Muse Spark 1.2 Contributor är experiment- och prototyputgåvan i Metas resonemangsfamilj Muse Spark 1.2. Håll Contributor-identifieraren separat från Standard 1.2 och senare 1.3-utgåvor. Tillverkarens familjedokumentation beskriver agentarbete, programvaruassistenter, multimodalt resonemang, verktygsanvändning och strukturerade textresultat; den fastställer ingen separat prestandagaranti för Contributor utifrån demonstrationer av Standard.
Dokumenterade indata och kontext
Tillverkaren listar text, bilder, video, ljud och PDF-filer som version 1.2:s indatamodaliteter och text som utdata, med en kontext på 1,048,576 token. Den tabellen definierar tillverkarens dokumenterade modellomfattning. Resultatet kan vara en skriftlig förklaring, strukturerade fynd eller föreslagen kod; att rendera ett gränssnitt, skapa en inspelning eller utföra en annan extern åtgärd kräver en applikationskomponent.
För en prototyp väljer du en definierad uppgift och tillhandahåller det material som behövs för att granska resultatet. En skärmbild kan åtfölja ett krav på en viss interaktion. En PDF kan tillhandahålla påståendena som ska jämföras eller extraheras. En video kan visa den synliga sekvensen som ska beskrivas, medan en audiovisuell fråga bör identifiera vilken talad eller synlig detalj som är viktig. Märk varje källa och begär underlaget som stöder svaret.
Utgåvan 1.2 beskriver familjens styrkor i att omvandla visuellt material till kod och resonera om diagram eller scener. Använd dessa som uppgiftsområden snarare än ett påstående om att denna Contributor-utgåva återger varje Standard-demonstration. En praktisk begäran kan fråga efter layoutelementen som syns i en skärmbild, en föreslagen implementation och återstående frågor om beteende som bilden inte visar.
Resonemang och resultatförberedelse
Muse Sparks resonemangsguide erbjuder insatsnivåerna minimal, low, medium, high och xhigh för denna utgåva. Max är specifikt för Standard 1.3, och att inaktivera resonemang med none stöds inte. Utan en uttrycklig inställning använder modellen fortfarande en resonemangsnivå som modellen bestämmer. En liten extraktion och ett visuellt problem eller en koduppgift med flera steg kan därför ha olika insatsval och ändå behålla samma identitet som 1.2 Contributor.
Utdatabudgeten täcker internt resonemang och synlig text tillsammans. Rått resonemang är privat, så begär förklaringen eller slutresultatet som användaren behöver i stället för att förvänta dig det underliggande spåret. Anpassa uppgiftens svarslängd och fält efter det som ska granskas efteråt.
För en dokumentjämförelse begär du källpåståendet, dess sida, villkoret det fastställer och eventuell motsägelse. För en kodprototyp anger du vilka indata som accepteras, förväntat resultat och det gränssnitt som ska bevaras. Be om det föreslagna kodavsnittet separat från dess antaganden och exempelindata. Dessa krav definierar ett resultat som kan granskas i stället för ett öppet experiment utan färdigkriterium.
Verktygsstödda experiment
Utvecklardefinierad verktygsanvändning följer en loop mellan modell och applikation. Applikationen beskriver funktioner, modellen väljer en åtgärd och förbereder argument, och applikationen kör den och returnerar resultatet. En uppslagning kan tillhandahålla referensinformation; ett exekveringsverktyg kan tillhandahålla vad som hände när föreslagen kod kördes. Håll den ursprungliga åtgärden och det returnerade resultatet knutna till varandra innan du ber om nästa svar.
Familjeannonseringen för 1.2 betonar användning av verktyg för att närmare granska visuella indata och genererade arbetsresultat. Det innebär att miljön tillhandahåller gransknings- eller renderingsåtgärden. Ett textförslag är inte i sig en renderad sida eller en utförd interaktion. Definiera vad verktygen returnerar så att modellen kan koppla återkopplingen till det faktiska kravet.
Strukturerade utdata kan ordna experimentets fynd enligt ett tillhandahållet schema. Definiera fältnamn, nödvändiga typer och hantering av saknade värden och behåll källidentifierare bredvid extraherad information. En syntaktiskt giltig post och en korrekt tolkning är olika egenskaper; håll originalmaterialet tillgängligt för granskning av den senare.
