Muse Spark 1.3 Contributor API
Modèle de raisonnement agentique de Meta Superintelligence Labs, avec un contexte de 1 048 576 tokens, conçu pour les tâches de codage de longue haleine et les workflows multi-agents.
Muse Spark 1.3 Contributor est la déclinaison à tarif réduit du modèle standard Muse Spark 1.3 de Meta Superintelligence Labs, troisième itération de la famille Muse Spark introduite le 8 avril 2026 en remplacement de la lignée Llama. Il s'agit d'un modèle de raisonnement à réflexion étape par étape, avec un effort de raisonnement configurable, y compris un niveau maximal sur le palier standard. Il accepte en entrée du texte, des images, des vidéos, des PDF et de l'audio (ce dernier n'étant pas entièrement pris en charge sur la version 1.3), et produit du texte. Son contexte atteint 1 048 576 tokens pour une limite de sortie de 943 718 tokens.
Le modèle est pensé pour les charges de travail agentiques et de codage. Il prend en charge l'appel d'outils et de fonctions via les paramètres tools et tool_choice, les sorties structurées par schéma JSON dans response_format, et les tâches agentiques impliquant planification, appels d'outils, vérification des résultats et poursuite du travail. Il peut tenir le rôle d'agent principal qui planifie et délègue, ou de sous-agent exécutant en parallèle, et s'inscrit dans des workflows multi-agents. Il est adapté aux tâches de codage de longue haleine, au raisonnement à l'échelle d'un dépôt, aux agents documentaires et aux tâches de codage multi-étapes nécessitant de suivre le contexte et les résultats antérieurs. Il sait aussi construire des sites web et des mini-jeux à partir d'un prompt, et il est disponible dans Muse Code, l'agent de codage en terminal de Meta, ainsi que via Meta Model API.
Parmi ses atouts, Meta cite la capacité à garder dans un seul contexte une base de code entière ou un long historique de conversation multi-fichiers, un meilleur multitâche dans un même fil, une résistance accrue à l'injection de prompt et une meilleure connaissance de soi : le modèle est entraîné à dire ce qu'il ne peut pas faire plutôt qu'à halluciner un résultat. Il pose des questions de clarification, signale lorsqu'il est bloqué et confirme avant les actions à conséquences. Le palier Contributor se distingue par des limites de débit plus basses que le palier standard et exige l'autorisation pour que Meta entraîne de futurs modèles sur les prompts et complétions.
Mis à jour:
ID DU MODÈLE
muse-spark-1.3-contributor- Contexte
- 1.049M
- Sortie max.
- 943.718K
- API recommandée
- messages
- Entrée
- text / image / video / file
- Sortie
- text
Voir le pélican de ce modèle
Découvrez ce que Muse Spark 1.3 Contributor a créé à partir de la même consigne.
Points clés
- Contexte de 1 048 576 tokens
- Sortie jusqu'à 943 718 tokens
- Raisonnement à effort configurable
- Appel d'outils et sorties structurées
- Agent principal ou sous-agent
- Codage visuel à partir d'un prompt
Fournisseurs
Comparez les prix des API entre fournisseurs. Sélectionnez un fournisseur pour voir tous les tarifs et conditions.
| Disponibilité | ||||
|---|---|---|---|---|
| $0.1 | $0.2 | $0.002 |
Les statistiques historiques ne sont pas un contrôle en direct. Une donnée manquante ne signifie pas une panne.
Ce que $10 permettent d'acheter
- Entrée
- 100 M tokens
- Sortie
- 50 M tokens
Estimation d'après les prix actuels d'entrée et de sortie, hors remises.
Benchmarks
- 98.5
MRCR (plage de 256K à 512K tokens)
points ; meilleur score rapporté dans son ensemble de comparaison
- 98.1
MRCR (plage de 512K à 1M tokens)
points ; meilleur score rapporté dans son ensemble de comparaison
- 61
Artificial Analysis Intelligence Index
points ; palier disponible pour les clients ; à égalité avec GPT-5.6 Sol, Grok 4.6 et Claude Opus 5
- 79
Précision du raisonnement à long contexte
pour cent ; en baisse par rapport à 83 pour cent sur la version 1.2
Scores tels que publiés par le fournisseur du modèle.
Raisonnement
- Niveau d'effort par défaut
- medium
- Toujours activé
- Oui
- Niveaux d'effort disponibles
- max / xhigh / high / medium / low / minimal
Démarrage rapide
Un code prêt à l'emploi pour appeler ce modèle avec les API compatibles de Felo API Platform. Commencez dans le Playground pour tester des prompts avant d'écrire du code.
Configurer votre clé API
Créez une clé depuis votre compte Felo API Platform et définissez-la comme variable d'environnement.
export FELO_API_KEY="YOUR_API_KEY"Effectuer votre première requête
Utilisez cet ID de modèle avec le point de terminaison Felo API Platform. Les en-têtes de requête facultatifs comme X-Request-Id facilitent le diagnostic.
muse-spark-1.3-contributorCe modèle est capable de raisonnement. Si le protocole sélectionné et la route du modèle exposent des contrôles de raisonnement, conservez les métadonnées de raisonnement renvoyées lorsque vous poursuivez la conversation.
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());Utiliser des SDK tiers
Avec les SDK compatibles, définissez baseURL sur https://openapi.felo.ai/api/v1. Pour les clients de style Claude, utilisez l'URL de base compatible Anthropic. https://openapi.felo.ai/api.
