प्रकार
स्पेक
दर
इनपुट
प्रति 1M प्रॉम्प्ट टोकन
$1.25
आउटपुट
प्रति 1M जेनरेट किए गए टोकन
$4.25
अंतर्निहित कैश पढ़ा गया
प्रति 1M कैश्ड इनपुट टोकन
$1.00
वेब खोज
प्रति खोज क्वेरी
$0.00825
Muse Spark 1.3 और Muse Spark 1.2 साथ-साथ: विशेषताएं, क्षमताएं, पैरामीटर और EmpirioLabs कैटलॉग की लाइव कीमतें।
Meta AI पाठ निर्माणMuse Spark 1.3 और Muse Spark 1.2 दोनों Meta AI के मॉडल हैं, पाठ निर्माण श्रेणी में आते हैं और EmpirioLabs API के ज़रिए उपलब्ध हैं।
| स्पेक | Muse Spark 1.3 | Muse Spark 1.2 |
|---|---|---|
| मॉडल ID | muse-spark-1-3 | muse-spark-1-2 |
| निर्माता | Meta AI | Meta AI |
| रिलीज | 2 सित॰ 2026 | 5 अग॰ 2026 |
| कॉन्टेक्स्ट विंडो | 1M टोकन | 1M टोकन |
| अधिकतम आउटपुट | 1,31,072 टोकन | 1,31,072 टोकन |
| इनपुट | टेक्स्ट इमेज वीडियो दस्तावेज़ | टेक्स्ट इमेज वीडियो ऑडियो दस्तावेज़ |
| आउटपुट | टेक्स्ट | टेक्स्ट |
| संरचित आउटपुट | JSON Schema | JSON Schema |
| एंडपॉइंट | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/muse-spark-1-3:generateContent | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/muse-spark-1-2:generateContent |
| क्षमताएं |
दोनों मॉडलों के लिए EmpirioLabs कैटलॉग की लाइव दरें। हर दर तालिका हमेशा API की वास्तविक बिलिंग से मेल खाती है।
EmpirioLabs पर हर मॉडल के लिए सूचीबद्ध रिक्वेस्ट पैरामीटर, और जहां लागू हो वहां मान्य मान या सीमा। डैश उस पैरामीटर को दिखाता है जो मॉडल के लिए सूचीबद्ध नहीं है।
| पैरामीटर | Muse Spark 1.3 | Muse Spark 1.2 |
|---|---|---|
| max_tokens | 16 से 131072 डिफॉल्ट: 16384 | 1 से 131072 डिफॉल्ट: 16384 |
| temperature | 0 से 2 डिफॉल्ट: 1 | 0 से 2 डिफॉल्ट: 1 |
| top_p | 0.01 से 1 डिफॉल्ट: 1 | 0.01 से 1 डिफॉल्ट: 1 |
| reasoning_effort | minimal, low, medium, high, xhigh डिफॉल्ट: medium | minimal, low, medium, high, xhigh डिफॉल्ट: medium |
| tool_web_search | boolean डिफॉल्ट: false | boolean डिफॉल्ट: false |
| tools | array डिफॉल्ट: [] | array डिफॉल्ट: [] |
| tool_choice | object | object |
| parallel_tool_calls | boolean | boolean |
| response_format | enum | enum |
| presence_penalty | - | -2 से 2 डिफॉल्ट: 0 |
| frequency_penalty | - | -2 से 2 डिफॉल्ट: 0 |
| seed | - | integer |
रीजनिंग हमेशा चालू रहती है और इसे अक्षम नहीं किया जा सकता है। reasoning_effort xhigh के माध्यम से न्यूनतम स्वीकार करता है। /v1/chat/completions पर रीजनिंग टेक्स्ट वापस नहीं किया जाता है; /v1/responses पर आप reasoning.summary के साथ रीजनिंग सारांश का अनुरोध कर सकते हैं, और रीजनिंग टोकन को आउटपुट टोकन के रूप में बिल किया जाता है और किसी भी तरह से आउटपुट बजट के खिलाफ गिना जाता है। टेक्स्ट, छवि, MP4 वीडियो और पीडीएफ इनपुट समर्थित हैं; अधिकतम 50 छवियां संलग्न की जा सकती हैं। इस चौकी पर ऑडियो इनपुट समर्थित नहीं है; म्यूज़ स्पार्क 1.1 और 1.2 चौकियाँ ऑडियो स्वीकार करती हैं। पीडीएफ पहले 100 पृष्ठों से पाठ और पहले 50 पृष्ठों से पृष्ठ छवियों का उपयोग करते हैं। अंतर्निहित वेब खोज प्रति निष्पादित खोज क्वेरी $0.00825 जोड़ती है और usage.tool_usage में गिनती की रिपोर्ट करती है। OpenAI रिस्पॉन्स अनुरोध कस्टम टूल और आस्थगित टूल खोज का भी समर्थन करते हैं। tool_choice ऑटो को सपोर्ट करता है और किसी को नहीं. इस स्टैंडर्ड चेकपॉइंट पर भेजे गए प्रॉम्प्ट और पूर्णता का उपयोग Meta द्वारा अपने मॉडलों को प्रशिक्षित करने के लिए नहीं किया जाता है.