Utgåva och kontinuitetsbegränsningar
Tillverkarens vanliga chattarbetsflöde returnerar inte privat resonemangskontext som externa anropare kan spela upp igen. Bevara synlig historik, källfakta och verktygsutfall när ett experiment fortsätter och använd endast de kontinuitetsmekanismer som dokumenteras för det anslutna gränssnittet. Loggsannolikheter stöds inte för Muse Spark och bör därför inte behandlas som ett inbyggt konfidensvärde för ett extraherat fält.
Den publicerade kontext- och modalitetstabellen tillhör denna namngivna 1.2-utgåva; den bör inte ärva 1.3:s max-inställning eller dess ljudbegränsning. De lästa källorna anger ingen separat maximal kapacitet för indata- eller utdatatoken utöver kontexten. Håll prototypens mål, material och granskningsbara textresultat uttryckliga, samtidigt som Contributor-identiteten och de faktiska resultat som verktygen returnerat bevaras.
", "aboutText": "Muse Spark 1.2 Contributor är experiment- och prototyputgåvan i Metas resonemangsfamilj Muse Spark 1.2. Håll Contributor-identifieraren separat från Standard 1.2 och senare 1.3-utgåvor. Tillverkarens familjedokumentation beskriver agentarbete, programvaruassistenter, multimodalt resonemang, verktygsanvändning och strukturerade textresultat; den fastställer ingen separat prestandagaranti för Contributor utifrån demonstrationer av Standard.\n\nDokumenterade indata och kontext\n\nTillverkaren listar text, bilder, video, ljud och PDF-filer som version 1.2:s indatamodaliteter och text som utdata, med en kontext på 1,048,576 token. Den tabellen definierar tillverkarens dokumenterade modellomfattning. Resultatet kan vara en skriftlig förklaring, strukturerade fynd eller föreslagen kod; att rendera ett gränssnitt, skapa en inspelning eller utföra en annan extern åtgärd kräver en applikationskomponent.\n\nFör en prototyp väljer du en definierad uppgift och tillhandahåller det material som behövs för att granska resultatet. En skärmbild kan åtfölja ett krav på en viss interaktion. En PDF kan tillhandahålla påståendena som ska jämföras eller extraheras. En video kan visa den synliga sekvensen som ska beskrivas, medan en audiovisuell fråga bör identifiera vilken talad eller synlig detalj som är viktig. Märk varje källa och begär underlaget som stöder svaret.\n\nUtgåvan 1.2 beskriver familjens styrkor i att omvandla visuellt material till kod och resonera om diagram eller scener. Använd dessa som uppgiftsområden snarare än ett påstående om att denna Contributor-utgåva återger varje Standard-demonstration. En praktisk begäran kan fråga efter layoutelementen som syns i en skärmbild, en föreslagen implementation och återstående frågor om beteende som bilden inte visar.\n\nResonemang och resultatförberedelse\n\nMuse Sparks resonemangsguide erbjuder insatsnivåerna minimal, low, medium, high och xhigh för denna utgåva. Max är specifikt för Standard 1.3, och att inaktivera resonemang med none stöds inte. Utan en uttrycklig inställning använder modellen fortfarande en resonemangsnivå som modellen bestämmer. En liten extraktion och ett visuellt problem eller en koduppgift med flera steg kan därför ha olika insatsval och ändå behålla samma identitet som 1.2 Contributor.\n\nUtdatabudgeten täcker internt resonemang och synlig text tillsammans. Rått resonemang är privat, så begär förklaringen eller slutresultatet som användaren behöver i stället för att förvänta dig det underliggande spåret. Anpassa uppgiftens svarslängd och fält efter det som ska granskas efteråt.\n\nFör en dokumentjämförelse begär du källpåståendet, dess sida, villkoret det fastställer och eventuell motsägelse. För en kodprototyp anger du vilka indata som accepteras, förväntat resultat och det gränssnitt som ska bevaras. Be om det föreslagna kodavsnittet separat från dess antaganden och exempelindata. Dessa krav definierar ett resultat som kan granskas i stället för ett öppet experiment utan färdigkriterium.\n\nVerktygsstödda experiment\n\nUtvecklardefinierad verktygsanvändning följer en loop mellan modell och applikation. Applikationen beskriver funktioner, modellen väljer en åtgärd och förbereder argument, och applikationen kör den och returnerar resultatet. En uppslagning kan tillhandahålla referensinformation; ett exekveringsverktyg kan tillhandahålla vad som hände när föreslagen kod kördes. Håll den ursprungliga åtgärden och det returnerade resultatet knutna till varandra innan du ber om nästa svar.