escrito, uma captura de ecrã, um excerto de vídeo relevante ou páginas de documentos e pedir uma explicação escrita, conclusões estruturadas ou código proposto. O resultado textual do modelo pode tornar-se um artefacto na aplicação envolvente; renderizar uma página ou executar código exige esse ambiente de aplicação. Identifique cada fonte e o seu papel antes de pedir um resultado. Uma tarefa de protótipo de interface pode associar uma captura de ecrã ao comportamento pretendido e ao fragmento de código existente. Peça as diferenças visíveis, a alteração de implementação proposta e os pressupostos que ainda precisam de esclarecimento. Uma tarefa documental pode definir os campos a extrair e pedir a página ou passagem de apoio junto de cada conclusão. O fabricante refere que a compreensão de áudio na versão 1.3 não é totalmente suportada e pode dar respostas de qualidade inferior. Trate isto como uma limitação específica da versão, em vez de copiar para esta descrição as capacidades de áudio do Muse Spark 1.2 ou de um modelo de transcrição com nome separado. Níveis de raciocínio e orçamento de resposta Muse Spark gera raciocínio interno antes da resposta visível. Os níveis de esforço documentados aplicáveis aqui são minimal, low, medium, high e xhigh. O nível max pertence especificamente ao Standard Muse Spark 1.3 e não está disponível nos modelos Contributor. Desativar o raciocínio com none não é suportado; omitir a definição continua a deixar o modelo a raciocinar num nível determinado pelo próprio. O orçamento de tokens de saída abrange tanto o raciocínio interno como o texto visível. Um pedido de resultado escrito longo precisa, por isso, de espaço para ambos, sobretudo com um esforço de raciocínio maior. O raciocínio interno em bruto permanece privado e as probabilidades logarítmicas não são suportadas como medida de confiança. Peça a explicação, os campos ou o código final necessários para a tarefa, em vez de presumir que o registo de raciocínio subjacente será devolvido como texto legível. Para uma experiência específica de extração ou formatação, defina o registo exato e o material de origem. Para um problema visual ou de programação com vários passos, defina as decisões intermédias e o artefacto final. Um esforço de raciocínio maior altera a atribuição de raciocínio; não define por si só o que constitui um resultado concluído e útil. Ferramentas e conclusões estruturadas A documentação Muse Spark do fabricante descreve chamadas de ferramentas definidas pelo programador e saída estruturada. A aplicação fornece as definições das ferramentas, o modelo decide que operação é necessária e prepara os argumentos, e a aplicação executa cada chamada e devolve o resultado correspondente. A resposta seguinte pode usar esses resultados para decidir o que fazer a seguir. Uma chamada proposta é distinta de uma operação concluída. A mesma documentação distingue ferramentas de pesquisa integradas e ligadas de funções definidas pelo programador. A pesquisa ou execução de código faz parte do ambiente de ferramentas, não é uma modalidade de conteúdo adicional da resposta textual. Num protótipo, forneça apenas as operações relevantes para a pergunta e descreva o que cada uma devolve, para que a resposta subsequente permaneça ligada a informação efetivamente recuperada ou calculada. Para extração estruturada, especifique os nomes dos campos, a informação exigida e a representação de valores em falta. Um registo prático pode conter o identificador da fonte, o facto observado, a interpretação e a pergunta que ainda precisa de esclarecimento. Mantenha o registo separado da prosa opcional quando uma aplicação tiver de processar os campos de forma fiável. A interface de esquemas do fabricante rejeita esquemas recursivos e limita o aninhamento a dez níveis. O modo estrito exige uma raiz de objeto simples, todas as propriedades enumeradas obrigatórias e propriedades adicionais proibidas. Uma estrutura correspondente não demonstra correção factual. Uma tarefa de protótipo útil Escolha um fluxo de trabalho que possa produzir um artefacto inspecionável. Forneça o requisito, um exemplo visual e o código que determina o comportamento atual. Peça uma comparação curta, uma proposta de fragmento revisto e exemplos que distingam o comportamento esperado do atual. Inclua qualquer resultado de consulta ou execução devolvido pela aplicação antes de pedir a explicação final. Para um protótipo documental, dê o PDF e a pergunta a responder e peça depois um resumo ligado às fontes ou uma tabela comparativa. Para vídeo, identifique o acontecimento ou a relação visual a examinar e peça uma descrição ordenada com as observações que a sustentam. Defina a extensão e as