modelos

Meta: Muse Spark Open

Markdown · JSON

Meta: Muse Spark Open

meta/muse-spark-open
MetaTextoEntrada 0,0025 US$ / 1KSaída 0,0085 US$ / 1K

Modelo da Meta com pesos abertos para programação, raciocínio com vários passos e trabalho com contexto textual extenso.

Um modelo da Meta para desenvolvimento e tarefas longas

O Muse Spark Open é uma versão do Muse Spark com pesos publicados, orientada para programação e processos de trabalho com agentes. A Meta destaca tarefas em que é necessário manter o objetivo ao longo de vários passos: compreender um projeto, planear uma alteração, preparar código e adequar o resultado aos requisitos originais. Na Ailoot, o modelo recebe mensagens de texto e devolve texto.

Segundo a Meta, o Muse Spark Open tem 816 mil milhões de parâmetros no total e 42 mil milhões de parâmetros ativos por token. Estes valores descrevem a estrutura do modelo: a dimensão total e a parte utilizada no processamento de um token. A publicação dos pesos não significa que o utilizador tenha de os descarregar ou organizar uma execução local para trabalhar na Ailoot.

Trabalho com código e requisitos

Num pedido textual, pode fornecer o enunciado da tarefa, excertos de código-fonte, informação sobre o ambiente e o comportamento esperado. Para analisar um erro, é útil juntar a mensagem real, um exemplo mínimo e as restrições à alteração. O modelo pode preparar uma explicação, uma proposta de correção e sugestões de verificação; executar o código e verificar o resultado continuam a ser ações separadas do processo de trabalho.

Ao projetar uma alteração, defina a sequência do resultado: primeiro identificar as partes afetadas, depois descrever a solução e só então apresentar o código. Para uma revisão, junte os requisitos ao excerto alterado, para que a discussão se baseie no comportamento do sistema e não apenas no estilo de escrita. Estas formas de trabalho correspondem à orientação declarada do modelo: programação e resolução de tarefas com vários passos.

Contexto na Ailoot

Para o Muse Spark Open está indicado um contexto de 1 048 576 tokens. Pode incluir materiais textuais extensos e o histórico da tarefa. Uma janela ampla é conveniente para analisar em conjunto requisitos, documentação e vários módulos relacionados; convém manter explícitos os nomes dos ficheiros e as fronteiras dos excertos, para que possam ser referidos na resposta.

O modelo base Muse Spark Open é multimodal, mas os métodos atuais da Ailoot para esta ficha trabalham com texto. Esta descrição não anuncia análise de imagens, áudio ou vídeo anexados nem controlo de programas. As demonstrações de agentes da Meta apresentam o modelo dentro de um ambiente separado com ferramentas; uma resposta textual, por si só, não confirma uma alteração executada numa aplicação ou repositório.