\n\nFamiljeannonseringen för 1.2 betonar användning av verktyg för att närmare granska visuella indata och genererade arbetsresultat. Det innebär att miljön tillhandahåller gransknings- eller renderingsåtgärden. Ett textförslag är inte i sig en renderad sida eller en utförd interaktion. Definiera vad verktygen returnerar så att modellen kan koppla återkopplingen till det faktiska kravet.\n\nStrukturerade utdata kan ordna experimentets fynd enligt ett tillhandahållet schema. Definiera fältnamn, nödvändiga typer och hantering av saknade värden och behåll källidentifierare bredvid extraherad information. En syntaktiskt giltig post och en korrekt tolkning är olika egenskaper; håll originalmaterialet tillgängligt för granskning av den senare.\n\nUtgåva och kontinuitetsbegränsningar\n\nTillverkarens vanliga chattarbetsflöde returnerar inte privat resonemangskontext som externa anropare kan spela upp igen. Bevara synlig historik, källfakta och verktygsutfall när ett experiment fortsätter och använd endast de kontinuitetsmekanismer som dokumenteras för det anslutna gränssnittet. Loggsannolikheter stöds inte för Muse Spark och bör därför inte behandlas som ett inbyggt konfidensvärde för ett extraherat fält.\n\nDen publicerade kontext- och modalitetstabellen tillhör denna namngivna 1.2-utgåva; den bör inte ärva 1.3:s max-inställning eller dess ljudbegränsning. De lästa källorna anger ingen separat maximal kapacitet för indata- eller utdatatoken utöver kontexten. Håll prototypens mål, material och granskningsbara textresultat uttryckliga, samtidigt som Contributor-identiteten och de faktiska resultat som verktygen returnerat bevaras.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
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 är en separat namngiven resonemangsutgåva från Meta för prototyper och experimentella agentarbetsflöden. Meta dokumenterar en kontext på 1,048,576 token och multimodala indata med textutdata; utgåvan behåller sin egen identitet och resonemangsnivåer utan max från Standard 1.3.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Muse Spark 1.2 Contributor är experiment- och prototyputgåvan i Metas resonemangsfamilj Muse Spark 1.2. Håll Contributor-identifieraren separat från Standard 1.2 och senare 1.3-utgåvor. Tillverkarens familjedokumentation beskriver agentarbete, programvaruassistenter, multimodalt resonemang, verktygsanvändning och strukturerade textresultat; den fastställer ingen separat prestandagaranti för Contributor utifrån demonstrationer av Standard.
Dokumenterade indata och kontext
Tillverkaren listar text, bilder, video, ljud och PDF-filer som version 1.2:s indatamodaliteter och text som utdata, med en kontext på 1,048,576 token. Den tabellen definierar tillverkarens dokumenterade modellomfattning. Resultatet kan vara en skriftlig förklaring, strukturerade fynd eller föreslagen kod; att rendera ett gränssnitt, skapa en inspelning eller utföra en annan extern åtgärd kräver en applikationskomponent.
För en prototyp väljer du en definierad uppgift och tillhandahåller det material som behövs för att granska resultatet. En skärmbild kan åtfölja ett krav på en viss interaktion. En PDF kan tillhandahålla påståendena som ska jämföras eller extraheras. En video kan visa den synliga sekvensen som ska beskrivas, medan en audiovisuell fråga bör identifiera vilken talad eller synlig detalj som är viktig. Märk varje källa och begär underlaget som stöder svaret.
Utgåvan 1.2 beskriver familjens styrkor i att omvandla visuellt material till kod och resonera om diagram eller scener. Använd dessa som uppgiftsområden snarare än ett påstående om att denna Contributor-utgåva återger varje Standard-demonstration. En praktisk begäran kan fråga efter layoutelementen som syns i en skärmbild, en föreslagen implementation och återstående frågor om beteende som bilden inte visar.
Resonemang och resultatförberedelse
Muse Sparks resonemangsguide erbjuder insatsnivåerna minimal, low, medium, high och xhigh för denna utgåva. Max är specifikt för Standard 1.3, och att inaktivera resonemang med none stöds inte. Utan en uttrycklig inställning använder modellen fortfarande en resonemangsnivå som modellen bestämmer. En liten extraktion och ett visuellt problem eller en koduppgift med flera steg kan därför ha olika insatsval och ändå behålla samma identitet som 1.2 Contributor.
