Muse Spark 1.2 är en kodinriktad uppdatering av Metas Muse Spark 1.1, med tonvikt på multimodal förståelse och visuellt resonemang. Tillverkarens demonstrationer kopplar bilder och video till digitala arbetsresultat som webbsidor och spel, medan modelltabellen anger en kontext på 1,048,576 token och textutdata. Denna post gäller Standard 1.2, skild från Contributor 1.2 och senare 1.3.
Visuell kodning
Utgåvan beskriver att översätta visuell layout, hierarki och stil till fungerande kod och sedan granska det resulterande arbetsresultatet genom verktyg. För en användbar uppgift tillhandahåller du bilden eller klippet tillsammans med beteendet som ska implementeras. En skärmbild kan visa utseendet men lämna interaktioner ospecificerade, så ange de reglage, tillstånd och förväntade svar på användaråtgärder som resultatet ska innehålla.
Be om den synliga strukturen, den föreslagna implementationen och antagandena separat. En uppgift för att återskapa en sida kan till exempel kräva de namngivna avsnitten och visuella relationerna som visas i referensen och sedan begära koden för en definierad interaktion. Att rendera och använda den koden kräver den anslutna miljön; den resulterande skärmbilden eller exekveringsåterkopplingen kan bli indata för nästa korrigering.
Tillverkaren identifierar diagramförståelse och visuellt resonemang utöver kodgenerering. Bevara axlar, enheter och etiketter i ett diagram och begär observationen som stöder varje slutsats. För ett schema identifierar du sambandet som ska förklaras och källetiketterna som ska bevaras. För en dokumentbild skiljer du transkription av den synliga ordalydelsen från en sammanfattning eller tolkning.
Rumsliga och audiovisuella arbetsflöden
Annonseringen av 1.2 diskuterar också en specialiserad robotikvariant och ett planerings- och åtgärdssystem i två nivåer. Detta är separata experimentella komponenter: en högnivåmodell resonerar om scenen och deluppgifterna, medan en separat vision-language-action-policy utför lågnivååtgärder. Standard-modellen med textutdata bör inte beskrivas som ett robotställdon bara för att familjens utgåva innehåller denna demonstration.
För Standard-versionen dokumenterar modelltabellen text, bilder, video, ljud och PDF-filer som indata. En audiovisuell uppgift kan fråga efter den händelse eller det talade villkor som är relevant för en fråga och returnera en ordnad redogörelse för det stödjande materialet. Identifiera det relevanta segmentet och svarets form i stället för att be om en planlös sammanfattning av varje modalitet.
Tillverkarens exempel kombinerar videoförståelse, detaljerad bildtextning och verktygsstödd granskning. Ett praktiskt arbetsflöde kan jämföra en demonstration med dess skriftliga procedur, begära synliga överensstämmelser och skillnader och sedan förbereda ett textresultat för ett senare applikationssteg. Genererad prosa, kod och strukturerade fynd är de dokumenterade utdata; bild- eller talgenerering tillhör separat namngivna komponenter.
Resonemangsinställningar och kontext
Muse Spark resonerar internt innan synlig text produceras. De dokumenterade insatsnivåerna som gäller för 1.2 är minimal, low, medium, high och xhigh. Max tillhör Standard 1.3, och none är inget sätt att inaktivera resonemang som stöds. När ingen insats anges använder modellen en nivå som modellen bestämmer.
Kontexten på 1,048,576 token kan behålla relaterat källmaterial och samtal, men målet och slutresultatet behöver fortfarande definieras. För en lång dokumentuppgift identifierar du frågan, märker varje källa och behåller dess position bredvid extraherad information. Resonemangstoken och synliga svarstoken delar på utdatabudgeten, så reservera tillräckligt med utrymme för den förklaring eller kod som uppgiften faktiskt behöver.
Rått internt resonemang exponeras inte som vanlig text. Tillverkarens chattgränssnitt för inte heller vidare ett läsbart privat spår mellan turer för externa anropare; bevara de synliga meddelanden, källor och returnerade verktygsutfall som behövs för en uppföljning. Loggsannolikheter stöds inte, så modellen tillhandahåller inte den funktionen som konfidensmått för sina slutsatser.
