Step 5 Preview vs Muse Spark 1.3

Step 5 Preview 与 Muse Spark 1.3 并排比较:规格、能力、参数,以及 EmpirioLabs 目录中的实时价格。

StepFun Meta AI 文本生成

Step 5 Preview vs Muse Spark 1.3 概览

StepFun 的 Step 5 Preview 和 Meta AI 的 Muse Spark 1.3 都属于文本生成类别,可通过 EmpirioLabs API 使用。

主要区别

  • Step 5 Preview 发布更晚(2026年9月15日);Muse Spark 1.3 发布于 2026年9月2日。
  • Muse Spark 1.3 的上下文窗口更大:1M 个 token,Step 5 Preview 为 1.02M。
  • 只有 Muse Spark 1.3 支持的输入类型:文档。
  • 仅 Step 5 Preview 列出的能力:vision, video, prompt cache, agentic coding。
  • 仅 Muse Spark 1.3 列出的能力:multimodal, video understanding, web search, cache, document understanding。
  • 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 Step 5 Preview 更低。

Step 5 Preview vs Muse Spark 1.3:规格

规格Step 5 PreviewMuse Spark 1.3
模型 IDstep-5-previewmuse-spark-1-3
开发方StepFunMeta AI
发布日期2026年9月15日2026年9月2日
上下文窗口1.02M 个 token1M 个 token
最大输出131,072 个 token131,072 个 token
输入
文本 图像 视频
文本 图像 视频 文档
输出
文本
文本
结构化输出JSON SchemaJSON Schema
区域International-
端点
POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/step-5-preview:generateContent
POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/muse-spark-1-3:generateContent
能力
reasoning function calling structured output vision video prompt cache agentic coding
reasoning multimodal video understanding function calling structured output web search cache document understanding

Step 5 Preview vs Muse Spark 1.3: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。

Step 5 Preview vs Muse Spark 1.3: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Step 5 PreviewMuse Spark 1.3
temperature0 到 2 默认值: 0.50 到 2 默认值: 1
top_p0.01 到 1 默认值: 0.90.01 到 1 默认值: 1
max_tokens1 到 131072 默认值: 409616 到 131072 默认值: 16384
stoparray-
frequency_penalty-2 到 2 默认值: 0-
reasoning_effortlow, medium, high 默认值: lowminimal, low, medium, high, xhigh 默认值: medium
reasoning_formatgeneral, deepseek-style 默认值: general-
toolsarrayarray 默认值: []
tool_choicestringobject
response_formatobjectenum
web_search_linkupboolean 默认值: false-
disable_formattingboolean 默认值: false-
tool_web_search-boolean 默认值: false
parallel_tool_calls-boolean

Step 5 Preview vs Muse Spark 1.3:限制与说明

Step 5 Preview

支持文本、图像和视频输入,支持1M令牌上下文、并行功能工具、严格的JSON模式输出,以及reasoning_effort低、中、高。提示缓存按缓存读取速率计费。视频输入支持MP4小于128 MB,建议片段长度低于5分钟。这是预览版,其行为和标识符可能会有所变化。

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。

如何调用 Step 5 Preview 和 Muse Spark 1.3

Step 5 Preview 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 step-5-preview。 两个模型通过同一个端点调用。将 model 设为 step-5-preview 或 muse-spark-1-3。 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": "step-5-preview",
    "messages": [
      {"role": "user", "content": "Write a haiku about the ocean."}
    ]
  }'

Step 5 Preview vs Muse Spark 1.3:测试与指南

同时涵盖两个模型的提示词测试和对比实验。

Step 5 Preview vs Muse Spark 1.3:常见问题

Step 5 Preview 和 Muse Spark 1.3 有什么区别?

Step 5 Preview 发布更晚(2026年9月15日);Muse Spark 1.3 发布于 2026年9月2日。 Muse Spark 1.3 的上下文窗口更大:1M 个 token,Step 5 Preview 为 1.02M。 只有 Muse Spark 1.3 支持的输入类型:文档。 本页的规格、价格表和参数来自 EmpirioLabs 实时目录。

Step 5 Preview 和 Muse Spark 1.3 哪个更新?

Step 5 Preview 发布更晚(2026年9月15日);Muse Spark 1.3 发布于 2026年9月2日。

Step 5 Preview 和 Muse Spark 1.3 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 Step 5 Preview 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 Step 5 Preview 和 Muse Spark 1.3 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 Step 5 Preview 和 Muse Spark 1.3 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。