Cómo usar la API Muse Spark 1.1

Muse Spark 1.1 es el modelo de razonamiento fronterizo de Meta AI, que ahora está disponible en EmpirioLabs. Combina una ventana de contexto de 1.048.576 tokens con razonamiento siempre activo, comprensión de imágenes y vídeos, llamadas a funciones, salida estructurada estricta en esquema JSON y búsqueda web integrada que cita sus fuentes. Está diseñado para el trabajo con herramientas agentes, la codificación, el análisis de documentos y medios, y para la investigación fundamentada.

Puedes probarlo en el Playground o llamarlo hoy a través de la API compatible con OpenAI. Los detalles completos de los parámetros están disponibles en el Página de documentos.

Precios

Muse Spark 1.1 es pay-as-you-go con la facturación por token. Los tokens de prompt, tokens generados y tokens de entrada en caché tienen cada uno su propia tasa, y la entrada en caché se factura con descuento cada vez que el servicio detecta un prefijo repetido de prompt, lo que ocurre automáticamente sin configuración de caché de tu lado. La búsqueda web integrada añade una pequeña tarifa de per-search-query solo cuando la búsqueda se realiza realmente. Las tarifas actuales siempre están en el página modelo y el página de precios.

Quickstart

desde openai import cliente OpenAI = OpenAI(base_url="https://api.empiriolabs.ai/v1", api_key="YOUR_EMPIRIOLABS_API_KEY",) respuesta = client.chat.completions.create(model="muse-spark-1-1", reasoning_effort="medium", max_tokens=16384, messages=[{"role": "user", "content": "Resume los compromisos entre SQL y NoSQL en cinco viñetas."}],) print(response.choices[0].message.content)

El mismo id de modelo funciona /v1/chat/completions, /v1/responses, Estilo antrópico /v1/messages, y el compatible con Google generateContent endpoint, así que la mayoría de los SDKs existentes pueden apuntar a EmpirioLabs sin cambios en el código.

Búsqueda web integrada

Set " tool_web_search " y el modelo puede buscar en la web por sí solo, fundamentar la respuesta en lo que encuentra y añadir una lista de Fuentes con enlaces cuando haya citas disponibles. Cada consulta de búsqueda ejecutada añade la tarifa por consulta que aparece en la página del modelo, y las búsquedas que nunca se ejecutan no cuestan nada.

Entrada de imagen y vídeo

Envía imágenes con estándar image_url Partes de contenido y vídeo con video_url partes, como una URL https o una URL de datos base64. Se admiten múltiples imágenes en una sola petición. Ambos funcionan junto con la búsqueda web cuando necesitas respuestas fundamentadas sobre una imagen o clip.

Notas operativas

• El razonamiento está siempre activado y no puede desactivarse, y el modelo no devuelve su texto de razonamiento, solo la respuesta final. Los tokens de razonamiento facturan como tokens de salida y cuentan en contra max_tokens, así que se da espacio al modelo: se pueden consumir límites de salida muy pequeños por razonamiento antes de que aparezca la respuesta visible. Uso reasoning effort (mínimo, bajo, medio, alto, xalto) para controlar lo intenso que piensa.
• Los controles de muestreo soportados son temperatura, top p, Semilla, presence_penalty, y frequency_penalty. Secuencias de paradas, top_k, logprobs, y no soportan múltiples opciones por petición en este modelo.
• tool_choice soportes Auto y ninguno. La salida estructurada soporta tanto el modo JSON como el estricto esquema JSON.

Obtén una clave API de la Panel de control Y estás a una petición de distancia.