Verktyg och strukturerade arbetsresultat
Applikationen beskriver utvecklarfunktioner, modellen genererar de föreslagna anropen och argumenten och applikationen kör dem och returnerar resultatet för varje anrop. Modellen kan sedan granska den faktiska återkopplingen och välja nästa steg. Utgåvans tonvikt på att granska både visuella indata och genererade arbetsresultat beror på att dessa verktyg ingår i miljön.
Strukturerade utdata kan begränsa texten till ett definierat JSON-schema. En visuell extraktionspost kan innehålla källbild, objekt eller etikett, observerat värde och tolkning. En kodgranskning kan identifiera berörd symbol, avvikelse och föreslagen ändring. Tillverkarens strikta läge kräver ett vanligt objekt som rot, att alla listade egenskaper är obligatoriska och att extra egenskaper är inaktiverade; rekursiva scheman avvisas.
Definiera arbetsresultatets korrekthet i praktiska termer: vilka källdetaljer det måste bevara, hur en interaktion ska bete sig och vilken returnerad återkoppling som skulle fastställa det beteendet. De lästa källorna ger inga oberoende maximala kapaciteter för indata- eller utdatatoken utöver modellkontexten. Bevara Standard 1.2-utgåvan och skillnaden mellan ett föreslaget textresultat och det exekverings- eller renderingsresultat som används för att granska det.
", "aboutText": "Muse Spark 1.2 är en kodinriktad uppdatering av Metas Muse Spark 1.1, med tonvikt på multimodal förståelse och visuellt resonemang. Tillverkarens demonstrationer kopplar bilder och video till digitala arbetsresultat som webbsidor och spel, medan modelltabellen anger en kontext på 1,048,576 token och textutdata. Denna post gäller Standard 1.2, skild från Contributor 1.2 och senare 1.3.\n\nVisuell kodning\n\nUtgåvan beskriver att översätta visuell layout, hierarki och stil till fungerande kod och sedan granska det resulterande arbetsresultatet genom verktyg. För en användbar uppgift tillhandahåller du bilden eller klippet tillsammans med beteendet som ska implementeras. En skärmbild kan visa utseendet men lämna interaktioner ospecificerade, så ange de reglage, tillstånd och förväntade svar på användaråtgärder som resultatet ska innehålla.\n\nBe om den synliga strukturen, den föreslagna implementationen och antagandena separat. En uppgift för att återskapa en sida kan till exempel kräva de namngivna avsnitten och visuella relationerna som visas i referensen och sedan begära koden för en definierad interaktion. Att rendera och använda den koden kräver den anslutna miljön; den resulterande skärmbilden eller exekveringsåterkopplingen kan bli indata för nästa korrigering.\n\nTillverkaren identifierar diagramförståelse och visuellt resonemang utöver kodgenerering. Bevara axlar, enheter och etiketter i ett diagram och begär observationen som stöder varje slutsats. För ett schema identifierar du sambandet som ska förklaras och källetiketterna som ska bevaras. För en dokumentbild skiljer du transkription av den synliga ordalydelsen från en sammanfattning eller tolkning.\n\nRumsliga och audiovisuella arbetsflöden\n\nAnnonseringen av 1.2 diskuterar också en specialiserad robotikvariant och ett planerings- och åtgärdssystem i två nivåer. Detta är separata experimentella komponenter: en högnivåmodell resonerar om scenen och deluppgifterna, medan en separat vision-language-action-policy utför lågnivååtgärder. Standard-modellen med textutdata bör inte beskrivas som ett robotställdon bara för att familjens utgåva innehåller denna demonstration.\n\nFör Standard-versionen dokumenterar modelltabellen text, bilder, video, ljud och PDF-filer som indata. En audiovisuell uppgift kan fråga efter den händelse eller det talade villkor som är relevant för en fråga och returnera en ordnad redogörelse för det stödjande materialet. Identifiera det relevanta segmentet och svarets form i stället för att be om en planlös sammanfattning av varje modalitet.\n\nTillverkarens exempel kombinerar videoförståelse, detaljerad bildtextning och verktygsstödd granskning. Ett praktiskt arbetsflöde kan jämföra en demonstration med dess skriftliga procedur, begära synliga överensstämmelser och skillnader och sedan förbereda ett textresultat för ett senare applikationssteg. Genererad prosa, kod och strukturerade fynd är de dokumenterade utdata; bild- eller talgenerering tillhör separat namngivna komponenter.