Disponível através da API Ailoot

Ultra Anthropic MessagesPOST /v1/messages
Entrada
text
Saída
text
Contexto
Não especificado no catálogo
Resposta máx.
Não especificado no catálogo
Entrada
0,0025 US$ / 1K
Saída
0,0085 US$ / 1K
Leitura da cache
0,0003 US$ / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Entrada
text
Saída
text
Contexto
Não especificado no catálogo
Resposta máx.
Não especificado no catálogo
Entrada
0,0025 US$ / 1K
Saída
0,0085 US$ / 1K
Leitura da cache
0,0003 US$ / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Entrada
text
Saída
text
Contexto
Não especificado no catálogo
Resposta máx.
Não especificado no catálogo
Entrada
0,0025 US$ / 1K
Saída
0,0085 US$ / 1K
Leitura da cache
0,0003 US$ / 1K
Ultra Gemini generateContentPOST /v1beta/models/meta/muse-spark-open:generateContent
Entrada
text
Saída
text
Contexto
Não especificado no catálogo
Resposta máx.
Não especificado no catálogo
Entrada
0,0025 US$ / 1K
Saída
0,0085 US$ / 1K
Leitura da cache
0,0003 US$ / 1K
meta/muse-spark-open · JSON
{"about":"### Um modelo da Meta para desenvolvimento e tarefas longas\n\nO Muse Spark Open é uma versão do Muse Spark com pesos publicados, orientada para programação e processos de trabalho com agentes. A Meta destaca tarefas em que é necessário manter o objetivo ao longo de vários passos: compreender um projeto, planear uma alteração, preparar código e adequar o resultado aos requisitos originais. Na Ailoot, o modelo recebe mensagens de texto e devolve texto.\n\nSegundo a Meta, o Muse Spark Open tem 816 mil milhões de parâmetros no total e 42 mil milhões de parâmetros ativos por token. Estes valores descrevem a estrutura do modelo: a dimensão total e a parte utilizada no processamento de um token. A publicação dos pesos não significa que o utilizador tenha de os descarregar ou organizar uma execução local para trabalhar na Ailoot.\n\n### Trabalho com código e requisitos\n\nNum pedido textual, pode fornecer o enunciado da tarefa, excertos de código-fonte, informação sobre o ambiente e o comportamento esperado. Para analisar um erro, é útil juntar a mensagem real, um exemplo mínimo e as restrições à alteração. O modelo pode preparar uma explicação, uma proposta de correção e sugestões de verificação; executar o código e verificar o resultado continuam a ser ações separadas do processo de trabalho.\n\nAo projetar uma alteração, defina a sequência do resultado: primeiro identificar as partes afetadas, depois descrever a solução e só então apresentar o código. Para uma revisão, junte os requisitos ao excerto alterado, para que a discussão se baseie no comportamento do sistema e não apenas no estilo de escrita. Estas formas de trabalho correspondem à orientação declarada do modelo: programação e resolução de tarefas com vários passos.\n\n### Contexto na Ailoot\n\nPara o Muse Spark Open está indicado um contexto de 1 048 576 tokens. Pode incluir materiais textuais extensos e o histórico da tarefa. Uma janela ampla é conveniente para analisar em conjunto requisitos, documentação e vários módulos relacionados; convém manter explícitos os nomes dos ficheiros e as fronteiras dos excertos, para que possam ser referidos na resposta.\n\nO modelo base Muse Spark Open é multimodal, mas os métodos atuais da Ailoot para esta ficha trabalham com texto. Esta descrição não anuncia análise de imagens, áudio ou vídeo anexados nem controlo de programas. As demonstrações de agentes da Meta apresentam o modelo dentro de um ambiente separado com ferramentas; uma resposta textual, por si só, não confirma uma alteração executada numa aplicação ou repositório.","alias_of":null,"aliases":[],"author":"Meta","canonical_model":"meta/muse-spark-open","ctx":null,"formats":["chat","gemini","messages","responses"],"id":"meta/muse-spark-open","input":["text"],"kind":"text","max_out":null,"methods":[{"cache_read":0.3,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"anthropic","fast_multiplier":1,"flex_multiplier":1,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":2.5,"input":["text"],"label":"Anthropic Messages","max_out":null,"max_tool_calls":null,"out":8.5,"output":["text"],"path":"/v1/messages","request_model_id":"meta/muse-spark-open","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.3,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":2.5,"input":["text"],"label":"OpenAI Responses","max_out":null,"max_tool_calls":null,"out":8.5,"output":["text"],"path":"/v1/responses","request_model_id":"meta/muse-spark-open","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.3,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":2.5,"input":["text"],"label":"OpenAI Chat","max_out":null,"max_tool_calls":null,"out":8.5,"output":["text"],"path":"/v1/chat/completions","request_model_id":"meta/muse-spark-open","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":0.3,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":null,"family":"gemini","fast_multiplier":1,"flex_multiplier":1,"fmt":"gemini","http":"POST","img_in":null,"img_out":null,"in":2.5,"input":["text"],"label":"Gemini generateContent","max_out":null,"max_tool_calls":null,"out":8.5,"output":["text"],"path":"/v1beta/models/meta/muse-spark-open:generateContent","request_model_id":"meta/muse-spark-open","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"meta/muse-spark-open","request_model_id":"meta/muse-spark-open","route_label":"Ultra"}],"name":"Meta: Muse Spark Open","price":{"in":2.5,"in_label":null,"out":8.5,"out_label":null,"sort_in":2.5,"sort_out":8.5,"varies":false},"public_id":"meta/muse-spark-open","short":"Modelo da Meta com pesos abertos para programação, raciocínio com vários passos e trabalho com contexto textual extenso."}

Perguntas

Como escolher um modelo para a minha tarefa?

Identifique primeiro a entrada e a saída necessárias: texto, imagem, áudio ou vídeo. Compare depois os métodos API compatíveis, o ID exato do modelo ou o destino atual do alias, o preço e a unidade de faturação. GET /v1/models é gratuito e lista os modelos disponíveis para a sua chave.

Cada modelo suporta todos os métodos API e tipos de conteúdo?

Use os métodos API e os tipos de entrada e saída indicados na ficha do modelo. O suporte de texto, imagens, áudio ou vídeo depende do modelo e do método escolhidos; consulte o respetivo exemplo de pedido antes de enviar os seus dados.

Qual é a diferença entre o ID de um modelo e um alias?

Um ID exato identifica um modelo específico. Um alias aponta para um modelo e o seu destino pode mudar. Confirme o destino atual do alias no catálogo; use o ID exato quando a integração precisar de um modelo específico.

Como comparar os preços antes de enviar um pedido?

Consulte na ficha do modelo o preço e a unidade de faturação do método API escolhido. Compare a mesma unidade e os mesmos tipos de entrada e saída; o histórico de pedidos mostra a utilização real e o montante debitado.

O que oferece a subscrição?

Um desconto na compra de tokens para trabalho regular. Escolha o plano conforme o volume de pedidos; as condições e o preço da subscrição aparecem na adesão.

Como aplico um código promocional com até 50% de desconto?

Introduza o código promocional ao comprar tokens. O total é recalculado segundo as condições da campanha; o desconto é visível antes do pagamento.