रीजनिंग हमेशा चालू रहती है और इसे अक्षम नहीं किया जा सकता है। रीजनिंग आंतरिक रहती है, और रीजनिंग टोकन को आउटपुट टोकन के रूप में बिल किया जाता है और max_tokens के खिलाफ गिना जाता है। reasoning_effort xhigh के माध्यम से न्यूनतम स्वीकार करता है। टेक्स्ट, इमेज, MP4 वीडियो, MP3/WAV ऑडियो और PDF इनपुट समर्थित हैं; अधिकतम 50 इमेज अटैच किए जा सकते हैं। PDF पहले 100 पेजों के टेक्स्ट और पहले 50 पेजों के पेज इमेज का इस्तेमाल करते हैं. बिल्ट-इन वेब सर्च में $0.00825 निष्पादित खोज क्वेरी जोड़ती है और usage.tool_usage में गिनती की रिपोर्ट करती है. OpenAI Responses अनुरोध कस्टम टूल और डिफर्ड टूल सर्च को भी सपोर्ट करते हैं. tool_choice ऑटो और किसी को भी सपोर्ट नहीं करता है. इस स्टैंडर्ड चेकपॉइंट पर भेजे गए प्रॉम्प्ट और पूर्णता का उपयोग Meta द्वारा अपने मॉडल को प्रशिक्षित करने के लिए नहीं किया जाता है.
Muse Spark 1.3 OpenAI-संगत Chat Completions API देता है। किसी भी OpenAI SDK को अपनी EmpirioLabs API key के साथ https://api.empiriolabs.ai/v1 पर सेट करें और model id muse-spark-1-3 उपयोग करें। दोनों मॉडल एक ही एंडपॉइंट से कॉल किए जाते हैं। model को muse-spark-1-3 या muse-spark-1-2 पर सेट करें। EmpirioLabs डैशबोर्ड से API key प्राप्त करें।
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "muse-spark-1-3",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'Muse Spark 1.3 नई रिलीज़ है (2 सित॰ 2026); Muse Spark 1.2 5 अग॰ 2026 को रिलीज़ हुआ था। दोनों मॉडलों की कॉन्टेक्स्ट विंडो 1M टोकन की है। सिर्फ Muse Spark 1.2 द्वारा स्वीकार किए जाने वाले इनपुट प्रकार: ऑडियो। इस पेज की विशेषताएं, दर तालिकाएं और पैरामीटर EmpirioLabs के लाइव कैटलॉग से आते हैं।
Muse Spark 1.3 नई रिलीज़ है (2 सित॰ 2026); Muse Spark 1.2 5 अग॰ 2026 को रिलीज़ हुआ था।
इनपुट (प्रति 1M प्रॉम्प्ट टोकन) और आउटपुट (प्रति 1M जेनरेट किए गए टोकन) के लिए दोनों मॉडलों की दर समान है। दोनों लाइव दर तालिकाएं इस पेज पर हैं और हमेशा API की वास्तविक बिलिंग से मेल खाती हैं।
हां। दोनों मॉडल एक ही EmpirioLabs API key के साथ POST /v1/chat/completions इस्तेमाल करते हैं, इसलिए ज़्यादातर इंटीग्रेशन सिर्फ model मान बदलकर स्विच हो जाते हैं। अगर आप किसी मॉडल-विशेष पैरामीटर पर निर्भर हैं तो पहले इस पेज की पैरामीटर तालिका देखें।
हां। हर मॉडल को EmpirioLabs playground में खोलें और API के पैरामीटरों के साथ दोनों पर एक ही prompt चलाएं।
हमारे मूल्य निर्धारण की जाँच करें या यदि आप चाहते हैं कि आपका अपना मॉडल हमारे स्टैक पर तैनात किया जाए, तो पहुंचें।