Wie man die Muse Spark 1.3 API nutzt

Muse Spark 1.3 ist auf EmpirioLabs verfügbar. Meta hat diesen Checkpoint für Langzeitarbeit gebaut: agentische Läufe, mehrstufiges Codieren und Aufgaben, die lange genug in einem Thread bleiben, um Kontext zu sammeln. Es kombiniert ein 1.048.576-Token-Kontextfenster mit Bild-, Video- und PDF-Verständnis, Funktionsaufrufen, streng strukturierter Ausgabe, integrierter Websuche und native Responses-Tools.

Was Muse Spark 1.3 unterstützt

Muse Spark 1.3 akzeptiert Text, bis zu 50 Bilder, MP4-Videos und PDF-Dokumente. Die PDF-Verarbeitung umfasst Text von den ersten 100 Seiten und Seitenbilder von den ersten 50 Seiten, was für lange Berichte, Spezifikationen und visuelle Dokumente geeignet ist.

Das Denken ist immer an. Verwendung reasoning effort von minimal durch xhigh um zu steuern, wie viel Arbeit das Modell aufwendet, bevor es antwortet. Reasoning-Traces bleiben privat, und Reasoning-Tokens zählen als Ausgabetoken gegen das Anfrage-Ausgabebudget.

Das Langkontextverhalten ist die Überschrift: Meta berichtet über sehr lange Threads hinweg, bittet um Klarstellungen bei mehrdeutigen Prompts und checkt vor folgenden Aktionen ein, anstatt zu raten.

Wie man Muse Spark 1.3 anruft

Verwenden Sie den OpenAI-kompatiblen Chat-Completions-Endpunkt und setzen Sie es ein modell zu muse-spark-1-3:

curl https://api.empiriolabs.ai/v1/chat/completions \ -h 'Autorisierung: Träger $EMPIRIOLABS_API_KEY' \ -H 'Inhalt-Typ: application/json' \ -d '{ "model": "muse-spark-1-3", "reasoning_effort": "medium", "messages": [ { "role": "user", "content": "plane eine schrittweise Migration eines vielbeschäftigten Dienstes in eine neue Datenbank und markiere, was schiefgehen könnte." } ] }'

Das gleiche Modell ist über die Responses, Messages und Google-kompatible Inhaltsgenerierungs-Endpunkte verfügbar. Der Responses-Endpunkt bewahrt benutzerdefinierte Werkzeuge und aufgeschobene Werkzeugentdeckung mit tool_search. Streaming-Antworten übertragen endgültige Nutzungsdaten, sodass Token-, Cache- und Tool-Abrechnungen prüfbar bleiben.

Websuche, Werkzeuge und strukturierte Ergebnisse

Aktivieren Sie die integrierte Websuche, wenn eine Antwort aktuelle Informationen benötigt. Jede ausgeführte Suchanfrage wird in usage.tool_usage und fügt die im Katalog angegebene Pro-Suchgebühr hinzu, sodass eine einzelne Anfrage mehrere Suchanfragen ausführen kann. Funktionswerkzeuge können parallel aufgerufen werden, und zitierte Quellen werden hinzugefügt, wenn das Modell sie zurückgibt.

Für maschinenlesbare Ausgaben verwenden Sie den JSON-Modus oder stellen Sie ein striktes JSON-Schema bereit. Der Schema-Modus wird durchgesetzt, was ihn zuverlässig für Extraktion, Routing, Auswertung und Agenten-Workflows macht, die einen stabilen Antwortvertrag benötigen.

Preisgestaltung und Datennutzung

Muse Spark 1.3 verwendet pay-as-you-go Token-Preisgestaltung, mit einem reduzierten Satz für zwischengespeicherte Eingaben und einer separaten Pro-Abfrage-Rate, wenn eine integrierte Websuche ausgeführt wird. Die aktuellen Raten sind immer auf dem modellblatt und die preisseite. Es gibt kein Abonnement und kein Mindestmaß.

EmpirioLabs bedient den Standard-Checkpoint. Prompts und Komplettierungen, die an ihn gesendet werden, werden von Meta nicht zum Training seiner Modelle verwendet.

Notizen, die man vor dem ersten Anruf kennen sollte,

• Reasoning-Token werden aus demselben Budget wie deine Antwort gezogen. Ein knappes max_tokens kann vollständig durch Schlussfolgerung verbraucht werden und eine längengekürzte Antwort ohne sichtbaren Inhalt zurückgeben, daher sollte man Langzeit-Prompts ein großzügiges Ausgabebudget geben.
• Im Gegensatz zu Muse Spark 1.1 und 1.2 akzeptiert dieser Checkpoint keine Audioeingaben. Anfragen, die Audio tragen, werden sofort abgelehnt und nicht stillschweigend ignoriert, daher wird die Sprache auf 1.2 oder ein dediziertes Transkriptionsmodell weitergeleitet.
• tool_choice Unterstützungen Auto und nicht. Das Erzwingen einer bestimmten Funktion durch den Namen ist bei diesem Modell nicht möglich.

Beginn

Probier Muse Spark 1.3 in der Spielplatzlesen sie die API-Referenz, oder siehe die vollständigen Spezifikationen auf dem modellblatt.