Felo API PlatformFelo API Platform
Zurück zu den Modellen
Metamessages

Muse Spark 1.3 Contributor API

Muse Spark 1.3 Contributor ist eine rabattierte Variante des Reasoning-Modells von Meta für agentische und Coding-Aufgaben mit sehr langem Kontext.

Muse Spark 1.3 Contributor stammt von Meta Superintelligence Labs und ist die dritte Iteration der Muse Spark Familie, die im April 2026 die Llama-Reihe ablöste. Das Modell verarbeitet Text, Bilder, Video, PDF-Dokumente und Audio als Eingabe und gibt Text aus; Audio wird in Version 1.3 allerdings nicht vollständig unterstützt. Mit einem Kontextfenster von 1.048.576 Tokens und einem Ausgabelimit von 943.718 Tokens hält es eine gesamte große Codebasis oder einen langen mehrteiligen Gesprächsverlauf in einem einzigen Kontext. Es handelt sich um ein geschlossenes, ausschließlich über API verfügbares Modell; die Gewichte sind nicht öffentlich.

Das Modell ist als Reasoning-Modell mit schrittweisem Denken konzipiert und unterstützt konfigurierbaren Reasoning-Aufwand bis hin zur maximalen Stufe im Standard-Tier. Es bietet Tool- und Funktionsaufrufe über die Parameter tools und tool_choice sowie strukturierte Ausgaben über ein JSON-Schema im Parameter response_format. Es eignet sich für agentische und Coding-Workloads, langfristige Coding-Aufgaben, Repository-weites Reasoning, dokumentenlastige Agenten und mehrstufige Coding-Aufgaben, bei denen Kontext und frühere Ergebnisse verfolgt werden müssen. Laut internen Vergleichen von Meta benötigt es rund 20 Prozent weniger Tool-Aufrufe und etwa 25 Prozent weniger Tokens als Muse Spark 1.2 bei vergleichbaren agentischen und Coding-Aufgaben. Es kann als Hauptagent planen und delegieren oder als Subagent parallel ausgeführt werden und unterstützt Multi-Agenten-Workflows. Zudem ist es in Muse Code, Metas terminalbasiertem Coding-Agenten, sowie über die Meta Model API, OpenRouter und OpenCode verfügbar.

Der Contributor-Tier ist eine rabattierte Version des Standardmodells Muse Spark 1.3 und bietet niedrigere Ratenlimits als der Standard-Tier; zudem muss der Nutzung zugestimmt werden, dass Meta zukünftige Modelle mit Prompts und Completionen trainieren darf. Zu den Stärken zählen bessere Multitasking-Fähigkeiten innerhalb eines langen Threads, eine höhere Widerstandsfähigkeit gegen Prompt-Injection und ein verbessertes Selbstwissen, da das Modell darauf trainiert ist zu sagen, was es nicht kann, statt ein Ergebnis zu halluzinieren. Es stellt klärende Fragen, eskaliert bei Blockaden und bestätigt vor folgenschweren Aktionen. Die Effizienzangaben stammen aus internen Vergleichen von Meta, nicht aus unabhängigen Tests Dritter.

Aktualisiert:

MODELL-ID

muse-spark-1.3-contributor
Kontext
1.049M
Max. Ausgabe
943.718K
Empfohlene API
messages
Eingabe
text / image / video / file
Ausgabe
text
Muse Spark 1.3 Contributor: Ein Pelikan auf einem Fahrrad

Den Pelikan dieses Modells ansehen

Sehen Sie, was Muse Spark 1.3 Contributor aus demselben Prompt gemacht hat.

Highlights

  • Kontextfenster von 1.048.576 Tokens
  • Ausgabelimit von 943.718 Tokens
  • Reasoning mit konfigurierbarem Aufwand
  • Tool- und Funktionsaufrufe
  • Strukturierte Ausgaben per JSON-Schema
  • Multi-Agenten-Workflows

Anbieter

1 Anbieter

Vergleichen Sie die API-Preise verschiedener Anbieter. Wählen Sie einen Anbieter aus, um alle Kosten und Bedingungen zu sehen.

Anbieter · Preisdetails
Verfügbarkeit
$0.1$0.2$0.002

Was man für $10 bekommt

Eingabe
100 Mio. Token
Ausgabe
50 Mio. Token

Geschätzt anhand der aktuellen Eingabe- und Ausgabepreise, vor Rabatten.