\n\nResonemangsinställningar och kontext\n\nMuse Spark resonerar internt innan synlig text produceras. De dokumenterade insatsnivåerna som gäller för 1.2 är minimal, low, medium, high och xhigh. Max tillhör Standard 1.3, och none är inget sätt att inaktivera resonemang som stöds. När ingen insats anges använder modellen en nivå som modellen bestämmer.\n\nKontexten på 1,048,576 token kan behålla relaterat källmaterial och samtal, men målet och slutresultatet behöver fortfarande definieras. För en lång dokumentuppgift identifierar du frågan, märker varje källa och behåller dess position bredvid extraherad information. Resonemangstoken och synliga svarstoken delar på utdatabudgeten, så reservera tillräckligt med utrymme för den förklaring eller kod som uppgiften faktiskt behöver.\n\nRått internt resonemang exponeras inte som vanlig text. Tillverkarens chattgränssnitt för inte heller vidare ett läsbart privat spår mellan turer för externa anropare; bevara de synliga meddelanden, källor och returnerade verktygsutfall som behövs för en uppföljning. Loggsannolikheter stöds inte, så modellen tillhandahåller inte den funktionen som konfidensmått för sina slutsatser.\n\nVerktyg och strukturerade arbetsresultat\n\nApplikationen beskriver utvecklarfunktioner, modellen genererar de föreslagna anropen och argumenten och applikationen kör dem och returnerar resultatet för varje anrop. Modellen kan sedan granska den faktiska återkopplingen och välja nästa steg. Utgåvans tonvikt på att granska både visuella indata och genererade arbetsresultat beror på att dessa verktyg ingår i miljön.\n\nStrukturerade utdata kan begränsa texten till ett definierat JSON-schema. En visuell extraktionspost kan innehålla källbild, objekt eller etikett, observerat värde och tolkning. En kodgranskning kan identifiera berörd symbol, avvikelse och föreslagen ändring. Tillverkarens strikta läge kräver ett vanligt objekt som rot, att alla listade egenskaper är obligatoriska och att extra egenskaper är inaktiverade; rekursiva scheman avvisas.\n\nDefiniera arbetsresultatets korrekthet i praktiska termer: vilka källdetaljer det måste bevara, hur en interaktion ska bete sig och vilken returnerad återkoppling som skulle fastställa det beteendet. De lästa källorna ger inga oberoende maximala kapaciteter för indata- eller utdatatoken utöver modellkontexten. Bevara Standard 1.2-utgåvan och skillnaden mellan ett föreslaget textresultat och det exekverings- eller renderingsresultat som används för att granska det.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Implement a specified responsive layout\n\nDraft semantic HTML and CSS for a product comparison section with a title, introduction and three feature columns. At narrow widths, stack the columns in the same reading order. Each column needs a heading and three bullet points. Use the placeholder copy supplied in your code and explain the breakpoint choice; return source only, without claiming a rendered result.A bounded HTML/CSS section and a short explanation of stacking behavior and reading order.At the proposed narrow breakpoint, the DOM order and visual order match and no horizontal overflow is introduced.meta/muse-spark-1.2Muse Spark 1.2 är Metas multimodala resonemangsmodell med fokus på visuell kodning, diagram och audiovisuell förståelse. Den kan omvandla tillhandahållna bilder eller video till föreslagen webb- och spelkod genom anslutna verktyg, med textutdata och en tillverkarkontext på 1,048,576 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Muse Spark 1.2 är en kodinriktad uppdatering av Metas Muse Spark 1.1, med tonvikt på multimodal förståelse och visuellt resonemang. Tillverkarens demonstrationer kopplar bilder och video till digitala arbetsresultat som webbsidor och spel, medan modelltabellen anger en kontext på 1,048,576 token och textutdata. Denna post gäller Standard 1.2, skild från Contributor 1.2 och senare 1.3.
