Wie man die Muse Spark 1.1 API verwendet

Muse Spark 1.1 ist das Frontier-Reasoning-Modell von Meta AI, das jetzt auf EmpirioLabs verfügbar ist. Es kombiniert ein 1.048.576-Token-Kontextfenster mit immer-eingeschaltetem Denken, Bild- und Videoverständnis, Funktionsaufrufen, strikt JSON-Schema-strukturierter Ausgabe und integrierter Websuche, die seine Quellen zitiert. Es ist für agentische Werkzeugarbeit, Programmierung, Dokumenten- und Medienanalyse sowie fundierte Forschung konzipiert.

Du kannst es in der Spielplatz oder es heute über die OpenAI-kompatible API aufrufen. Vollständige Parameterdetails sind live auf der Dokumentationsseite.

Preisgestaltung

Muse Spark 1.1 ist pay-as-you-go mit einer Token-Abrechnung. Prompt-Token, generierte Token und zwischengespeicherte Eingabe-Token haben jeweils ihren eigenen Rat, und zwischengespeicherte Eingaben werden mit Rabatt berechnet, wenn der Dienst ein wiederholtes Prompt-Präfix erkennt, was automatisch ohne Cache-Konfiguration auf Ihrer Seite geschieht. Eingebaute Websuche erhebt nur dann eine kleine per-search-query Gebühr, wenn eine Suche tatsächlich durchgeführt wird. Die aktuellen Zinssätze sind immer auf dem modellblatt und die preisseite.

Quickstart

from openai import OpenAI client = OpenAI(base_url="https://api.empiriolabs.ai/v1", api_key="YOUR_EMPIRIOLABS_API_KEY",) response = client.chat.completions.create(model="muse-spark-1-1", reasoning_effort="medium", max_tokens=16384, messages=[{"role": "user", "content": "Fasse die Kompromisse zwischen SQL und NoSQL in fünf Punkten zusammen."}],) print(response.choices[0].message.content)

Dasselbe Modell, auf dem ID funktioniert, /v1/chat/completions, /v1/responses, anthropischer Stil /v1/messages, und die Google-kompatiblen generateContent Endpoint, sodass die meisten bestehenden SDKs ohne Codeänderungen auf EmpirioLabs zeigen können.

Eingebaute Websuche

Setz " tool_web_search ": wahr und das Modell kann das Web eigenständig durchsuchen, die Antwort auf das Gefundene stützen und eine Quellenliste mit Links anhängen, wenn Zitate verfügbar sind. Jede ausgeführte Suchanfrage addiert die pro Abfragegebühr, die auf der Modellseite angezeigt wird, und Suchanfragen, die nie ausgeführt werden, kosten nichts.

Bild- und Videoeingang

Bilder mit Standard senden image_url Inhaltsteile und Video mit video_url Teile, als HTTPS-URL oder als base64-Daten-URL. Mehrere Bilder in einer Anfrage werden unterstützt. Beide funktionieren zusammen mit der Websuche, wenn Sie fundierte Antworten zu einem Bild oder Clip benötigen.

Betriebshinweise

• Das Schließen ist immer aktiviert und kann nicht deaktiviert werden, und das Modell gibt seinen Schlusstext nicht zurück, sondern nur die endgültige Antwort. Reasoning-Tokens werden als Ausgabetoken abgerechnet und gegen sie angerechnet max_tokens, also geben Sie dem Modell Spielraum: Sehr kleine Ausgangskapazitäten können durch Schlussfolgerung verbraucht werden, bevor die sichtbare Antwort erscheint. Verwendung reasoning effort (minimal, niedrig, mittel, hoch, xhoch), um zu kontrollieren, wie intensiv es denkt.
• Unterstützte Sampling-Kontrollen sind temperatur, top p, Saatgut, presence_penalty, und frequency_penalty. Stop-Sequenzen, top_k, logprobs, und Mehrfachwahlmöglichkeiten pro Anfrage werden von diesem Modell nicht unterstützt.
• tool_choice Unterstützungen Auto und nicht. Strukturierte Ausgabe unterstützt sowohl den JSON-Modus als auch das strikte JSON-Schema.

Erhalten Sie einen API-Schlüssel von der Armaturenbrett Und du bist nur eine Bitte entfernt.