Benchmarks

  • MRCR (256K bis 512K Tokens)

    Punkte; höchster gemeldeter Wert im Vergleichsset

    98.5
  • MRCR (512K bis 1M Tokens)

    Punkte; höchster gemeldeter Wert im Vergleichsset

    98.1
  • Artificial Analysis Intelligence Index

    Punkte; kundenverfügbarer Tier; gleichauf mit GPT-5.6 Sol, Grok 4.6 und Claude Opus 5

    61
  • Genauigkeit beim Reasoning über langen Kontext

    Prozent; Rückgang von 83 Prozent in Version 1.2

    79

Werte wie vom Modellanbieter veröffentlicht.

Schlussfolgern

Standardaufwand
medium
Immer aktiviert
Ja
Verfügbare Aufwandsstufen
max / xhigh / high / medium / low / minimal

Schnellstart

Direkt einsetzbarer Code, um dieses Modell über die kompatiblen APIs der Felo API Platform aufzurufen. Testen Sie Prompts im Playground, bevor Sie Code schreiben.

1

API-Schlüssel hinterlegen

Erstellen Sie einen Schlüssel in Ihrem Konto bei der Felo API Platform und legen Sie ihn als Umgebungsvariable ab.

export FELO_API_KEY="YOUR_API_KEY"
2

Erste Anfrage senden

Verwenden Sie diese Modell-ID mit dem Endpoint der Felo API Platform. Optionale Anfrage-Header wie X-Request-Id helfen bei der Fehlersuche.

muse-spark-1.3-contributor

Dieses Modell kann schlussfolgern. Wenn das gewählte Protokoll und die Modellroute Reasoning-Steuerungen bereitstellen, behalten Sie die zurückgegebenen Reasoning-Metadaten bei, wenn Sie das Gespräch fortsetzen.

const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
  method: 'POST',
  headers: {
    Authorization: `Bearer ${process.env.FELO_API_KEY}`,
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
  "model": "muse-spark-1.3-contributor",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

Drittanbieter-SDKs verwenden

Setzen Sie in kompatiblen SDKs baseURL auf https://openapi.felo.ai/api/v1. Für Clients im Claude-Stil verwenden Sie die Anthropic-kompatible Basis-URL. https://openapi.felo.ai/api.

3

Streaming aktivieren

Fügen Sie stream: true hinzu, um Antworten als Server-Sent Events zu erhalten.

curl -N https://openapi.felo.ai/api/v1/messages \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "muse-spark-1.3-contributor",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "stream": true
}'

Endpoint

Die Felo API Platform stellt kompatible Oberflächen für Modellaufrufe bereit. Wählen Sie die Oberfläche, die Ihre App oder Ihr Agent-Client bereits unterstützt.

SurfaceMethodURL

Messages

Anthropic-kompatible Nachrichten für Clients im Claude-Stil.

POST

https://openapi.felo.ai/api/v1/messages

Parameter

NameTypStandardBeschreibung
modelstringmuse-spark-1.3-contributorÖffentliche Modell-ID, die aufgerufen wird.
max_tokensinteger—Maximale Anzahl generierter Tokens.
messagesarray—Gesprächsnachrichten für Chat Completions.
toolsarray—Tool-Calling-Definitionen nach kompatiblem Schema.
top_k———
top_p———
reasoning———
temperaturenumber—Steuert die Vielfalt der Antworten, wenn unterstützt.
tool_choicestring or object—Steuert, ob ein Tool aufgerufen werden soll.
response_formatobject—Fordert strukturierte Ausgabe an, wenn unterstützt.
reasoning_effort———
include_reasoning———
repetition_penalty———
structured_outputs———

Häufige Fragen

Was ist Muse Spark 1.3 Contributor?

