Muse Spark 1.2 API

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.

Meta AI Génération de texte 1M contexte Publié 5 août 2026 Endpoint propriétaire

À propos de Muse Spark 1.2

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

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

Caractéristiques de Muse Spark 1.2

ID du modèle
muse-spark-1-2
Auteur
Meta AI
Catégorie
Génération de texte
Publié
5 août 2026
Fenêtre de contexte
1M tokens
Sortie max
131 072 tokens
Entrée
TexteImageVidéoAudioDocument
Sortie
Texte
Sortie structurée
JSON Schema
Endpoints
POST/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/muse-spark-1-2:generateContent
Identifiants de modèle alternatifs
muse-spark-1.2meta/muse-spark-1-2meta/muse-spark-1.2

Tarifs de l'API Muse Spark 1.2

Tarifs à l'usage en direct du catalogue EmpirioLabs. Vous pouvez aussi choisir un forfait avec des quotas hebdomadaires.

Type
Spéc.
Tarif
Entrée
par 1M de jetons d’invite
$1.25
Sortie
par 1M de jetons générés
$4.25
Lecture implicite du cache
par 1M de jetons d’entrée mis en cache
$1.00
Recherche Web
par requête de recherche
$0.00825
Comparer sur la page complète des tarifs

Comment appeler l'API Muse Spark 1.2

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
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)
Référence complète de l'API Muse Spark 1.2

Paramètres de l'API Muse Spark 1.2

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.

ParamètreTypePar défautPlage / valeursDescription
max_tokensinteger163841 à 131072Nombre maximal de jetons de sortie à générer. Les jetons de raisonnement comptent dans ce budget.
temperaturenumber10 à 2Contrôle l’aléatoire. Des valeurs plus basses rendent les réponses plus déterministes.
top_pnumber10.01 à 1Coupure d’échantillonnage du noyau.
presence_penaltynumber0-2 à 2Pénélate les jetons déjà apparus, encourageant de nouveaux sujets. Ce n’est pas appliqué lorsque la recherche web est activée.
frequency_penaltynumber0-2 à 2Pénélise les jetons fréquents, réduisant la répétition. Ce n’est pas appliqué lorsque la recherche web est activée.
seedinteger--Graine aléatoire pour un échantillonnage plus reproductible. Non appliqué lorsque la recherche web est activée.
reasoning_effortenummediumminimal, low, medium, high, xhighLe 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_searchbooleanfalse-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.
toolsarray[]-Fonctions compatibles OpenAI et définitions d’outils personnalisés. Sur /v1/responses, tool_search et defer_loading peuvent découvrir des outils différés.
tool_choiceobject--Contrôle du choix d’outils compatible OpenAI. Ce modèle prend en charge l’automatique et aucun.
parallel_tool_callsboolean--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_formatenum--Retour de sortie JSON structurée. Le mode JSON retourne tout objet JSON valide; Le mode schéma JSON impose un schéma exact.

Bon à savoir

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.

Facturation par outil (usage.tool_usage)

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.

Muse Spark 1.2 sur le blog

Annonces, tests de prompts et comparaisons qui couvrent ce modèle.

API Muse Spark 1.2 : questions fréquentes

Combien coûte l'API Muse Spark 1.2 ?

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.

Quelles entrées et sorties Muse Spark 1.2 prend-il en charge ?

Muse Spark 1.2 accepte en entrée Texte, Image, Vidéo, Audio, Document et renvoie Texte.

Quelle est la fenêtre de contexte de Muse Spark 1.2 ?

Muse Spark 1.2 prend en charge une fenêtre de contexte de 1M tokens avec jusqu'à 131 072 tokens de sortie par réponse.

L'API Muse Spark 1.2 est-elle compatible OpenAI ?

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.

Quel est l'identifiant de modèle de 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.

Quand Muse Spark 1.2 est-il sorti ?

Meta AI a lancé Muse Spark 1.2 le 5 août 2026.

Puis-je essayer Muse Spark 1.2 dans le navigateur avant d'intégrer ?

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.

Comment obtenir une clé API Muse Spark 1.2 ?

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.

Comparer Muse Spark 1.2 à d'autres modèles

Toutes les comparaisons de modèles

Prêt à utiliser de meilleurs points de terminaison ?

Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.