Aplomb 1, हमारा पहला मॉडल, अब उपलब्ध है। लॉन्च पोस्ट पढ़ें

Muse Spark 1.3 एपीआई

मेटा का लॉन्ग-होराइजन एजेंटिक रीजनिंग मॉडल 1,048,576-टोकन संदर्भ, इमेज, वीडियो और पीडीएफ समझ, वेब खोज और टूल कॉलिंग के साथ।

Meta AIटेक्स्ट जनरेशन1M कॉन्टेक्स्टरिलीज 2 सित॰ 2026स्वामित्व वाला एंडपॉइंटनया
Playground में आजमाएं API Docs कीमत देखें

Muse Spark 1.3 के बारे में

मेटा का लॉन्ग-होराइजन एजेंटिक रीजनिंग मॉडल 1,048,576-टोकन संदर्भ, इमेज, वीडियो और पीडीएफ समझ, वेब खोज और टूल कॉलिंग के साथ।

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.

इस नाम से भी जाना जाता है Muse Spark, Meta AI Muse Spark 1.3

reasoningmultimodalvideo understandingfunction callingstructured outputweb searchcachedocument understanding

Muse Spark 1.3 की विशेषताएं

मॉडल ID
muse-spark-1-3
निर्माता
Meta AI
श्रेणी
टेक्स्ट जनरेशन
रिलीज
2 सित॰ 2026
कॉन्टेक्स्ट विंडो
1M टोकन
अधिकतम आउटपुट
1,31,072 टोकन
इनपुट
टेक्स्टइमेजवीडियोदस्तावेज़
आउटपुट
टेक्स्ट
संरचित आउटपुट
JSON Schema
एंडपॉइंट
POST/v1/chat/completionsPOST/v1/responsesPOST/v1/messagesPOST/v1beta/models/muse-spark-1-3:generateContent
वैकल्पिक मॉडल ID
muse-spark-1.3meta/muse-spark-1-3meta/muse-spark-1.3

Muse Spark 1.3 API की कीमतें

EmpirioLabs कैटलॉग से लाइव pay-as-you-go दरें। आप सिर्फ उतना ही भुगतान करते हैं जितना उपयोग करते हैं, कोई मासिक न्यूनतम नहीं।

प्रकार
स्पेक
दर
इनपुट
प्रति 1M प्रॉम्प्ट टोकन
$1.25
उत्पादन
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
पूरे कीमत पेज पर तुलना करें

Muse Spark 1.3 API को कैसे कॉल करें

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। EmpirioLabs डैशबोर्ड से API key प्राप्त करें।

cURL
curl https://api.empiriolabs.ai/v1/chat/completions \
  -H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "muse-spark-1-3",
    "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-1-3",
    messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)
Muse Spark 1.3 API का पूरा संदर्भ

Muse Spark 1.3 API के पैरामीटर

EmpirioLabs पर Muse Spark 1.3 API द्वारा समर्थित request पैरामीटर। फ़ील्ड छोड़ने पर डिफ़ॉल्ट मान लागू होते हैं।

पैरामीटरप्रकारडिफॉल्टरेंज / मानविवरण
max_tokensinteger163841 से 131072उत्पन्न करने के लिए आउटपुट टोकन की अधिकतम संख्या। रीजनिंग टोकन इस बजट के खिलाफ गिने जाते हैं।
temperaturenumber10 से 2यादृच्छिकता को नियंत्रित करता है। कम मान प्रतिक्रियाओं को अधिक नियतात्मक बनाते हैं।
top_pnumber10.01 से 1न्यूक्लियस सैंपलिंग कटऑफ।
presence_penaltynumber0-2 से 2पहले से दिखाई देने वाले टोकन को दंडित करता है, नए विषयों को प्रोत्साहित करता है।
frequency_penaltynumber0-2 से 2बार-बार टोकन को दंडित करता है, दोहराव को कम करता है।
seedinteger--अधिक प्रतिलिपि प्रस्तुत करने योग्य नमूने के लिए यादृच्छिक बीज।
reasoning_effortenummediumminimal, low, medium, high, xhighरीजनिंग हमेशा चालू रहती है; यह निर्धारित करता है कि जवाब देने से पहले मॉडल कितना प्रयास करता है। उच्च प्रयास अधिक तर्क टोकन का उपयोग करता है। चैट पूरा होने पर...
tool_web_searchbooleanfalse-उद्धृत स्रोतों के साथ अंतर्निहित वेब खोज सक्षम करें। निष्पादित खोज क्वेरी के लिए $0.00825 जोड़ता है; एक अनुरोध एक से अधिक खोज चला सकता है।
toolsarray[]-OpenAI-संगत फ़ंक्शन और कस्टम टूल परिभाषाएँ। /v1/responses पर, tool_search और defer_loading आस्थगित टूल खोज सकते हैं।
tool_choiceobject--OpenAI-संगत उपकरण विकल्प नियंत्रण। यह मॉडल ऑटो और किसी को भी सपोर्ट नहीं करता है।
parallel_tool_callsbooleantrue-मॉडल को एक प्रतिक्रिया में कई फ़ंक्शन टूल का अनुरोध करने की अनुमति दें।
response_formatenum--संरचित JSON आउटपुट लौटाएं। JSON मोड कोई भी वैध JSON ऑब्जेक्ट लौटाता है; JSON स्कीमा मोड एक सटीक स्कीमा लागू करता है।