Visuell kodning
Utgåvan beskriver att översätta visuell layout, hierarki och stil till fungerande kod och sedan granska det resulterande arbetsresultatet genom verktyg. För en användbar uppgift tillhandahåller du bilden eller klippet tillsammans med beteendet som ska implementeras. En skärmbild kan visa utseendet men lämna interaktioner ospecificerade, så ange de reglage, tillstånd och förväntade svar på användaråtgärder som resultatet ska innehålla.
Be om den synliga strukturen, den föreslagna implementationen och antagandena separat. En uppgift för att återskapa en sida kan till exempel kräva de namngivna avsnitten och visuella relationerna som visas i referensen och sedan begära koden för en definierad interaktion. Att rendera och använda den koden kräver den anslutna miljön; den resulterande skärmbilden eller exekveringsåterkopplingen kan bli indata för nästa korrigering.
Tillverkaren identifierar diagramförståelse och visuellt resonemang utöver kodgenerering. Bevara axlar, enheter och etiketter i ett diagram och begär observationen som stöder varje slutsats. För ett schema identifierar du sambandet som ska förklaras och källetiketterna som ska bevaras. För en dokumentbild skiljer du transkription av den synliga ordalydelsen från en sammanfattning eller tolkning.
Rumsliga och audiovisuella arbetsflöden
Annonseringen av 1.2 diskuterar också en specialiserad robotikvariant och ett planerings- och åtgärdssystem i två nivåer. Detta är separata experimentella komponenter: en högnivåmodell resonerar om scenen och deluppgifterna, medan en separat vision-language-action-policy utför lågnivååtgärder. Standard-modellen med textutdata bör inte beskrivas som ett robotställdon bara för att familjens utgåva innehåller denna demonstration.
För Standard-versionen dokumenterar modelltabellen text, bilder, video, ljud och PDF-filer som indata. En audiovisuell uppgift kan fråga efter den händelse eller det talade villkor som är relevant för en fråga och returnera en ordnad redogörelse för det stödjande materialet. Identifiera det relevanta segmentet och svarets form i stället för att be om en planlös sammanfattning av varje modalitet.
Tillverkarens exempel kombinerar videoförståelse, detaljerad bildtextning och verktygsstödd granskning. Ett praktiskt arbetsflöde kan jämföra en demonstration med dess skriftliga procedur, begära synliga överensstämmelser och skillnader och sedan förbereda ett textresultat för ett senare applikationssteg. Genererad prosa, kod och strukturerade fynd är de dokumenterade utdata; bild- eller talgenerering tillhör separat namngivna komponenter.
Resonemangsinställningar och kontext
Muse Spark resonerar internt innan synlig text produceras. De dokumenterade insatsnivåerna som gäller för 1.2 är minimal, low, medium, high och xhigh. Max tillhör Standard 1.3, och none är inget sätt att inaktivera resonemang som stöds. När ingen insats anges använder modellen en nivå som modellen bestämmer.
Kontexten på 1,048,576 token kan behålla relaterat källmaterial och samtal, men målet och slutresultatet behöver fortfarande definieras. För en lång dokumentuppgift identifierar du frågan, märker varje källa och behåller dess position bredvid extraherad information. Resonemangstoken och synliga svarstoken delar på utdatabudgeten, så reservera tillräckligt med utrymme för den förklaring eller kod som uppgiften faktiskt behöver.
Rått internt resonemang exponeras inte som vanlig text. Tillverkarens chattgränssnitt för inte heller vidare ett läsbart privat spår mellan turer för externa anropare; bevara de synliga meddelanden, källor och returnerade verktygsutfall som behövs för en uppföljning. Loggsannolikheter stöds inte, så modellen tillhandahåller inte den funktionen som konfidensmått för sina slutsatser.
Verktyg och strukturerade arbetsresultat
Applikationen beskriver utvecklarfunktioner, modellen genererar de föreslagna anropen och argumenten och applikationen kör dem och returnerar resultatet för varje anrop. Modellen kan sedan granska den faktiska återkopplingen och välja nästa steg. Utgåvans tonvikt på att granska både visuella indata och genererade arbetsresultat beror på att dessa verktyg ingår i miljön.
