Muse Spark 1.3 vs Seed 2.1 Turbo

Muse Spark 1.3 与 Seed 2.1 Turbo 并排比较:规格、能力、参数,以及 EmpirioLabs 目录中的实时价格。

Meta AI ByteDance 文本生成

Muse Spark 1.3 vs Seed 2.1 Turbo 概览

Meta AI 的 Muse Spark 1.3 和 ByteDance 的 Seed 2.1 Turbo 都属于文本生成类别,可通过 EmpirioLabs API 使用。

主要区别

  • Muse Spark 1.3 发布更晚(2026年9月2日);Seed 2.1 Turbo 发布于 2026年7月13日。
  • Muse Spark 1.3 的上下文窗口更大:1M 个 token,Seed 2.1 Turbo 为 229.1K。
  • 每次响应 Muse Spark 1.3 最多返回 131,072 个输出 token,Seed 2.1 Turbo 最多 65,536。
  • 只有 Muse Spark 1.3 支持的输入类型:文档。
  • 仅 Muse Spark 1.3 列出的能力:multimodal, video understanding, structured output, web search, cache, document understanding。
  • 仅 Seed 2.1 Turbo 列出的能力:vision, agentic coding。
  • 输入(每100万个提示词标记)和输出(每100万个生成代币)的价格 Seed 2.1 Turbo 更低。

Muse Spark 1.3 vs Seed 2.1 Turbo:规格

规格Muse Spark 1.3Seed 2.1 Turbo
模型 IDmuse-spark-1-3seed-2-1-turbo
开发方Meta AIByteDance
发布日期2026年9月2日2026年7月13日
上下文窗口1M 个 token229.1K 个 token
最大输出131,072 个 token65,536 个 token
输入
文本 图像 视频 文档
文本 图像 视频
输出
文本
文本
结构化输出JSON SchemaJSON Schema
区域-Malaysia
端点
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/seed-2-1-turbo:generateContent
能力
reasoning multimodal video understanding function calling structured output web search cache document understanding
reasoning vision agentic coding function calling

Muse Spark 1.3 vs Seed 2.1 Turbo:API 价格

两个模型在 EmpirioLabs 目录中的实时价格。每张价格表始终与 API 的实际计费一致。

Muse Spark 1.3 vs Seed 2.1 Turbo:API 参数

每个模型在 EmpirioLabs 上列出的请求参数,以及适用的可选值或范围。短横线表示该模型未列出此参数。

参数Muse Spark 1.3Seed 2.1 Turbo
max_tokens16 到 131072 默认值: 163841 到 65536
temperature0 到 2 默认值: 1-
top_p0.01 到 1 默认值: 1-
reasoning_effortminimal, low, medium, high, xhigh 默认值: mediumlow, medium, high 默认值: high
tool_web_searchboolean 默认值: false-
toolsarray 默认值: []-
tool_choiceobject-
parallel_tool_callsboolean-
response_formatenumenum
frequency_penalty--2 到 2 默认值: 0
presence_penalty--2 到 2 默认值: 0
stop-string
enable_thinking-boolean 默认值: true
enable_web_search-boolean 默认值: false
max_tool_calls-1 到 10 默认值: 3
image_detail-low, high, xhigh 默认值: high

Muse Spark 1.3 vs Seed 2.1 Turbo:限制与说明

Muse Spark 1.3

推理始终开启且不可禁用。reasoning_effort接受最小至xhigh。/v1/chat/completions时推理文本不返回;/v1/responses上你可以请求推理摘要,使用reasoning.summary,推理令牌作为输出令牌计费,无论哪种方式都计入输出预算。支持文本、图片、MP4视频和PDF输入;最多可附加50张图片。该检查点不支持音频输入;Muse Spark 1.1和1.2检查点支持音频。PDF使用前100页的文本和前50页的页面图片。内置网页搜索为每个执行的搜索查询添加$0.00825,并在usage.tool_usage中报告计数。OpenAI响应请求还支持自定义工具和延迟工具搜索。tool_choice支持自动和无。发送到该标准检查点的提示和完成信息不被Meta用于训练模型。

Seed 2.1 Turbo

每个代币的定价在整个上下文窗口内保持固定,最高费率不超过128K。推理默认开启;将enable_thinking设为false以便直接回答。

如何调用 Muse Spark 1.3 和 Seed 2.1 Turbo

Muse Spark 1.3 提供 OpenAI 兼容的 Chat Completions API。用你的 EmpirioLabs API 密钥把任意 OpenAI SDK 指向 https://api.empiriolabs.ai/v1,并使用模型 ID muse-spark-1-3。 两个模型通过同一个端点调用。将 model 设为 muse-spark-1-3 或 seed-2-1-turbo。 在EmpirioLabs 控制台获取 API 密钥。

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."}
    ]
  }'

Muse Spark 1.3 vs Seed 2.1 Turbo:测试与指南

同时涵盖两个模型的提示词测试和对比实验。

Muse Spark 1.3 vs Seed 2.1 Turbo:常见问题

Muse Spark 1.3 和 Seed 2.1 Turbo 有什么区别?

Muse Spark 1.3 发布更晚(2026年9月2日);Seed 2.1 Turbo 发布于 2026年7月13日。 Muse Spark 1.3 的上下文窗口更大:1M 个 token,Seed 2.1 Turbo 为 229.1K。 每次响应 Muse Spark 1.3 最多返回 131,072 个输出 token,Seed 2.1 Turbo 最多 65,536。 本页的规格、价格表和参数来自 EmpirioLabs 实时目录。

Muse Spark 1.3 和 Seed 2.1 Turbo 哪个更新?

Muse Spark 1.3 发布更晚(2026年9月2日);Seed 2.1 Turbo 发布于 2026年7月13日。

Muse Spark 1.3 和 Seed 2.1 Turbo 哪个价格更低?

输入(每100万个提示词标记)和输出(每100万个生成代币)的价格 Seed 2.1 Turbo 更低。 两张实时价格表都在本页,并始终与 API 的实际计费一致。

可以在不重构集成的情况下在 Muse Spark 1.3 和 Seed 2.1 Turbo 之间切换吗?

可以。两个模型都使用 POST /v1/chat/completions 和同一个 EmpirioLabs API 密钥,大多数集成只需更改 model 值即可切换。如果依赖某个模型特有的参数,请先查看本页的参数表。

集成之前可以在浏览器里试用 Muse Spark 1.3 和 Seed 2.1 Turbo 吗?

可以。在 EmpirioLabs Playground 中分别打开两个模型,用 API 提供的参数对两者运行同一个提示词。

准备好使用更好的终端了吗?

查看我们的定价,或者如果你想将自己的模型部署到我们的堆栈中,请联系我们。