Muse Spark 1.3 版本已在EmpirioLabs上提供。 Meta为长期工作构建了这个检查点：代理运行、多步编码以及在一个线程中停留足够长以积累上下文的任务。它将1,048,576个令牌的上下文窗口与图像、视频和PDF理解、函数调用、严格的结构化输出、内置网页搜索以及原生响应工具相结合。
Muse Spark 1.3 支持的内容
Muse Spark 1.3 支持文本、最多 50 张图片、MP4 视频和 PDF 文档。PDF 处理涵盖前 100 页的文本和前 50 页的页面图像，适合长篇报告、规格说明和视觉文档。
推理始终开启。使用 推理(e) 来自 最小值 通过 高 以控制模型在回答前所花费的工作量。推理痕迹保持私密，推理标记作为请求输出预算的输出标记。
标题是长上下文行为：Meta报告模型在非常长的线程中跟踪细节，要求对模糊提示进行澄清，并在后续操作前先确认，而不是猜测。
如何调用缪斯火花1.3
使用兼容 OpenAI 的聊天完成终端并设置 模型 到 muse-spark-1-3编号:
curl https://api.empiriolabs.ai/v1/chat/completions \ -h '授权：承载者 $EMPIRIOLABS_API_KEY' \ -h '内容类型：application/json' \ -d '{ “model”： “muse-spark-1-3”， “reasoning_effort”： “medium”， “messages”： [ { “role”： “user”， “content”： “规划繁忙服务分阶段迁移到新数据库，并标记可能出现的问题。” } ] }''同样的模型也可以通过Responses、Messages和兼容Google的内容生成端点获得。Responses端点保留了自定义工具和延迟工具发现，包括 tool_search.流式响应会携带最终使用数据，因此令牌、缓存和工具结算都能保持可审计性。
网页搜索、工具与结构化输出
当答案需要最新信息时，开启内置的网页搜索功能。每一次执行的搜索查询都会被报告为 usage.tool_usage 并增加了目录中列出的每次搜索费用，单个请求可以运行多次搜索。功能工具可以并行调用，模型返回引用来源时会附加。
对于机器可读输出，可以使用JSON模式或提供严格的JSON模式。模式模式被强制执行，使其在提取、路由、评估和需要稳定响应合同的代理工作流中更为可靠。
定价与数据使用
Muse Spark 1.3 采用pay-as-you-go令牌定价，缓存输入有折扣费率，内置网页搜索运行时则有单独的查询费率。当前费率始终在 模型页面 页:1 定价页面.没有订阅费，也没有最低订阅。
EmpirioLabs服务于标准检查点。发送给它的提示和完成信息不被Meta用于训练其模型。
第一次通话前值得了解的笔记
- 推理代币的预算与你的答案相同。紧密
max_tokens可以完全通过推理消耗，返回一个长度截断且无可见内容的回复，因此应给予长视野提示宽松的输出预算。 - 与 Muse Spark 1.1 和 1.2 不同，该检查点不接受音频输入。携带音频的请求会立即被拒绝，而非静默忽略，因此语音应路由至 1.2 或专用转录模型。
tool_choice支持自动以及无.该模型无法强制指定函数名称。
