Muse Spark 1.2 est disponible sur EmpirioLabs. Ce point de contrôle de raisonnement Meta mis à jour combine une fenêtre contextuelle de 1 048 576 jetons avec une compréhension du texte, de l’image, de la vidéo, de l’audio et du PDF. Il prend également en charge l’appel de fonctions, la sortie strictement structurée, la recherche web intégrée et les outils natifs Response.
Ce que prend en charge Muse Spark 1.2
Muse Spark 1.2 accepte le texte, jusqu’à 50 images, des vidéos MP4, de l’audio MP3 ou WAV, et des documents PDF. Le traitement PDF inclut le texte des 100 premières pages et des images des 50 premières pages, ce qui rend le modèle utile pour de longs rapports, des documents visuels, des dialogues enregistrés et des analyses mixtes.
La raison est toujours en place. Utilisation raisonnement effort de minimale à travers xhigh pour contrôler la quantité de travail que le modèle dépense avant de répondre. Les traces de raisonnement restent privées, tandis que les jetons de raisonnement comptent comme des jetons de sortie et utilisent le budget de jetons de sortie de la requête.
Comment appeler Muse Spark 1.2
Utilisez le point de terminaison de complétions de chat compatible OpenAI et définissez modèle à muse-spark-1-2:
curl https://api.empiriolabs.ai/v1/chat/completions \ -H 'Autorisation: Porteur $EMPIRIOLABS_API_KEY' \ -H 'Type-de-contenu: application/json' \ -d '{ « modèle »: « muse-spark-1-2 », « reasoning_effort »: « médium », « messages »: [ { « rôle »: « utilisateur », « contenu »: « Concevoir un plan de déploiement sûr pour une migration API à fort trafic. » } ] }'Le même modèle est disponible via les points de terminaison Responses, Messages et la génération de contenu compatibles Google. Le point de terminaison Réponses préserve des outils personnalisés et la découverte différée des outils avec tool_search. Les réponses en streaming incluent les données d’utilisation finale pour les tokens, le cache et le règlement d’outils auditables.
Recherche web, outils et sortie structurée
Activez la recherche web intégrée lorsqu’une réponse nécessite des informations actuelles. Chaque requête de recherche exécutée est rapportée dans usage.tool_usage et ajoute le tarif par recherche listé par catalogue. Les outils de fonction peuvent être appelés en parallèle, et tool_choice supports Auto et aucune.
Pour des résultats lisibles par machine, utilisez le mode JSON ou fournissez un schéma JSON strict. Cela est utile pour l’extraction, le routage, l’évaluation et les flux de travail d’agents nécessitant un contrat de réponse stable.
Tarification et utilisation des données
Muse Spark 1.2 utilise pay-as-you-go tarification token, avec un tarif réduit distinct pour les entrées mises en cache et un taux supplémentaire par requête lors des recherches web intégrées. Voir le live Page modèle Muse Spark 1.2 et page de prix pour les tarifs actuels.
Meta indique que les invites et complétions soumises à ce point de contrôle Standard ne sont pas utilisées pour entraîner ses modèles. EmpirioLabs ne conserve pas le contenu des invites ou des messages dans les journaux d’utilisation.
Commencez à construire
Essayez Muse Spark 1.2 dans le Terrain de jeu, lire Documentation API, ou comparer avec d’autres modèles de raisonnement dans le Catalogue de modèles.
Divulgation: Cet article a été rédigé avec l'aide d'AI et examiné par EmpirioLabs AI.
