
Metas aktualisiertes Frontier-Reasoning-Modell mit einem Kontext von 1.048.576 Tokens, Bild-, Video-, Audio- und PDF-Verständnis, Websuche und Werkzeugaufrufen.
Metas aktualisiertes Frontier-Reasoning-Modell mit einem Kontext von 1.048.576 Tokens, Bild-, Video-, Audio- und PDF-Verständnis, Websuche und Werkzeugaufrufen.
Das Schließen ist immer aktiviert und kann nicht deaktiviert werden. Reasoning bleibt intern, und Reasoning Tokens werden als Ausgabetoken abgerechnet und zählen gegen max_tokens. reasoning_effort akzeptiert minimal bis xhigh. Text-, Bild-, MP4-Video-, MP3/WAV-Audio- und PDF-Eingaben werden unterstützt; bis zu 50 Bilder können angehängt werden. PDFs verwenden Text von den ersten 100 Seiten und Seitenbilder von den ersten 50 Seiten. Die integrierte Websuche fügt pro ausgeführter Suchanfrage $0.00825 hinzu und meldet die Anzahl in usage.tool_usage. OpenAI-Antwortanfragen unterstützen ebenfalls benutzerdefinierte Tools und die Suche nach aufgeschobenen Tools. tool_choice unterstützt Auto und gar keine. Prompts und Completions, die an diesen Standard-Checkpoint gesendet werden, werden von Meta nicht zum Training seiner Modelle verwendet.
Auch bekannt als Muse Spark, Meta AI Muse Spark 1.2
muse-spark-1-2/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/muse-spark-1-2:generateContentmuse-spark-1.2meta/muse-spark-1-2meta/muse-spark-1.2Live Pay-as-you-go-Preise aus dem EmpirioLabs-Katalog. Du kannst auch einen Plan mit wöchentlichen Kontingenten wählen.
Muse Spark 1.2 bedient die OpenAI-kompatible Chat Completions API. Richte ein beliebiges OpenAI SDK mit deinem EmpirioLabs API-Schlüssel auf https://api.empiriolabs.ai/v1 und verwende die Modell-ID muse-spark-1-2. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "muse-spark-1-2",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'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-1-2",
messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)Request-Parameter, die die Muse Spark 1.2 API auf EmpirioLabs unterstützt. Standardwerte gelten, wenn ein Feld weggelassen wird.
| Parameter | Typ | Standard | Bereich / Werte | Beschreibung |
|---|---|---|---|---|
| max_tokens | integer | 16384 | 1 bis 131072 | Maximale Anzahl der zu generierenden Ausgabetoken. Reasoning-Tokens zählen gegen dieses Budget. |
| temperature | number | 1 | 0 bis 2 | Kontrolliert Zufall. Niedrigere Werte machen die Antworten deterministischer. |
| top_p | number | 1 | 0.01 bis 1 | Kernproben-Cutoff. |
| presence_penalty | number | 0 | -2 bis 2 | Bestraft bereits erschienene Token und fördert neue Themen. Wird nicht angewendet, wenn die Websuche aktiviert ist. |
| frequency_penalty | number | 0 | -2 bis 2 | Bestraft häufige Tokens und reduziert die Wiederholung. Wird nicht angewendet, wenn die Websuche aktiviert ist. |
| seed | integer | - | - | Zufälliger Seed für reproduzierbare Stichproben. Wird nicht angewendet, wenn die Websuche aktiviert ist. |
| reasoning_effort | enum | medium | minimal, low, medium, high, xhigh | Das Denken ist immer an; Dies legt fest, wie viel Aufwand das Modell aufwendet, bevor es antwortet. Höhere Anstrengungen erfordern mehr Vernunft-Tokens. Der... |
| tool_web_search | boolean | false | - | Aktivieren Sie eine integrierte Websuche mit zitierten Quellen. Fügt $0.00825 pro ausgeführter Suchanfrage hinzu; Eine einzelne Anfrage kann mehr als eine Suche... |
| tools | array | [] | - | OpenAI-kompatible Funktion und benutzerdefinierte Werkzeugdefinitionen. Auf /v1/responses können tool_search und defer_loading aufgeschobene Werkzeuge entdecken. |
