म्यूज़ स्पार्क 1.3 एपीआई का उपयोग कैसे करें

म्यूज़ स्पार्क 1.3 EmpirioLabs पर उपलब्ध है। मेटा ने इस चेकपॉइंट को लंबे क्षितिज के काम के लिए बनाया है: एजेंटिक रन, मल्टी-स्टेप कोडिंग, और ऐसे कार्य जो संदर्भ जमा करने के लिए एक थ्रेड में लंबे समय तक रहते हैं. यह 1,048,576-टोकन संदर्भ विंडो को इमेज, वीडियो और पीडीएफ समझ, फ़ंक्शन कॉलिंग, सख्त स्ट्रक्चर्ड आउटपुट, बिल्ट-इन वेब सर्च और नेटिव रिस्पॉन्स टूल के साथ जोड़ता है.

म्यूज़ स्पार्क 1.3 क्या सपोर्ट करता है

म्यूज़ स्पार्क 1.3 टेक्स्ट, 50 छवियों तक, MP4 वीडियो और PDF दस्तावेज़ों को स्वीकार करता है। पीडीएफ प्रसंस्करण पहले 100 पृष्ठों से पाठ और पहले 50 पृष्ठों से पृष्ठ छवियों को कवर करता है, जो लंबी रिपोर्ट, विनिर्देशों और दृश्य दस्तावेजों के अनुरूप है।

रीजनिंग हमेशा चालू रहती है। उपयोग तर्क effort से न्यूनतम के माध्यम से उच्च यह नियंत्रित करने के लिए कि जवाब देने से पहले मॉडल कितना काम खर्च करता है। रीजनिंग ट्रेस निजी रहते हैं, और रीजनिंग टोकन अनुरोध आउटपुट बजट के खिलाफ आउटपुट टोकन के रूप में गिने जाते हैं।

लंबे-संदर्भ व्यवहार शीर्षक है: Meta बहुत लंबे थ्रेड्स में मॉडल ट्रैकिंग विवरण की रिपोर्ट करता है, अस्पष्ट संकेतों पर स्पष्टीकरण मांगता है, और अनुमान लगाने के बजाय परिणामी कार्रवाइयों से पहले जाँच करता है।

म्यूज़ स्पार्क 1.3 को कैसे कॉल करें

OpenAI-संगत चैट पूर्णता समापन समापन बिंदु और सेट का उपयोग करें मॉडल सेवा मेरे muse-spark-1-3:

curl https://api.empiriolabs.ai/v1/chat/completions \ -H 'प्राधिकरण: वाहक $EMPIRIOLABS_API_KEY' \ -h 'सामग्री-प्रकार: application/json' \ -d '{ "मॉडल": "muse-spark-1-3", "reasoning_effort": "माध्यम", "संदेश": [ { "भूमिका": "उपयोगकर्ता", "सामग्री": "एक व्यस्त सेवा के एक नए डेटाबेस में एक चरणबद्ध माइग्रेशन की योजना बनाएं, और जो गलत हो सकता है उसे ध्वजांकित करें। } ] }'

वही मॉडल प्रतिक्रियाओं, संदेशों और Google-संगत सामग्री-जनरेशन एंडपॉइंट के माध्यम से उपलब्ध है। प्रतिक्रियाएं समापन बिंदु कस्टम टूल और स्थगित टूल खोज को सुरक्षित रखता है tool_search. स्ट्रीमिंग प्रतिक्रियाएं अंतिम उपयोग डेटा ले जाती हैं ताकि टोकन, कैश और टूल सेटलमेंट ऑडिट योग्य रहे।

वेब खोज, उपकरण और संरचित आउटपुट

जब किसी उत्तर को वर्तमान जानकारी की आवश्यकता होती है, तो अंतर्निहित वेब खोज चालू करें. प्रत्येक निष्पादित खोज क्वेरी की रिपोर्ट की जाती है usage.tool_usage और कैटलॉग-सूचीबद्ध प्रति-खोज शुल्क जोड़ता है, और एक एकल अनुरोध कई खोजों को चला सकता है। फ़ंक्शन टूल को समानांतर में बुलाया जा सकता है, और उद्धृत स्रोतों को तब जोड़ा जाता है जब मॉडल उन्हें लौटाता है।

मशीन-पठनीय आउटपुट के लिए, JSON मोड का उपयोग करें या एक सख्त JSON स्कीमा की आपूर्ति करें। स्कीमा मोड लागू किया जाता है, जो इसे निष्कर्षण, रूटिंग, मूल्यांकन और एजेंट वर्कफ़्लो के लिए भरोसेमंद बनाता है जिसके लिए एक स्थिर प्रतिक्रिया अनुबंध की आवश्यकता होती है।

मूल्य निर्धारण और डेटा उपयोग

म्यूज़ स्पार्क 1.3 pay-as-you-go टोकन मूल्य निर्धारण का उपयोग करता है, जिसमें कैश्ड इनपुट के लिए रियायती दर होती है और अंतर्निहित वेब खोज चलने पर एक अलग प्रति-क्वेरी दर होती है। वर्तमान दरें हमेशा पर होती हैं मॉडल पेज और मूल्य निर्धारण पृष्ठ. कोई सदस्यता नहीं है और कोई न्यूनतम नहीं है।

EmpirioLabs मानक चेकपॉइंट की सेवा करता है. इसे भेजे गए प्रॉम्प्ट और पूर्णता का उपयोग Meta द्वारा अपने मॉडल को प्रशिक्षित करने के लिए नहीं किया जाता है.

आपकी पहली कॉल से पहले जानने लायक नोट्स

• रीजनिंग टोकन आपके उत्तर के समान बजट से लिए जाते हैं। एक तंग max_tokens पूरी तरह से तर्क द्वारा उपभोग किया जा सकता है और बिना किसी दृश्यमान सामग्री के लंबाई-काटे गए प्रतिक्रिया को वापस कर सकता है, इसलिए लंबे क्षितिज को एक उदार आउटपुट बजट दें।
• म्यूज़ स्पार्क 1.1 और 1.2 के विपरीत, यह चेकपॉइंट ऑडियो इनपुट स्वीकार नहीं करता है। ऑडियो ले जाने वाले अनुरोधों को चुपचाप अनदेखा करने के बजाय तुरंत अस्वीकार कर दिया जाता है, इसलिए भाषण को 1.2 या एक समर्पित ट्रांसक्रिप्शन मॉडल पर रूट करें।
• tool_choice समर्थन करता है स्‍वचालित तथा कोई नहीं. इस मॉडल पर नाम से किसी विशिष्ट फ़ंक्शन को मजबूर करना उपलब्ध नहीं है।

शुरू हो जाओ

म्यूज़ स्पार्क 1.3 में आज़माएं खेल का मैदानपढ़ना एपीआई संदर्भ, या पर पूर्ण विनिर्देश देखें मॉडल पेज।.