Strukturerade utdata kan begränsa texten till ett definierat JSON-schema. En visuell extraktionspost kan innehålla källbild, objekt eller etikett, observerat värde och tolkning. En kodgranskning kan identifiera berörd symbol, avvikelse och föreslagen ändring. Tillverkarens strikta läge kräver ett vanligt objekt som rot, att alla listade egenskaper är obligatoriska och att extra egenskaper är inaktiverade; rekursiva scheman avvisas.
Definiera arbetsresultatets korrekthet i praktiska termer: vilka källdetaljer det måste bevara, hur en interaktion ska bete sig och vilken returnerad återkoppling som skulle fastställa det beteendet. De lästa källorna ger inga oberoende maximala kapaciteter för indata- eller utdatatoken utöver modellkontexten. Bevara Standard 1.2-utgåvan och skillnaden mellan ett föreslaget textresultat och det exekverings- eller renderingsresultat som används för att granska det.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser meta/muse-spark-1.2 | 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 $0.0025 / 1K token Utdata · Utdatatoken $0.0085 / 1K token Indata · Cacheläsning $0.0003 / 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 $0.0025 / 1K token Utdata · Utdatatoken $0.0085 / 1K token Indata · Cacheläsning $0.0003 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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", "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',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',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
Använd metodsökvägarna som visas ovan.
meta/muse-spark-1.2Muse Spark 1.2 är Metas multimodala resonemangsmodell med fokus på visuell kodning, diagram och audiovisuell förståelse. Den kan omvandla tillhandahållna bilder eller video till föreslagen webb- och spelkod genom anslutna verktyg, med textutdata och en tillverkarkontext på 1,048,576 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Muse Spark 1.2 är en kodinriktad uppdatering av Metas Muse Spark 1.1, med tonvikt på multimodal förståelse och visuellt resonemang. Tillverkarens demonstrationer kopplar bilder och video till digitala arbetsresultat som webbsidor och spel, medan modelltabellen anger en kontext på 1,048,576 token och textutdata. Denna post gäller Standard 1.2, skild från Contributor 1.2 och senare 1.3.
Visuell kodning
Utgåvan beskriver att översätta visuell layout, hierarki och stil till fungerande kod och sedan granska det resulterande arbetsresultatet genom verktyg. För en användbar uppgift tillhandahåller du bilden eller klippet tillsammans med beteendet som ska implementeras. En skärmbild kan visa utseendet men lämna interaktioner ospecificerade, så ange de reglage, tillstånd och förväntade svar på användaråtgärder som resultatet ska innehålla.
Be om den synliga strukturen, den föreslagna implementationen och antagandena separat. En uppgift för att återskapa en sida kan till exempel kräva de namngivna avsnitten och visuella relationerna som visas i referensen och sedan begära koden för en definierad interaktion. Att rendera och använda den koden kräver den anslutna miljön; den resulterande skärmbilden eller exekveringsåterkopplingen kan bli indata för nästa korrigering.
Tillverkaren identifierar diagramförståelse och visuellt resonemang utöver kodgenerering. Bevara axlar, enheter och etiketter i ett diagram och begär observationen som stöder varje slutsats. För ett schema identifierar du sambandet som ska förklaras och källetiketterna som ska bevaras. För en dokumentbild skiljer du transkription av den synliga ordalydelsen från en sammanfattning eller tolkning.
Rumsliga och audiovisuella arbetsflöden
Annonseringen av 1.2 diskuterar också en specialiserad robotikvariant och ett planerings- och åtgärdssystem i två nivåer. Detta är separata experimentella komponenter: en högnivåmodell resonerar om scenen och deluppgifterna, medan en separat vision-language-action-policy utför lågnivååtgärder. Standard-modellen med textutdata bör inte beskrivas som ett robotställdon bara för att familjens utgåva innehåller denna demonstration.
