Muse Spark 1.1はMeta AIのフロンティア推論モデルで、現在は EmpirioLabs で稼働しています。1,048,576トークンのコンテキストウィンドウと、常時オンの推論、画像・動画の理解、関数呼び出し、厳格なJSONスキーマ構造化出力、そしてソースを引用する組み込みウェブ検索を組み合わせています。エージェント型ツール作業、コーディング、ドキュメントやメディア分析、そして地に足のついた研究のために作られています。
試してみてはどうか プレイグラウンド または、今日のOpenAI互換APIを通じて呼び出すこともできます。パラメータの詳細はリアルタイムでご覧いただけます。 ドキュメントページお問い合わせ.
料金について
Muse Spark 1.1はトークンごとの課金方式でpay-as-you-goされています。プロンプトトークン、生成トークン、キャッシュ入力トークンはそれぞれ料金が異なり、キャッシュ入力はサービスが繰り返しプロンプトプレフィックスを検出すると割引料金で請求されます。これはキャッシュ設定なしで自動的に発生します。組み込みのウェブ検索は、実際に検索が実行された場合にのみわずかなper-search-query料金を支払います。現在の金利は常に モデルページ そして、 プライシングページお問い合わせ.
クイックスタート
openaiからインポート OpenAIクライアント = OpenAI(base_url="https://api.empiriolabs.ai/v1", api_key="YOUR_EMPIRIOLABS_API_KEY",) response = client.chat.completions.create(model="muse-spark-1-1", reasoning_effort="medium", max_tokens=16384, messages=[{"role": "user", "content": "SQLとNoSQLのトレードオフを5箇条書きでまとめて."}],) print(response.choices[0].message.content)同じモデルIDで動作します /v1/chat/completions, お問い合わせ、人類風 お問い合わせ、そしてGoogle互換 コンテンツ生成 つまり、ほとんどの既存のSDKはコード変更なしでEmpirioLabsを指すことができます。
組み込みのウェブ検索
セット " tool_web_search ": true モデルは自らウェブを検索し、見つけた情報に基づいて答えを導き、引用が可能になった際にリンク付きのソースリストを付加することができます。実行される各検索クエリはモデルページに表示された1クエリごとの手数料を加算し、実行されない検索にはコストがかかりません。
画像および映像入力
標準画像を送信してください image_url コンテンツパートとビデオ video_url 部分として、https URLやbase64データURLとして。1つのリクエストで複数の画像を表示することも可能です。どちらも、画像やクリップについて的確な答えが必要なときにウェブ検索と連携して機能します。
作戦メモ
- 推論は常にオンで無効化できず、モデルは推論テキストを返すのではなく最終的な答えのみを返します。推論トークンは出力トークンとして請求され、カウントオフされます
max_tokensモデルの余裕を考えると、非常に小さな出力上限は、明らかな答えが現れる前に推論で消費されることがあります。使用方法理由 努力(最小、低、中、高、xハイ)考える強度をコントロールするために。 - サポートされているサンプリング制御は以下の通りです。
温度,トップページ,種子,presence_penalty、およびfrequency_penalty.ストップシーケンス、top_k,ログプロブスおよびこのモデルではリクエストごとの複数選択はサポートされていません。 tool_choiceサポート自動車およびなし.構造化出力はJSONモードと厳格なJSONスキーマの両方をサポートしています。
APIキーは ダッシュボード そして、あと一つのリクエストがあと一つ。