secções da resposta final, para que o contexto extenso do modelo sirva a pergunta real. Limites de edição e continuidade Contributor continua a ser a sua própria edição 1.3 identificada, com o contexto e os tipos de entrada documentados. O guia de raciocínio da Meta distingue o histórico de conversa comum da preservação de raciocínio privado entre turnos: a interface de chat do fabricante não devolve esse registo privado a clientes externos. Mantenha as mensagens visíveis, as fontes e os resultados de ferramentas necessários para um seguimento, em vez de presumir que todas as interfaces transportam o raciocínio interno para a frente. As fontes consultadas não especificam uma capacidade máxima rígida separada de tokens de entrada ou saída além da janela de contexto. Preserve a edição, a preparação da entrada e o artefacto solicitado e mantenha a execução das ferramentas e a entrega do texto final ligadas aos resultados efetivamente obtidos no fluxo de prototipagem. Tarefa prática ### Tarefa prática Exemplo técnico em inglês ``` Prototype and test a text-only helper Design 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. ``` #### Resultado esperado ``` A self-contained function, boundary-case assertions and explicit assumptions about input fields. ``` #### Verificar o resultado ``` Exactly the 0- and 30-minute records qualify, and the function does not send messages or assume calendar access. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `meta/muse-spark-1.3-contributor` [`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/pt-pt/#m=meta%2Fmuse-spark-1.3-contributor&route=Ultra&caller=meta%2Fmuse-spark-1.3-contributor&fmt=chat) Meta /`meta/muse-spark-1.3-contributor` ### Introdução Muse Spark 1.3 Contributor é uma edição de raciocínio na família de agentes e programação da Meta para fluxos de prototipagem. O fabricante indica entradas de texto, imagem, vídeo e PDF, saída de texto e um contexto de 1 048 576 tokens, com níveis de raciocínio até xhigh, em vez do max do Standard 1.3. Entradas aceites Texto Resultados Texto ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Entrada `text` Saída `text` Formato de saída json ou SSE | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites meta/muse-spark-1.3-contributor | Predefinição— | | Campo`messages` | Tipo`message[]` | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— | | Campo`messages[].role` | Tipo`string` | 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— | | Campo`messages[].content` | Tipo`string\|content_part[]\|null` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`messages[].tool_calls` | Tipo`tool_call[]` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`messages[].tool_call_id` | Tipo`string` | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— | | Campo`messages[].name` | Tipo`string` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`messages[].reasoning_content` | Tipo`string` | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— | | Campo`messages[].reasoning_details` | Tipo`object\|array` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`max_tokens` | Tipo`integer` | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— | | Campo`max_completion_tokens` | Tipo`integer` | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— | | Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores e limites | Predefiniçãofalse | | Campo`stream_options.include_usage` | Tipo`boolean` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`temperature` | Tipo`number` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`top_p` | Tipo`number` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`stop` | Tipo`string\|string[]` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`tools` | Tipo`function_tool[]` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`tools[].type` | Tipo`string` | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— | | Campo`tools[].function.name` | Tipo`string` | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— | | Campo`tools[].function.description` | Tipo`string` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`tools[].function.parameters` | Tipo`JSON_schema` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`tool_choice` | Tipo`string\|object` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`parallel_tool_calls` | Tipo`boolean` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`response_format` | Tipo`object` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`reasoning_effort` | Tipo`string` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`reasoning` | Tipo`object` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`service_tier` | Tipo`string` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`instructions` | Tipo`string` | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— | | Campo`functions` | Tipo`function[]` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`function_call` | Tipo`string\|object` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`prompt_cache_options` | Tipo`object` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`modalities` | Tipo`string[]` | RequisitoOpcional | Valores e limites text | Predefinição— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— | | Campo`cache_control.ttl` | Tipo`string` | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— | Combinações de materiais de entrada **Texto** · Texto UTF8 `messages[].content` Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, messages | | Parâmetro`material_types` | Contratotext | | Parâmetro`messages` | ContratoLista de mensagens com estrutura role/content | | Parâmetro`file_material` | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido | | Parâmetro`optional_controls` | Contratostream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parâmetro`control_scope` | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas | | Parâmetro`output_modalities` | Contratotext | | Parâmetro`hosted_operations` | Contratofalse | | Parâmetro`multimodal_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. ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Tarifa normal Quando o modo rápido está selecionado Modo flex Tarifa normal Quando o modo flex está selecionado Esforço máximo de raciocínio Tarifa normal Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) Esforço de raciocínio · elevado Tarifa normal Quando o esforço de raciocínio é elevado Esforço de raciocínio · baixo Tarifa normal Quando o esforço de raciocínio é baixo Esforço de raciocínio · máximo Tarifa normal Quando o esforço de raciocínio é máximo Esforço de raciocínio · médio Tarifa normal Quando o esforço de raciocínio é médio Esforço de raciocínio · mínimo Tarifa normal Quando o esforço de raciocínio é mínimo Esforço de raciocínio · xhigh Tarifa normal Quando o esforço de raciocínio é xhigh #### Tarifas Ailoot #### Preços por configuração 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 **$0.000004** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · OpenAI Chat curlPython SDKStreaming em Python ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=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."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='meta/muse-spark-1.3-contributor',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='meta/muse-spark-1.3-contributor',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Receber e guardar os resultados #### Ailoot Ultra · OpenAI Chat json ou SSE ##### Guardar todos os resultados concluídos 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. ##### Se for necessário verificar a resposta original Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`choices[].index` | Tipointeger | | Campo`choices[].message.content` | Tipostring\|null | | Campo`choices[].message.tool_calls` | Tipotool\_call\[\] | | Campo`choices[].message.reasoning_content` | Tipostring | | Campo`choices[].message.reasoning_details` | Tipoobject\|array | | Campo`choices[].finish_reason` | Tipostring\|null | | Campo`usage` | Tipoobject | Erros e passos seguintes | 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. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/pt-pt/#m=meta%2Fmuse-spark-1.3-contributor&route=Ultra&caller=meta%2Fmuse-spark-1.3-contributor&fmt=chat) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/pt-pt/#m=meta%2Fmuse-spark-1.3-contributor&route=Ultra&caller=meta%2Fmuse-spark-1.3-contributor&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `meta/muse-spark-1.3-contributor` [`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/pt-pt/#m=meta%2Fmuse-spark-1.3-contributor&route=Ultra&caller=meta%2Fmuse-spark-1.3-contributor&fmt=messages) Meta /`meta/muse-spark-1.3-contributor` ### Introdução Muse Spark 1.3 Contributor é uma edição de raciocínio na família de agentes e programação da Meta para fluxos de prototipagem. O fabricante indica entradas de texto, imagem, vídeo e PDF, saída de texto e um contexto de 1 048 576 tokens, com níveis de raciocínio até xhigh, em vez do max do Standard 1.3. Entradas aceites Texto Resultados json · sse ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Entrada `text` Saída `json`, `sse` Formato de saída JSON ou SSE | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites meta/muse-spark-1.3-contributor | Predefinição— | | Campo`messages` | Tipo`message[]` | RequisitoObrigatório | Valores e limites | Predefinição— | | Campo`messages[].role` | Tipo`string` | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— | | Campo`messages[].content` | Tipo`string` | RequisitoObrigatório | Valores e limites | Predefinição— | | Campo`max_tokens` | Tipo`integer` | RequisitoObrigatório | Valores e limites | Predefinição— | | Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores e limites | Predefiniçãofalse | Combinações de materiais de entrada **Texto** · Texto UTF-8 `Cadeia de caracteres messages[].content` Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, messages, max\_tokens | | Parâmetro`optional_controls` | Contratostream | | Parâmetro`material_types` | Contratotext | | Parâmetro`text_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` ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Tarifa normal Quando o modo rápido está selecionado Modo flex Tarifa normal Quando o modo flex está selecionado Esforço máximo de raciocínio Tarifa normal Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) Esforço de raciocínio · elevado Tarifa normal Quando o esforço de raciocínio é elevado Esforço de raciocínio · baixo Tarifa normal Quando o esforço de raciocínio é baixo Esforço de raciocínio · máximo Tarifa normal Quando o esforço de raciocínio é máximo Esforço de raciocínio · médio Tarifa normal Quando o esforço de raciocínio é médio Esforço de raciocínio · mínimo Tarifa normal Quando o esforço de raciocínio é mínimo Esforço de raciocínio · xhigh Tarifa normal Quando o esforço de raciocínio é xhigh #### Tarifas Ailoot #### Preços por configuração 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 **$0.000004** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · Anthropic Messages Corpo JSON mínimo completocurl · use o seu documento UTF-8Python · guarde o resultado completo ```json { "model": "meta/muse-spark-1.3-contributor", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'meta/muse-spark-1.3-contributor', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'meta/muse-spark-1.3-contributor', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### Receber e guardar os resultados #### Ailoot Ultra · Anthropic Messages JSON ou SSE ##### Guardar todos os resultados concluídos 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. ##### Se for necessário verificar a resposta original Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`id` | Tipostring | | Campo`model` | Tipostring | | Campo`content[]` | Tipotext\|thinking\|tool\_use\|other content block | | Campo`stop_reason` | Tipostring\|null | | Campo`usage` | Tipoobject | Erros e passos seguintes | 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. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/pt-pt/#m=meta%2Fmuse-spark-1.3-contributor&route=Ultra&caller=meta%2Fmuse-spark-1.3-contributor&fmt=messages) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`meta/muse-spark-1.3-contributor`](https://ailoot.ai/models/pt-pt/#m=meta%2Fmuse-spark-1.3-contributor&route=Ultra&caller=meta%2Fmuse-spark-1.3-contributor&fmt=messages) FAQ · Meta: Muse Spark 1.3 Contributor Que entradas e resultados estão disponíveis? `POST /v1/chat/completions` · `meta/muse-spark-1.3-contributor`: `text` → `text` `POST /v1/messages` · `meta/muse-spark-1.3-contributor`: `text` → `json`, `sse` Que campos utiliza o pedido? `POST /v1/chat/completions` · `meta/muse-spark-1.3-contributor`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `meta/muse-spark-1.3-contributor`: `model`, `messages`, `max_tokens`, `stream` Que limites se aplicam? `POST /v1/chat/completions` · `meta/muse-spark-1.3-contributor`: `messages.min_items`: `1` Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação. ## A empresa e a sua carteira de projetos A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. ## Compre tokens com desconto. Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens. Subscrição Escolha um plano com desconto para os pedidos regulares. Código promocional até 50% Introduza o código na compra. O preço é recalculado conforme a campanha em vigor. Custos no histórico O modelo, os tokens e o montante são guardados para cada pedido. [Escolher subscrição](https://ailoot.ai/docs/pt-pt/billing/subscriptions/) · [Ver preços dos modelos](https://ailoot.ai/models/pt-pt/) ## Ligue a API ao produto que vende. SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor. Aplicação comercial Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço. Licença de revendedor Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda. Documentos no site A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação. [Pedir licença de revendedor](mailto:support@ailoot.ai) · [Oferta e contrato de licença](https://ailoot.ai/legal/offer?lang=pt-pt) ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.