Activer le streaming
Ajoutez stream: true pour recevoir les réponses sous forme de server-sent events.
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
Felo API Platform expose des surfaces d'appel de modèles compatibles. Choisissez la surface que votre application ou votre client agent prend déjà en charge.
Messages
Messages compatibles Anthropic pour les clients de style Claude.
POST
https://openapi.felo.ai/api/v1/messagesParamètres
modelstringmuse-spark-1.3-contributorID public du modèle à appeler.max_tokensinteger—Nombre maximal de tokens générés.messagesarray—Messages de la conversation pour Chat Completions.toolsarray—Définitions de tool calling conformes au schéma compatible.top_k———top_p———reasoning———temperaturenumber—Contrôle la variété des réponses lorsque c'est pris en charge.tool_choicestring or object—Contrôle si un outil doit être appelé.response_formatobject—Demande une sortie structurée lorsque c'est pris en charge.reasoning_effort———include_reasoning———repetition_penalty———structured_outputs———Questions fréquentes
Qu'est-ce que Muse Spark 1.3 Contributor?
Muse Spark 1.3 Contributor est la déclinaison à tarif réduit du modèle standard Muse Spark 1.3 de Meta Superintelligence Labs, troisième itération de la famille Muse Spark introduite le 8 avril 2026 en remplacement de la lignée Llama. Il s'agit d'un modèle de raisonnement à réflexion étape par étape, avec un effort de raisonnement configurable, y compris un niveau maximal sur le palier standard. Il accepte en entrée du texte, des images, des vidéos, des PDF et de l'audio (ce dernier n'étant pas entièrement pris en charge sur la version 1.3), et produit du texte. Son contexte atteint 1 048 576 tokens pour une limite de sortie de 943 718 tokens. Le modèle est pensé pour les charges de travail agentiques et de codage. Il prend en charge l'appel d'outils et de fonctions via les paramètres tools et tool_choice, les sorties structurées par schéma JSON dans response_format, et les tâches agentiques impliquant planification, appels d'outils, vérification des résultats et poursuite du travail. Il peut tenir le rôle d'agent principal qui planifie et délègue, ou de sous-agent exécutant en parallèle, et s'inscrit dans des workflows multi-agents. Il est adapté aux tâches de codage de longue haleine, au raisonnement à l'échelle d'un dépôt, aux agents documentaires et aux tâches de codage multi-étapes nécessitant de suivre le contexte et les résultats antérieurs. Il sait aussi construire des sites web et des mini-jeux à partir d'un prompt, et il est disponible dans Muse Code, l'agent de codage en terminal de Meta, ainsi que via Meta Model API. Parmi ses atouts, Meta cite la capacité à garder dans un seul contexte une base de code entière ou un long historique de conversation multi-fichiers, un meilleur multitâche dans un même fil, une résistance accrue à l'injection de prompt et une meilleure connaissance de soi : le modèle est entraîné à dire ce qu'il ne peut pas faire plutôt qu'à halluciner un résultat. Il pose des questions de clarification, signale lorsqu'il est bloqué et confirme avant les actions à conséquences. Le palier Contributor se distingue par des limites de débit plus basses que le palier standard et exige l'autorisation pour que Meta entraîne de futurs modèles sur les prompts et complétions.
Comment l'usage est-il facturé ?
Votre facture dépend du fournisseur utilisé, de ses tarifs et de votre usage. Des entrées plus longues ou d'autres conditions peuvent avoir des tarifs différents.
Quels types d'entrées le modèle accepte-t-il ?
Il accepte du texte, des images, des vidéos, des PDF et de l'audio, mais l'audio n'est pas entièrement pris en charge sur la version 1.3. La sortie est du texte.
Quelle est la taille du contexte et de la sortie ?
Le contexte atteint 1 048 576 tokens et la limite de sortie est de 943 718 tokens.
À quelles tâches le modèle est-il destiné ?
Il vise les charges de travail agentiques et de codage, notamment le codage de longue haleine, le raisonnement à l'échelle d'un dépôt, les agents documentaires et les tâches multi-étapes qui demandent de suivre le contexte et les résultats antérieurs.
Comment se distingue le palier Contributor du modèle standard ?
Le palier Contributor est une version à tarif réduit de Muse Spark 1.3 standard, avec des limites de débit plus basses. Il exige aussi l'autorisation que Meta entraîne de futurs modèles sur les prompts et complétions.
Le modèle prend-il en charge les workflows multi-agents ?
Oui. Il peut fonctionner comme agent principal qui planifie et délègue, ou comme sous-agent exécutant en parallèle, et il prend en charge les workflows multi-agents.
Où le modèle est-il disponible ?
Il est accessible via Meta Model API, Muse Code, OpenRouter et OpenCode.
Modèles liés
Muse Ember
Metamuse-emberMuse Ember est le plus petit et le plus efficient modèle de la famille Muse de Meta, conçu pour exécuter à grande échelle des tâches agentiques répétitives avec un vaste contexte d'un million de jetons.
Contexte
1.049M
Sortie max.
943.718K
Tokens d'entrée
$0.1 / 1M tokens
Tokens de sortie
$0.5 / 1M tokens
Muse Wonder
Metamuse-wonderMuse Wonder, modèle d'IA de Meta sorti en octobre 2026, traite textes, images, vidéos, audio et PDF, avec des capacités d'agents et de mémoire active.
Contexte
1.049M
Sortie max.
943.718K
Tokens d'entrée
$4 / 1M tokens
Tokens de sortie
$20 / 1M tokens