För Standard-versionen dokumenterar modelltabellen text, bilder, video, ljud och PDF-filer som indata. En audiovisuell uppgift kan fråga efter den händelse eller det talade villkor som är relevant för en fråga och returnera en ordnad redogörelse för det stödjande materialet. Identifiera det relevanta segmentet och svarets form i stället för att be om en planlös sammanfattning av varje modalitet.
Tillverkarens exempel kombinerar videoförståelse, detaljerad bildtextning och verktygsstödd granskning. Ett praktiskt arbetsflöde kan jämföra en demonstration med dess skriftliga procedur, begära synliga överensstämmelser och skillnader och sedan förbereda ett textresultat för ett senare applikationssteg. Genererad prosa, kod och strukturerade fynd är de dokumenterade utdata; bild- eller talgenerering tillhör separat namngivna komponenter.
Resonemangsinställningar och kontext
Muse Spark resonerar internt innan synlig text produceras. De dokumenterade insatsnivåerna som gäller för 1.2 är minimal, low, medium, high och xhigh. Max tillhör Standard 1.3, och none är inget sätt att inaktivera resonemang som stöds. När ingen insats anges använder modellen en nivå som modellen bestämmer.
Kontexten på 1,048,576 token kan behålla relaterat källmaterial och samtal, men målet och slutresultatet behöver fortfarande definieras. För en lång dokumentuppgift identifierar du frågan, märker varje källa och behåller dess position bredvid extraherad information. Resonemangstoken och synliga svarstoken delar på utdatabudgeten, så reservera tillräckligt med utrymme för den förklaring eller kod som uppgiften faktiskt behöver.
Rått internt resonemang exponeras inte som vanlig text. Tillverkarens chattgränssnitt för inte heller vidare ett läsbart privat spår mellan turer för externa anropare; bevara de synliga meddelanden, källor och returnerade verktygsutfall som behövs för en uppföljning. Loggsannolikheter stöds inte, så modellen tillhandahåller inte den funktionen som konfidensmått för sina slutsatser.
Verktyg och strukturerade arbetsresultat
Applikationen beskriver utvecklarfunktioner, modellen genererar de föreslagna anropen och argumenten och applikationen kör dem och returnerar resultatet för varje anrop. Modellen kan sedan granska den faktiska återkopplingen och välja nästa steg. Utgåvans tonvikt på att granska både visuella indata och genererade arbetsresultat beror på att dessa verktyg ingår i miljön.
Strukturerade utdata kan begränsa texten till ett definierat JSON-schema. En visuell extraktionspost kan innehålla källbild, objekt eller etikett, observerat värde och tolkning. En kodgranskning kan identifiera berörd symbol, avvikelse och föreslagen ändring. Tillverkarens strikta läge kräver ett vanligt objekt som rot, att alla listade egenskaper är obligatoriska och att extra egenskaper är inaktiverade; rekursiva scheman avvisas.
Definiera arbetsresultatets korrekthet i praktiska termer: vilka källdetaljer det måste bevara, hur en interaktion ska bete sig och vilken returnerad återkoppling som skulle fastställa det beteendet. De lästa källorna ger inga oberoende maximala kapaciteter för indata- eller utdatatoken utöver modellkontexten. Bevara Standard 1.2-utgåvan och skillnaden mellan ett föreslaget textresultat och det exekverings- eller renderingsresultat som används för att granska det.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser meta/muse-spark-1.2 | 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 $0.0025 / 1K token Utdata · Utdatatoken $0.0085 / 1K token Indata · Cacheläsning $0.0003 / 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 $0.0025 / 1K token Utdata · Utdatatoken $0.0085 / 1K token Indata · Cacheläsning $0.0003 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "meta/muse-spark-1.2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Implement a specified responsive layout\n\nDraft semantic HTML and CSS for a product comparison section with a title, introduction and three feature columns. At narrow widths, stack the columns in the same reading order. Each column needs a heading and three bullet points. Use the placeholder copy supplied in your code and explain the breakpoint choice; return source only, without claiming a rendered result.A bounded HTML/CSS section and a short explanation of stacking behavior and reading order.At the proposed narrow breakpoint, the DOM order and visual order match and no horizontal overflow is introduced.