Utdatabudgeten täcker internt resonemang och synlig text tillsammans. Rått resonemang är privat, så begär förklaringen eller slutresultatet som användaren behöver i stället för att förvänta dig det underliggande spåret. Anpassa uppgiftens svarslängd och fält efter det som ska granskas efteråt.
För en dokumentjämförelse begär du källpåståendet, dess sida, villkoret det fastställer och eventuell motsägelse. För en kodprototyp anger du vilka indata som accepteras, förväntat resultat och det gränssnitt som ska bevaras. Be om det föreslagna kodavsnittet separat från dess antaganden och exempelindata. Dessa krav definierar ett resultat som kan granskas i stället för ett öppet experiment utan färdigkriterium.
Verktygsstödda experiment
Utvecklardefinierad verktygsanvändning följer en loop mellan modell och applikation. Applikationen beskriver funktioner, modellen väljer en åtgärd och förbereder argument, och applikationen kör den och returnerar resultatet. En uppslagning kan tillhandahålla referensinformation; ett exekveringsverktyg kan tillhandahålla vad som hände när föreslagen kod kördes. Håll den ursprungliga åtgärden och det returnerade resultatet knutna till varandra innan du ber om nästa svar.
Familjeannonseringen för 1.2 betonar användning av verktyg för att närmare granska visuella indata och genererade arbetsresultat. Det innebär att miljön tillhandahåller gransknings- eller renderingsåtgärden. Ett textförslag är inte i sig en renderad sida eller en utförd interaktion. Definiera vad verktygen returnerar så att modellen kan koppla återkopplingen till det faktiska kravet.
Strukturerade utdata kan ordna experimentets fynd enligt ett tillhandahållet schema. Definiera fältnamn, nödvändiga typer och hantering av saknade värden och behåll källidentifierare bredvid extraherad information. En syntaktiskt giltig post och en korrekt tolkning är olika egenskaper; håll originalmaterialet tillgängligt för granskning av den senare.
Utgåva och kontinuitetsbegränsningar
Tillverkarens vanliga chattarbetsflöde returnerar inte privat resonemangskontext som externa anropare kan spela upp igen. Bevara synlig historik, källfakta och verktygsutfall när ett experiment fortsätter och använd endast de kontinuitetsmekanismer som dokumenteras för det anslutna gränssnittet. Loggsannolikheter stöds inte för Muse Spark och bör därför inte behandlas som ett inbyggt konfidensvärde för ett extraherat fält.
Den publicerade kontext- och modalitetstabellen tillhör denna namngivna 1.2-utgåva; den bör inte ärva 1.3:s max-inställning eller dess ljudbegränsning. De lästa källorna anger ingen separat maximal kapacitet för indata- eller utdatatoken utöver kontexten. Håll prototypens mål, material och granskningsbara textresultat uttryckliga, samtidigt som Contributor-identiteten och de faktiska resultat som verktygen returnerat bevaras.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser meta/muse-spark-1.2-contributor | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0004 / 1K token Indata · Cacheläsning $0.000004 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0004 / 1K token Indata · Cacheläsning $0.000004 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra meta/muse-spark-1.2-contributor
Använd metodsökvägarna som visas ovan.
meta/muse-spark-1.2-contributorMuse Spark 1.2 Contributor är en separat namngiven resonemangsutgåva från Meta för prototyper och experimentella agentarbetsflöden. Meta dokumenterar en kontext på 1,048,576 token och multimodala indata med textutdata; utgåvan behåller sin egen identitet och resonemangsnivåer utan max från Standard 1.3.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Muse Spark 1.2 Contributor är experiment- och prototyputgåvan i Metas resonemangsfamilj Muse Spark 1.2. Håll Contributor-identifieraren separat från Standard 1.2 och senare 1.3-utgåvor. Tillverkarens familjedokumentation beskriver agentarbete, programvaruassistenter, multimodalt resonemang, verktygsanvändning och strukturerade textresultat; den fastställer ingen separat prestandagaranti för Contributor utifrån demonstrationer av Standard.
Dokumenterade indata och kontext
Tillverkaren listar text, bilder, video, ljud och PDF-filer som version 1.2:s indatamodaliteter och text som utdata, med en kontext på 1,048,576 token. Den tabellen definierar tillverkarens dokumenterade modellomfattning. Resultatet kan vara en skriftlig förklaring, strukturerade fynd eller föreslagen kod; att rendera ett gränssnitt, skapa en inspelning eller utföra en annan extern åtgärd kräver en applikationskomponent.
