म्यूज़ स्पार्क 1.1 मेटा एआई का फ्रंटियर रीजनिंग मॉडल है, जो अब EmpirioLabs पर लाइव है। यह 1,048,576-टोकन संदर्भ विंडो को हमेशा चालू तर्क, छवि और वीडियो समझ, फ़ंक्शन कॉलिंग, सख्त JSON स्कीमा संरचित आउटपुट और अंतर्निहित वेब खोज के साथ जोड़ता है जो इसके स्रोतों का हवाला देता है। यह एजेंट टूल वर्क, कोडिंग, दस्तावेज़ और मीडिया विश्लेषण और ग्राउंडेड रिसर्च के लिए बनाया गया है।
आप इसे में आज़मा सकते हैं खेल का मैदान या इसे आज ही OpenAI-संगत API के माध्यम से कॉल करें। पूर्ण पैरामीटर विवरण लाइव पर रहते हैं दस्तावेज़ पृष्ठ।.
मूल्य निर्धारण
Muse Spark 1.1 is pay-as-you-go शीघ्र टोकन, उत्पन्न टोकन और कैश्ड इनपुट टोकन प्रत्येक की अपनी दर होती है, और कैश्ड इनपुट को छूट पर बिल दिया जाता है जब भी सेवा एक बार बार-बार प्रॉस्टफिक्स का पता लगाती है, जो स्वचालित रूप से आपके पक्ष में कैश कॉन्फ़िगरेशन के साथ होती है। बिल्ट-इन वेब खोज में एक छोटा per-search-query शुल्क शामिल है, जब वास्तव में एक खोज चली जाती है। वर्तमान दरें हमेशा पर होती हैं मॉडल पेज और मूल्य निर्धारण पृष्ठ।.
क्विकस्टार्ट
OpenAI आयात से OpenAI क्लाइंट = OpenAI(base_url="https://api.empiriolabs.ai/v1", api_key="YOUR_EMPIRIOLABS_API_KEY",) प्रतिक्रिया = client.chat.completions.create(मॉडल ="muse-spark-1-1", reasoning_effort="मध्यम", max_tokens=16384, संदेश = [{"भूमिका": "उपयोगकर्ता", "सामग्री": "SQL और NoSQL के बीच ट्रेडऑफ़ को पांच बुलेट में सारांशित करें। }],) प्रिंट (response.choices[0].message.content)वही मॉडल आईडी काम करती है /v1/chat/completions, TOKEN, मानवशास्त्रीय शैली TOKEN, और Google-संगत GenerateContent समापन बिंदु है, इसलिए अधिकांश मौजूदा एसडीके कोड परिवर्तन के बिना EmpirioLabs पर इंगित कर सकते हैं।
अंतर्निहित वेब खोज
सेट " tool_web_search ": सच और मॉडल अपने दम पर वेब खोज सकता है, जो कुछ भी पाता है उसमें उत्तर को आधार पर रख सकता है, और उद्धरण उपलब्ध होने पर लिंक के साथ स्रोत सूची जोड़ सकता है। प्रत्येक निष्पादित खोज क्वेरी मॉडल पृष्ठ पर दिखाए गए प्रति-क्वेरी शुल्क को जोड़ती है, और जो खोज कभी नहीं चलती है, उनकी लागत कुछ भी नहीं होती है।
छवि और वीडियो इनपुट
मानक के साथ चित्र भेजें image_url सामग्री भागों और वीडियो के साथ video_url भागों, एक https URL या एक base64 डेटा URL के रूप में। एक अनुरोध में एकाधिक छवियां समर्थित हैं। दोनों वेब खोज के साथ मिलकर काम करते हैं जब आपको किसी छवि या क्लिप के बारे में जमीनी उत्तरों की आवश्यकता होती है।
परिचालन नोट्स
- रीजनिंग हमेशा चालू रहती है और इसे अक्षम नहीं किया जा सकता है, और मॉडल अपना तर्क पाठ नहीं लौटाता है, केवल अंतिम उत्तर देता है। रीजनिंग टोकन आउटपुट टोकन के रूप में बिल और इसके खिलाफ गिनती
max_tokens, इसलिए मॉडल रूम दें: दृश्यमान उत्तर प्रकट होने से पहले तर्क द्वारा बहुत छोटे आउटपुट कैप का उपभोग किया जा सकता है। उपयोगतर्क effort(न्यूनतम, निम्न, मध्यम, उच्च, उच्च) यह नियंत्रित करने के लिए कि यह कितना कठिन सोचता है। - समर्थित नमूना नियंत्रण हैं
तापमान,top p,बीज,presence_penalty, औरfrequency_penalty. अनुक्रम रोकें,top_k,लॉगप्रोब, और प्रति अनुरोध एकाधिक विकल्प इस मॉडल द्वारा समर्थित नहीं हैं। tool_choiceसमर्थन करता हैस्वचालिततथाकोई नहीं. संरचित आउटपुट JSON मोड और सख्त JSON स्कीमा दोनों का समर्थन करता है।
एपीआई कुंजी प्राप्त करें डैशबोर्ड और आप एक अनुरोध दूर हैं।
