Muse Spark 1.2 está disponible en EmpirioLabs. Este punto de control actualizado de razonamiento Meta combina una ventana contextual de 1.048.576 tokens con comprensión de texto, imagen, vídeo, audio y PDF. También soporta llamadas a funciones, salida estructurada estricta, búsqueda web integrada y herramientas nativas de Respuestas.
Qué soporta Muse Spark 1.2
Muse Spark 1.2 acepta texto, hasta 50 imágenes, vídeo MP4, audio MP3 o WAV, y documentos PDF. El procesamiento PDF incluye texto de las primeras 100 páginas e imágenes de las primeras 50 páginas, lo que hace que el modelo sea útil para informes largos, documentos visuales, grabaciones de voz y análisis de medios mixtos.
El razonamiento siempre está activo. Uso reasoning effort de mínimo a través de xhigh para controlar cuánto trabajo dedica el modelo antes de responder. Las trazas de razonamiento permanecen privadas, mientras que los tokens de razonamiento cuentan como tokens de salida y utilizan el presupuesto de tokens de salida de la solicitud.
Cómo llamar a Muse Spark 1.2
Utiliza el endpoint de completación de chats compatible con OpenAI y establece modelo a muse-spark-1-2:
curl https://api.empiriolabs.ai/v1/chat/completions \ -H 'Autorización: Portador $EMPIRIOLABS_API_KEY' \ -H 'Tipo-Contenido: application/json' \ -d '{ "modelo": "muse-spark-1-2", "reasoning_effort": "medio", "mensajes": [ { "rol": "usuario", "contenido": "Diseña un plan de despliegue seguro para una migración de API de alto tráfico." } ] }'El mismo modelo está disponible a través de los endpoints de generación de contenido compatibles con Respuestas, Mensajes y Google. El endpoint Responses preserva herramientas personalizadas y el descubrimiento diferido de herramientas con tool_search. Las respuestas en streaming incluyen datos finales de uso para token, caché y asentamiento de herramientas auditables.
Búsqueda web, herramientas y salida estructurada
Activa la búsqueda web integrada cuando una respuesta necesite información actual. Cada consulta de búsqueda ejecutada se reporta en usage.tool_usage y añade el cargo por búsqueda de la lista de catálogos. Las herramientas de función pueden llamarse en paralelo, y tool_choice soportes Auto y ninguno.
Para resultados legibles por máquina, utiliza el modo JSON o proporciona un esquema JSON estricto. Esto es útil para extracción, enrutamiento, evaluación y flujos de trabajo de agentes que requieren un contrato de respuesta estable.
Precios y uso de datos
Muse Spark 1.2 utiliza precios pay-as-you-go token, con una tarifa descontada separada para la entrada en caché y una tasa adicional por consulta cuando se ejecuta la búsqueda web integrada. Ver el directo Página del modelo Muse Spark 1.2 y página de precios para las tarifas actuales.
Meta afirma que los prompts y completaciones enviados a este punto de control estándar no se utilizan para entrenar sus modelos. EmpirioLabs no retiene el contenido de prompts ni mensajes en los registros de uso.
Empieza a construir
Prueba Muse Spark 1.2 en el Playground, leer el Documentación de la API, o compáralo con otros modelos de razonamiento en el Catálogo de modelos.
Divulgación: Este artículo fue escrito con asistencia AI y revisado por EmpirioLabs AI.