जानने योग्य

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.

प्रति-उपकरण बिलिंग (usage.tool_usage)

जब यह मॉडल एक ही अनुरोध के अंदर टूल का आह्वान करता है, तो प्रतिक्रिया टोकन गणना के साथ एक सामान्यीकृत usage.tool_usage मानचित्र को वहन करती है। नीचे दिया गया उदाहरण आकार दिखाता है। सटीक फ़ील्ड नाम, इकाइयाँ, और कौन से उपकरण दिखाई देते हैं, उपकरण के अनुसार भिन्न हो सकते हैं:

"usage": {
  "prompt_tokens": 123,
  "completion_tokens": 456,
  "cost_usd": 0.0042,
  "tool_usage": {"web_search": 3}
}

टूल काउंट पहले से ही cost_usd में फैक्टर किए गए हैं और सामने आए हैं ताकि आप प्रति-टूल बिलिंग का ऑडिट कर सकें। फ़ील्ड को तब छोड़ दिया जाता है जब कोई बिल टूल लागू नहीं किया गया था।

Muse Spark 1.3 API: आम सवाल

Muse Spark 1.3 API की कीमत कितनी है?

EmpirioLabs पर Muse Spark 1.3 का बिल उपयोग के अनुसार बनता है: इनपुट $1.25 प्रति 1M प्रॉम्प्ट टोकन; उत्पादन $4.25 प्रति 1M जेनरेट किए गए टोकन; अंतर्निहित कैश पढ़ा गया $1.00 प्रति 1M कैश्ड इनपुट टोकन; वेब खोज $0.00825 प्रति खोज क्वेरी। इस पेज की लाइव दर तालिका हमेशा API की वास्तविक बिलिंग से मेल खाती है।

Muse Spark 1.3 की context window कितनी है?

Muse Spark 1.3 1M टोकन की context window समर्थित करता है, प्रति उत्तर अधिकतम 1,31,072 आउटपुट टोकन के साथ।

क्या Muse Spark 1.3 API OpenAI-संगत है?

हां। Muse Spark 1.3 OpenAI-संगत Chat Completions API देता है, इसलिए मौजूदा OpenAI SDKs base_url को https://api.empiriolabs.ai/v1 पर सेट करके और model id muse-spark-1-3 रखकर काम करते हैं।

क्या मैं इंटीग्रेट करने से पहले ब्राउज़र में Muse Spark 1.3 आज़मा सकता हूं?

हां। EmpirioLabs playground ब्राउज़र में Muse Spark 1.3 को उन्हीं पैरामीटरों के साथ चलाता है जो API देता है, ताकि आप कोड लिखने से पहले prompt आज़मा सकें।

Muse Spark 1.3 की API key कैसे मिलेगी?

EmpirioLabs खाता बनाएं, फिर डैशबोर्ड में API Keys में key जनरेट करें। बिलिंग pay-as-you-go क्रेडिट से होती है, इसलिए आप सिर्फ अपनी requests का भुगतान करते हैं।

बेहतर समापन बिंदुओं का उपयोग करने के लिए तैयार हैं?

हमारे मूल्य निर्धारण की जाँच करें या यदि आप चाहते हैं कि आपका अपना मॉडल हमारे स्टैक पर तैनात किया जाए, तो पहुंचें।

मूल्य निर्धारण देखें
संपर्क करें