Muse Spark 1.2 API

El modelo de razonamiento fronterizo actualizado de Meta con un contexto de 1.048.576 tokens, conocimiento de imagen, vídeo, audio y PDF, búsqueda web y uso de herramientas.

Meta AI Generacion de texto 1M contexto Lanzado 5 ago 2026 Endpoint propietario

Acerca de Muse Spark 1.2

El modelo de razonamiento fronterizo actualizado de Meta con un contexto de 1.048.576 tokens, conocimiento de imagen, vídeo, audio y PDF, búsqueda web y uso de herramientas.

El razonamiento siempre está activado y no se puede desactivar. El razonamiento permanece interno, y los tokens de razonamiento se presentan como tokens de salida y cuentan contra max_tokens. reasoning_effort acepta el mínimo hasta xhigh. Se admiten entradas de texto, imagen, vídeo MP4, audio MP3/WAV y PDF; se pueden adjuntar hasta 50 imágenes. Los PDFs usan texto de las primeras 100 páginas e imágenes de las primeras 50 páginas. La búsqueda web integrada añade $0.00825 por consulta ejecutada y reporta el recuento en usage.tool_usage. Las solicitudes de OpenAI Response también soportan herramientas personalizadas y búsqueda diferida de herramientas. tool_choice soporta automático y ninguno. Meta no utiliza los prompts y completaciones enviados a este punto de control Standard para entrenar sus modelos.

También conocido como Muse Spark, Meta AI Muse Spark 1.2

reasoning multimodal video understanding function calling structured output web search cache audio input document understanding

Especificaciones de Muse Spark 1.2

ID del modelo
muse-spark-1-2
Autor
Meta AI
Categoría
Generacion de texto
Lanzado
5 ago 2026
Ventana de contexto
1M tokens
Salida máxima
131.072 tokens
Entrada
TextoImagenVideoAudioDocumento
Salida
Texto
Salida estructurada
JSON Schema
Endpoints
POST/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/muse-spark-1-2:generateContent
IDs de modelo alternativos
muse-spark-1.2meta/muse-spark-1-2meta/muse-spark-1.2

Precios de la API de Muse Spark 1.2

Tarifas de pago por uso en vivo del catálogo de EmpirioLabs. También puedes elegir un plan con asignaciones semanales.

Tipo
Especificación
Tarifa
Entrada
por 1M de tokens de prompt
$1.25
Salida
por 1M de tokens generados
$4.25
Lectura implícita de caché
por cada 1M de tokens de entrada en caché
$1.00
Búsqueda web
por consulta de búsqueda
$0.00825
Comparar en la página completa de precios

Cómo llamar a la API de Muse Spark 1.2

Muse Spark 1.2 sirve la API de Chat Completions compatible con OpenAI. Apunta cualquier SDK de OpenAI a https://api.empiriolabs.ai/v1 con tu clave de API de EmpirioLabs y usa el id de modelo muse-spark-1-2. Consigue una clave de API en el panel de EmpirioLabs.

cURL
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."}
    ]
  }'
Python (OpenAI SDK)
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)
Referencia completa de la API de Muse Spark 1.2

Parámetros de la API de Muse Spark 1.2

Parámetros de solicitud compatibles con la API de Muse Spark 1.2 en EmpirioLabs. Los valores por defecto se aplican cuando se omite un campo.

ParámetroTipoPredeterminadoRango / valoresDescripción
max_tokensinteger163841 a 131072Número máximo de tokens de salida a generar. Los tokens de razonamiento cuentan para este presupuesto.
temperaturenumber10 a 2Controla la aleatoriedad. Valores más bajos hacen que las respuestas sean más deterministas.
top_pnumber10.01 a 1Corte de muestreo del núcleo.
presence_penaltynumber0-2 a 2Penaliza tokens que ya aparecieron, fomentando nuevos temas. No se aplica cuando la búsqueda web está activada.
frequency_penaltynumber0-2 a 2Penaliza tokens frecuentes, reduciendo la repetición. No se aplica cuando la búsqueda web está activada.
seedinteger--Semilla aleatoria para un muestreo más reproducible. No se aplica cuando la búsqueda web está activada.
reasoning_effortenummediumminimal, low, medium, high, xhighEl razonamiento siempre está activo; Esto determina cuánto esfuerzo dedica el modelo antes de responder. Un mayor esfuerzo utiliza más tokens de razonamiento. El...
tool_web_searchbooleanfalse-Activa la búsqueda web integrada con fuentes citadas. Añade $0.00825 por cada consulta de búsqueda ejecutada; una sola solicitud puede realizar más de una búsqueda.
toolsarray[]-Funciones compatibles con OpenAI y definiciones personalizadas de herramientas. En /v1/responses, tool_search y defer_loading pueden descubrir herramientas diferidas.
tool_choiceobject--Control de elección de herramientas compatible con OpenAI. Este modelo es compatible con automático y ninguno.
parallel_tool_callsboolean--Permite que el modelo solicite varias herramientas de función en una sola respuesta. Cuando se omite, se aplica el valor predeterminado propio del modelo.
response_formatenum--Devuelve la salida JSON estructurada. El modo JSON devuelve cualquier objeto JSON válido; El modo esquema JSON impone un esquema exacto.