För en prototyp väljer du en definierad uppgift och tillhandahåller det material som behövs för att granska resultatet. En skärmbild kan åtfölja ett krav på en viss interaktion. En PDF kan tillhandahålla påståendena som ska jämföras eller extraheras. En video kan visa den synliga sekvensen som ska beskrivas, medan en audiovisuell fråga bör identifiera vilken talad eller synlig detalj som är viktig. Märk varje källa och begär underlaget som stöder svaret.
Utgåvan 1.2 beskriver familjens styrkor i att omvandla visuellt material till kod och resonera om diagram eller scener. Använd dessa som uppgiftsområden snarare än ett påstående om att denna Contributor-utgåva återger varje Standard-demonstration. En praktisk begäran kan fråga efter layoutelementen som syns i en skärmbild, en föreslagen implementation och återstående frågor om beteende som bilden inte visar.
Resonemang och resultatförberedelse
Muse Sparks resonemangsguide erbjuder insatsnivåerna minimal, low, medium, high och xhigh för denna utgåva. Max är specifikt för Standard 1.3, och att inaktivera resonemang med none stöds inte. Utan en uttrycklig inställning använder modellen fortfarande en resonemangsnivå som modellen bestämmer. En liten extraktion och ett visuellt problem eller en koduppgift med flera steg kan därför ha olika insatsval och ändå behålla samma identitet som 1.2 Contributor.
Utdatabudgeten täcker internt resonemang och synlig text tillsammans. Rått resonemang är privat, så begär förklaringen eller slutresultatet som användaren behöver i stället för att förvänta dig det underliggande spåret. Anpassa uppgiftens svarslängd och fält efter det som ska granskas efteråt.
För en dokumentjämförelse begär du källpåståendet, dess sida, villkoret det fastställer och eventuell motsägelse. För en kodprototyp anger du vilka indata som accepteras, förväntat resultat och det gränssnitt som ska bevaras. Be om det föreslagna kodavsnittet separat från dess antaganden och exempelindata. Dessa krav definierar ett resultat som kan granskas i stället för ett öppet experiment utan färdigkriterium.
Verktygsstödda experiment
Utvecklardefinierad verktygsanvändning följer en loop mellan modell och applikation. Applikationen beskriver funktioner, modellen väljer en åtgärd och förbereder argument, och applikationen kör den och returnerar resultatet. En uppslagning kan tillhandahålla referensinformation; ett exekveringsverktyg kan tillhandahålla vad som hände när föreslagen kod kördes. Håll den ursprungliga åtgärden och det returnerade resultatet knutna till varandra innan du ber om nästa svar.
Familjeannonseringen för 1.2 betonar användning av verktyg för att närmare granska visuella indata och genererade arbetsresultat. Det innebär att miljön tillhandahåller gransknings- eller renderingsåtgärden. Ett textförslag är inte i sig en renderad sida eller en utförd interaktion. Definiera vad verktygen returnerar så att modellen kan koppla återkopplingen till det faktiska kravet.
Strukturerade utdata kan ordna experimentets fynd enligt ett tillhandahållet schema. Definiera fältnamn, nödvändiga typer och hantering av saknade värden och behåll källidentifierare bredvid extraherad information. En syntaktiskt giltig post och en korrekt tolkning är olika egenskaper; håll originalmaterialet tillgängligt för granskning av den senare.
Utgåva och kontinuitetsbegränsningar
Tillverkarens vanliga chattarbetsflöde returnerar inte privat resonemangskontext som externa anropare kan spela upp igen. Bevara synlig historik, källfakta och verktygsutfall när ett experiment fortsätter och använd endast de kontinuitetsmekanismer som dokumenteras för det anslutna gränssnittet. Loggsannolikheter stöds inte för Muse Spark och bör därför inte behandlas som ett inbyggt konfidensvärde för ett extraherat fält.
Den publicerade kontext- och modalitetstabellen tillhör denna namngivna 1.2-utgåva; den bör inte ärva 1.3:s max-inställning eller dess ljudbegränsning. De lästa källorna anger ingen separat maximal kapacitet för indata- eller utdatatoken utöver kontexten. Håll prototypens mål, material och granskningsbara textresultat uttryckliga, samtidigt som Contributor-identiteten och de faktiska resultat som verktygen returnerat bevaras.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser meta/muse-spark-1.2-contributor | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0004 / 1K token Indata · Cacheläsning $0.000004 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0004 / 1K token Indata · Cacheläsning $0.000004 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "meta/muse-spark-1.2-contributor",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra meta/muse-spark-1.2-contributor
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
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.