Muse Spark 1.3 Contributor stammt von Meta Superintelligence Labs und ist die dritte Iteration der Muse Spark Familie, die im April 2026 die Llama-Reihe ablöste. Das Modell verarbeitet Text, Bilder, Video, PDF-Dokumente und Audio als Eingabe und gibt Text aus; Audio wird in Version 1.3 allerdings nicht vollständig unterstützt. Mit einem Kontextfenster von 1.048.576 Tokens und einem Ausgabelimit von 943.718 Tokens hält es eine gesamte große Codebasis oder einen langen mehrteiligen Gesprächsverlauf in einem einzigen Kontext. Es handelt sich um ein geschlossenes, ausschließlich über API verfügbares Modell; die Gewichte sind nicht öffentlich. Das Modell ist als Reasoning-Modell mit schrittweisem Denken konzipiert und unterstützt konfigurierbaren Reasoning-Aufwand bis hin zur maximalen Stufe im Standard-Tier. Es bietet Tool- und Funktionsaufrufe über die Parameter tools und tool_choice sowie strukturierte Ausgaben über ein JSON-Schema im Parameter response_format. Es eignet sich für agentische und Coding-Workloads, langfristige Coding-Aufgaben, Repository-weites Reasoning, dokumentenlastige Agenten und mehrstufige Coding-Aufgaben, bei denen Kontext und frühere Ergebnisse verfolgt werden müssen. Laut internen Vergleichen von Meta benötigt es rund 20 Prozent weniger Tool-Aufrufe und etwa 25 Prozent weniger Tokens als Muse Spark 1.2 bei vergleichbaren agentischen und Coding-Aufgaben. Es kann als Hauptagent planen und delegieren oder als Subagent parallel ausgeführt werden und unterstützt Multi-Agenten-Workflows. Zudem ist es in Muse Code, Metas terminalbasiertem Coding-Agenten, sowie über die Meta Model API, OpenRouter und OpenCode verfügbar. Der Contributor-Tier ist eine rabattierte Version des Standardmodells Muse Spark 1.3 und bietet niedrigere Ratenlimits als der Standard-Tier; zudem muss der Nutzung zugestimmt werden, dass Meta zukünftige Modelle mit Prompts und Completionen trainieren darf. Zu den Stärken zählen bessere Multitasking-Fähigkeiten innerhalb eines langen Threads, eine höhere Widerstandsfähigkeit gegen Prompt-Injection und ein verbessertes Selbstwissen, da das Modell darauf trainiert ist zu sagen, was es nicht kann, statt ein Ergebnis zu halluzinieren. Es stellt klärende Fragen, eskaliert bei Blockaden und bestätigt vor folgenschweren Aktionen. Die Effizienzangaben stammen aus internen Vergleichen von Meta, nicht aus unabhängigen Tests Dritter.

Wie wird die Nutzung abgerechnet?

Ihre Rechnung hängt vom genutzten Anbieter, seinen Preisen und Ihrer Nutzung ab. Längere Eingaben oder andere Bedingungen können andere Preise haben.

Welche Eingaben unterstützt Muse Spark 1.3 Contributor?

Das Modell verarbeitet Text-, Bild-, Video- und PDF-Eingaben sowie Audio, wobei Audio in Version 1.3 nicht vollständig unterstützt wird. Die Ausgabe erfolgt als Text.

Wie groß sind Kontextfenster und Ausgabelimit?

Das Kontextfenster umfasst 1.048.576 Tokens, das Ausgabelimit liegt bei 943.718 Tokens.

Für welche Aufgaben ist das Modell geeignet?

Es ist auf agentische und Coding-Workloads, langfristige Coding-Aufgaben, Repository-weites Reasoning und dokumentenlastige Agenten ausgelegt. Auch mehrstufige Aufgaben, die das Verfolgen von Kontext und früheren Ergebnissen erfordern, gehören dazu.

Wie unterscheidet sich der Contributor-Tier vom Standardmodell?

Der Contributor-Tier ist eine rabattierte Version von Muse Spark 1.3 mit niedrigeren Ratenlimits als der Standard-Tier. Zudem setzt er die Erlaubnis voraus, dass Meta zukünftige Modelle mit Prompts und Completionen trainieren darf.

Wo ist Muse Spark 1.3 Contributor verfügbar?

Das Modell ist über die Meta Model API, Muse Code, OpenRouter und OpenCode verfügbar.

Wie effizient ist das Modell im Vergleich zu Muse Spark 1.2?

Laut internen Vergleichen von Meta benötigt es etwa 20 Prozent weniger Tool-Aufrufe und rund 25 Prozent weniger Tokens als Muse Spark 1.2 bei vergleichbaren agentischen und Coding-Aufgaben. Diese Angaben stammen nicht aus unabhängigen Tests Dritter.

Verwandte Modelle