| tool_choice | object | - | - | OpenAI-kompatible Werkzeugwahlsteuerung. Dieses Modell unterstützt Auto, aber keine Modelle. |
| parallel_tool_calls | boolean | - | - | Erlauben Sie dem Modell, mehrere Funktionswerkzeuge in einer Antwort anzufordern. Wenn es weggelassen wird, gilt der eigene Standard des Modells. |
| response_format | enum | - | - | Gib strukturierte JSON-Ausgabe zurück. Der JSON-Modus liefert jedes gültige JSON-Objekt zurück; Der JSON-Schema-Modus erzwingt ein exaktes Schema. |
Das Schließen ist immer aktiviert und kann nicht deaktiviert werden. Reasoning bleibt intern, und Reasoning Tokens werden als Ausgabetoken abgerechnet und zählen gegen max_tokens. reasoning_effort akzeptiert minimal bis xhigh. Text-, Bild-, MP4-Video-, MP3/WAV-Audio- und PDF-Eingaben werden unterstützt; bis zu 50 Bilder können angehängt werden. PDFs verwenden Text von den ersten 100 Seiten und Seitenbilder von den ersten 50 Seiten. Die integrierte Websuche fügt pro ausgeführter Suchanfrage $0.00825 hinzu und meldet die Anzahl in usage.tool_usage. OpenAI-Antwortanfragen unterstützen ebenfalls benutzerdefinierte Tools und die Suche nach aufgeschobenen Tools. tool_choice unterstützt Auto und gar keine. Prompts und Completions, die an diesen Standard-Checkpoint gesendet werden, werden von Meta nicht zum Training seiner Modelle verwendet.
Wenn dieses Modell Werkzeuge innerhalb einer einzigen Anfrage aufruft, trägt die Antwort eine normalisierte usage.tool_usage Map neben den Token-Zählen. Das folgende Beispiel zeigt die Form. Genaue Feldnamen, Einheiten und welche Werkzeuge erscheinen, können je nach Werkzeug variieren:
"usage": {
"prompt_tokens": 123,
"completion_tokens": 456,
"cost_usd": 0.0042,
"tool_usage": {"web_search": 3}
}Die Tool-Zählungen sind bereits in cost_usd einbezogen und werden angezeigt, damit man die Rechnungsabrechnung pro Tool prüfen kann. Das Feld wird weggelassen, wenn kein abgerechnetes Tool aufgerufen wurde.
Ankündigungen, Prompt-Tests und Vergleiche, die dieses Modell abdecken.
Auf EmpirioLabs wird Muse Spark 1.2 nach Verbrauch abgerechnet: Eingabe $1.25 pro 1M Prompt-Token; Ausgabe $4.25 pro 1 Million generierter Token; Implizite Cache-Leseart $1.00 pro 1M zwischengespeicherten Eingabetoken; Web-Suche $0.00825 pro Suchanfrage. Du kannst auch einen Plan mit wöchentlichen Kontingenten wählen. Die Live-Preistabelle auf dieser Seite entspricht immer dem, was die API berechnet.
Muse Spark 1.2 nimmt Text, Bild, Video, Audio, Dokument als Eingabe an und gibt Text aus.
Muse Spark 1.2 unterstützt ein Kontextfenster von 1M Token mit bis zu 131.072 Ausgabe-Token pro Antwort.
Ja. Muse Spark 1.2 bedient die OpenAI-kompatible Chat Completions API. Bestehende OpenAI SDKs funktionieren, indem du base_url auf https://api.empiriolabs.ai/v1 setzt und als Modell-ID muse-spark-1-2 verwendest.
Sende muse-spark-1-2 als Modell in deinem Request. Die alternativen IDs muse-spark-1.2, meta/muse-spark-1-2, meta/muse-spark-1.2 funktionieren ebenfalls.
Meta AI hat Muse Spark 1.2 am 5. Aug. 2026 veröffentlicht.
Ja. Der EmpirioLabs Playground führt Muse Spark 1.2 im Browser mit denselben Parametern aus, die die API bietet. So kannst du Prompts testen, bevor du Code schreibst.
Erstelle ein EmpirioLabs-Konto und generiere dann einen Schlüssel unter API Keys im Dashboard. Die Abrechnung erfolgt über Pay-as-you-go-Guthaben, du zahlst also nur für deine Requests. Du kannst auch einen Plan mit wöchentlichen Kontingenten wählen.
Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.