Muse Spark 1.2 está disponível no EmpirioLabs. Esse checkpoint atualizado de raciocínio Meta combina uma janela de contexto de 1.048.576 tokens com entendimento de texto, imagem, vídeo, áudio e PDF. Também suporta chamada de funções, saída estruturada rigorosa, busca web embutida e ferramentas nativas de Respostas.
O que o Muse Spark 1.2 suporta
O Muse Spark 1.2 aceita texto, até 50 imagens, vídeo MP4, áudio MP3 ou WAV, e documentos PDF. O processamento em PDF inclui texto das primeiras 100 páginas e imagens das primeiras 50 páginas, o que torna o modelo útil para relatórios longos, documentos visuais, fala gravada e análise de mídia mista.
A razão está sempre ativa. Uso raciocinação esforço de mínimo através xhigh para controlar quanto trabalho o modelo gasta antes de responder. Os rastreios de raciocínio permanecem privados, enquanto os tokens de raciocínio contam como tokens de saída e utilizam o orçamento de tokens de saída da solicitação.
Como chamar Muse Spark 1.2
Use o endpoint de conclusão de chat compatível com OpenAI e configure modelo para muse-spark-1-2:
curl https://api.empiriolabs.ai/v1/chat/completions \ -H 'Autorização: Portador $EMPIRIOLABS_API_KEY' \ -H 'Tipo-de-Conteúdo: application/json' \ -d '{ "modelo": "muse-spark-1-2", "reasoning_effort": "Médio", "mensagens": [ { "Função": "usuário", "conteúdo": "Projete um plano de implementação seguro para uma migração de API de alto tráfego." } ] }'O mesmo modelo está disponível através dos endpoints de geração de conteúdo compatíveis com o Google Responses, Messages e Responses. O endpoint Respostas preserva ferramentas personalizadas e a descoberta diferida de ferramentas com tool_search. As respostas em streaming incluem dados finais de uso para token, cache e liquidação de ferramentas auditáveis.
Busca na web, ferramentas e saída estruturada
Ative a busca web embutida quando uma resposta precisar de informações atuais. Cada consulta de busca executada é reportada em usage.tool_usage e adiciona a taxa listada por pesquisa. Ferramentas funcionais podem ser chamadas em paralelo, e tool_choice suportes Auto e nenhum.
Para resultados legíveis por máquina, use o modo JSON ou forneça um esquema JSON rigoroso. Isso é útil para extração, roteamento, avaliação e fluxos de trabalho de agentes que exigem um contrato de resposta estável.
Preços e uso de dados
O Muse Spark 1.2 utiliza precificação pay-as-you-go token, com uma taxa separada e desconto para entrada em cache e uma taxa adicional por consulta quando a busca web embutida é executada. Assista ao vivo Página do modelo Muse Spark 1.2 e página de preços Para as taxas atuais.
Meta afirma que prompts e preenchimentos submetidos a este checkpoint padrão não são usados para treinar seus modelos. EmpirioLabs não mantém o conteúdo de prompts ou mensagens nos registros de uso.
Comece a construir
Experimente Muse Spark 1.2 no Área de reprodução, ler Documentação da API, ou compará-lo com outros modelos de raciocínio no Catálogo de modelos.
Divulgação: Este artigo foi escrito com assistência de IA e revisado por EmpirioLabs IA.