Información útil

El razonamiento siempre está activado y no se puede desactivar. El razonamiento permanece interno, y los tokens de razonamiento se presentan como tokens de salida y cuentan contra max_tokens. reasoning_effort acepta el mínimo hasta xhigh. Se admiten entradas de texto, imagen, vídeo MP4, audio MP3/WAV y PDF; se pueden adjuntar hasta 50 imágenes. Los PDFs usan texto de las primeras 100 páginas e imágenes de las primeras 50 páginas. La búsqueda web integrada añade $0.00825 por consulta ejecutada y reporta el recuento en usage.tool_usage. Las solicitudes de OpenAI Response también soportan herramientas personalizadas y búsqueda diferida de herramientas. tool_choice soporta automático y ninguno. Meta no utiliza los prompts y completaciones enviados a este punto de control Standard para entrenar sus modelos.

Facturación por herramienta (usage.tool_usage)

Cuando este modelo invoca herramientas dentro de una sola solicitud, la respuesta lleva un mapa de usage.tool_usage normalizado junto al número de tokens. El ejemplo siguiente muestra la forma. Los nombres exactos de campos, unidades y qué herramientas aparecen pueden variar según la herramienta:

"usage": {
  "prompt_tokens": 123,
  "completion_tokens": 456,
  "cost_usd": 0.0042,
  "tool_usage": {"web_search": 3}
}

Los recuentos de herramientas ya están en cost_usd y están en superficie para que puedas auditar la facturación por herramienta. El campo se omite cuando no se invoca ninguna herramienta facturada.

Muse Spark 1.2 en el blog

Anuncios, pruebas de prompts y comparativas que cubren este modelo.

API de Muse Spark 1.2: preguntas frecuentes

¿Cuánto cuesta la API de Muse Spark 1.2?

En EmpirioLabs, Muse Spark 1.2 se factura por uso: Entrada $1.25 por 1M de tokens de prompt; Salida $4.25 por 1M de tokens generados; Lectura implícita de caché $1.00 por cada 1M de tokens de entrada en caché; Búsqueda web $0.00825 por consulta de búsqueda. También puedes elegir un plan con asignaciones semanales. La tabla de tarifas en vivo de esta página siempre coincide con lo que cobra la API.

¿Qué entradas y salidas admite Muse Spark 1.2?

Muse Spark 1.2 recibe Texto, Imagen, Video, Audio, Documento como entrada y devuelve Texto.

¿Cuál es la ventana de contexto de Muse Spark 1.2?

Muse Spark 1.2 admite una ventana de contexto de 1M tokens con hasta 131.072 tokens de salida por respuesta.

¿La API de Muse Spark 1.2 es compatible con OpenAI?

Sí. Muse Spark 1.2 sirve la API de Chat Completions compatible con OpenAI, así que los SDKs de OpenAI existentes funcionan apuntando base_url a https://api.empiriolabs.ai/v1 y usando el id de modelo muse-spark-1-2.

¿Cuál es el ID de modelo de Muse Spark 1.2?

Envía muse-spark-1-2 como modelo en tu solicitud. Los ID alternativos muse-spark-1.2, meta/muse-spark-1-2, meta/muse-spark-1.2 también funcionan.

¿Cuándo se lanzó Muse Spark 1.2?

Meta AI lanzó Muse Spark 1.2 el 5 ago 2026.

¿Puedo probar Muse Spark 1.2 en el navegador antes de integrar?

Sí. El playground de EmpirioLabs ejecuta Muse Spark 1.2 en el navegador con los mismos parámetros que expone la API, para que pruebes prompts antes de escribir código.

¿Cómo consigo una clave de API de Muse Spark 1.2?

Crea una cuenta de EmpirioLabs y genera una clave en API Keys en el panel. La facturación es con créditos de pago por uso, así que solo pagas por las solicitudes que haces. También puedes elegir un plan con asignaciones semanales.

Compara Muse Spark 1.2 con otros modelos

Todas las comparativas de modelos

¿Listo para usar mejores endpoints?

Consulta nuestros precios o contacta con nosotros si quieres que tu propio modelo se implemente en nuestra pila.