
Le modèle de raisonnement de frontière mis à jour de Meta avec un contexte de 1 048 576 jetons, une compréhension de l’image, de la vidéo, de l’audio et du PDF, une recherche web et un appel d’outils.
Le modèle de raisonnement de frontière mis à jour de Meta avec un contexte de 1 048 576 jetons, une compréhension de l’image, de la vidéo, de l’audio et du PDF, une recherche web et un appel d’outils.
Le raisonnement est toujours activé et ne peut pas être désactivé. Le raisonnement reste interne, et les jetons de raisonnement sont présentés comme des jetons de sortie et comptent contre max_tokens. reasoning_effort accepte le minimum jusqu’à Xhigh. Les entrées texte, image, vidéo MP4, MP3/WAV audio et PDF sont prises en charge; Jusqu’à 50 images peuvent être jointes. Les PDF utilisent le texte des 100 premières pages et des images des pages des 50 premières pages. La recherche web intégrée ajoute $0.00825 par requête de recherche exécutée et rapporte le compte en usage.tool_usage. Les requêtes OpenAI Response prennent également en charge des outils personnalisés et la recherche différée d’outils. tool_choice supporte l’automatique et aucun. Les invites et complétions envoyées à ce point de contrôle Standard ne sont pas utilisées par Meta pour entraîner ses modèles.
Aussi connu sous le nom 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-1.2Tarifs à l'usage en direct du catalogue EmpirioLabs. Vous pouvez aussi choisir un forfait avec des quotas hebdomadaires.
Muse Spark 1.2 sert l'API Chat Completions compatible OpenAI. Pointez n'importe quel SDK OpenAI vers https://api.empiriolabs.ai/v1 avec votre clé API EmpirioLabs et utilisez l'id de modèle muse-spark-1-2. Obtenez une clé API depuis le tableau de bord EmpirioLabs.
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)Paramètres de requête pris en charge par l'API Muse Spark 1.2 sur EmpirioLabs. Les valeurs par défaut s'appliquent quand un champ est omis.
| Paramètre | Type | Par défaut | Plage / valeurs | Description |
|---|---|---|---|---|
| max_tokens | integer | 16384 | 1 à 131072 | Nombre maximal de jetons de sortie à générer. Les jetons de raisonnement comptent dans ce budget. |
| temperature | number | 1 | 0 à 2 | Contrôle l’aléatoire. Des valeurs plus basses rendent les réponses plus déterministes. |
| top_p | number | 1 | 0.01 à 1 | Coupure d’échantillonnage du noyau. |
| presence_penalty | number | 0 | -2 à 2 | Pénélate les jetons déjà apparus, encourageant de nouveaux sujets. Ce n’est pas appliqué lorsque la recherche web est activée. |
| frequency_penalty | number | 0 | -2 à 2 | Pénélise les jetons fréquents, réduisant la répétition. Ce n’est pas appliqué lorsque la recherche web est activée. |
| seed | integer | - | - | Graine aléatoire pour un échantillonnage plus reproductible. Non appliqué lorsque la recherche web est activée. |
| reasoning_effort | enum | medium | minimal, low, medium, high, xhigh | Le raisonnement est toujours actif; Cela détermine combien d’efforts le modèle consacre avant de répondre. Un effort plus élevé utilise plus de jetons de... |
| tool_web_search | boolean | false | - | Activez la recherche web intégrée avec les sources citées. Ajoute $0.00825 par requête de recherche exécutée; Une seule requête peut effectuer plus d’une recherche. |
| tools | array | [] | - | Fonctions compatibles OpenAI et définitions d’outils personnalisés. Sur /v1/responses, tool_search et defer_loading peuvent découvrir des outils différés. |
| tool_choice | object | - | - | Contrôle du choix d’outils compatible OpenAI. Ce modèle prend en charge l’automatique et aucun. |
| parallel_tool_calls | boolean | - | - | Permettre au modèle de demander plusieurs outils de fonctions en une seule réponse. Lorsqu’il est omis, le défaut propre du modèle s’applique. |
| response_format | enum | - | - | Retour de sortie JSON structurée. Le mode JSON retourne tout objet JSON valide; Le mode schéma JSON impose un schéma exact. |
Le raisonnement est toujours activé et ne peut pas être désactivé. Le raisonnement reste interne, et les jetons de raisonnement sont présentés comme des jetons de sortie et comptent contre max_tokens. reasoning_effort accepte le minimum jusqu’à Xhigh. Les entrées texte, image, vidéo MP4, MP3/WAV audio et PDF sont prises en charge; Jusqu’à 50 images peuvent être jointes. Les PDF utilisent le texte des 100 premières pages et des images des pages des 50 premières pages. La recherche web intégrée ajoute $0.00825 par requête de recherche exécutée et rapporte le compte en usage.tool_usage. Les requêtes OpenAI Response prennent également en charge des outils personnalisés et la recherche différée d’outils. tool_choice supporte l’automatique et aucun. Les invites et complétions envoyées à ce point de contrôle Standard ne sont pas utilisées par Meta pour entraîner ses modèles.
Lorsque ce modèle invoque des outils à l’intérieur d’une seule requête, la réponse porte une carte de usage.tool_usage normalisée accompagnée du nombre de tokens. L’exemple ci-dessous montre la forme. Les noms exacts des champs, les unités et les outils apparaissant peuvent varier selon l’outil:
"usage": {
"prompt_tokens": 123,
"completion_tokens": 456,
"cost_usd": 0.0042,
"tool_usage": {"web_search": 3}
}Le nombre d’outils est déjà pris en compte dans cost_usd et est mis en surface pour que vous puissiez auditer la facturation par outil. Le champ est omis lorsqu’aucun outil facturé n’a été invoqué.
Annonces, tests de prompts et comparaisons qui couvrent ce modèle.
Sur EmpirioLabs, Muse Spark 1.2 est facturé à l'usage : Entrée $1.25 par 1M de jetons d’invite; Sortie $4.25 par 1M de jetons générés; Lecture implicite du cache $1.00 par 1M de jetons d’entrée mis en cache; Recherche Web $0.00825 par requête de recherche. Vous pouvez aussi choisir un forfait avec des quotas hebdomadaires. La grille tarifaire en direct de cette page correspond toujours à ce que l'API facture.
Muse Spark 1.2 accepte en entrée Texte, Image, Vidéo, Audio, Document et renvoie Texte.
Muse Spark 1.2 prend en charge une fenêtre de contexte de 1M tokens avec jusqu'à 131 072 tokens de sortie par réponse.
Oui. Muse Spark 1.2 sert l'API Chat Completions compatible OpenAI : les SDKs OpenAI existants fonctionnent en pointant base_url vers https://api.empiriolabs.ai/v1 et en utilisant l'id de modèle muse-spark-1-2.
Envoyez muse-spark-1-2 comme modèle dans votre requête. Les identifiants alternatifs muse-spark-1.2, meta/muse-spark-1-2, meta/muse-spark-1.2 fonctionnent aussi.
Meta AI a lancé Muse Spark 1.2 le 5 août 2026.
Oui. Le playground EmpirioLabs exécute Muse Spark 1.2 dans le navigateur avec les mêmes paramètres que l'API expose, pour tester vos prompts avant d'écrire du code.
Créez un compte EmpirioLabs, puis générez une clé sous API Keys dans le tableau de bord. La facturation utilise des crédits à l'usage : vous ne payez que vos requêtes. Vous pouvez aussi choisir un forfait avec des quotas hebdomadaires.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.