Felo API PlatformFelo API Platform
モデル一覧へ戻る
Metamessages

Muse Spark 1.3 Contributor API

Muse Spark 1.3 Contributorは、Meta Superintelligence Labsが2026年9月2日にリリースしたエージェント型コーディング向け推論モデルで、標準版Muse Spark 1.3の割引提供ティアです。

Muse Spark 1.3 Contributorは、Meta Superintelligence Labsが2026年9月2日に公開した推論モデルで、Muse Sparkファミリーの第3世代に当たります。標準版Muse Spark 1.3の割引版であるContributorティアとして提供され、Meta Model APIやMuse Code、OpenRouter、OpenCodeから利用できます。テキスト・画像・動画・PDF入力に対応し、音声入力はバージョン1.3では完全にはサポートされていません。出力はテキストのみです。コンテキスト長は1,048,576トークン、出力上限は943,718トークンで、大規模なコードベースや長いマルチファイルの会話履歴を単一のコンテキストに保持できます。

ステップバイステップの思考を伴う推論モデルで、推論の深さを設定でき、標準ティアでは最大推論レベルも選べます。toolsおよびtool_choiceパラメータによるツール呼び出し、response_formatパラメータのJSONスキーマによる構造化出力に対応します。計画を立ててツールを呼び出し、出力を確認しながら処理を継続するエージェント型タスクに向いており、長期的なコーディング作業やリポジトリ規模の推論、ドキュメント中心のエージェント、複数ステップのコーディングに適しています。メインエージェントとして計画・委任する側にも、サブエージェントとして並列実行する側にもなり、マルチエージェントワークフローを支えます。プロンプトからカスタムWebサイトやミニゲームを構築するビジュアルコーディングも可能です。

Metaの内部比較では、同等のエージェント型・コーディングタスクにおいてMuse Spark 1.2よりツール呼び出しが約20パーセント、トークンが約25パーセント少なく済むとされています。一方で、タスク当たりのコストはバージョン1.2の0.40ドルから1.3では0.55ドルに上昇し、エージェント評価ではタスク当たりの入力トークンが約57パーセント増加、長文脈推論の精度は83パーセントから79パーセントに低下しています。プロンプトインジェクションへの耐性が高まり、できないことを幻覚で埋めずに明言する自己認識が改善され、確認質問や行き詰まった際のエスカレーション、重要な操作前の確認を行うよう設計されています。クローズドなAPI専用モデルで、重みは公開されていません。Contributorティアは標準ティアよりレート制限が低く、Metaがプロンプトと補完を将来のモデル学習に利用することへの許可が必要です。

更新日時:

モデル ID

muse-spark-1.3-contributor
コンテキスト
1.049M
最大出力
943.718K
推奨 API
messages
入力
text / image / video / file
出力
text
Muse Spark 1.3 Contributorが描いた、自転車に乗るペリカン

このモデルが描いたペリカン

同じ指示からMuse Spark 1.3 Contributorが作った作品をご覧ください。

ハイライト

  • 1,048,576トークンのコンテキスト長
  • ステップバイステップ推論と推論努力の設定
  • ツール呼び出しと構造化出力に対応
  • 長期的コーディングとマルチエージェント向け
  • Muse Spark 1.2よりツール呼び出し約20パーセント減
  • クローズドなAPI専用モデル

プロバイダー

1 プロバイダー

プロバイダーごとの API 料金を比較できます。プロバイダーを選択すると、すべての料金と適用条件を確認できます。

プロバイダー · 料金の内訳
稼働率
$0.1$0.2$0.002

10 ドルで使える量

入力
1億 トークン
出力
5000万 トークン

現在の入力・出力料金から試算した目安で、割引は含みません。

ベンチマーク

  • MRCR(256K~512Kトークン範囲)

    ポイント。比較対象の中で最高スコア

    98.5
  • MRCR(512K~1Mトークン範囲)

    ポイント。比較対象の中で最高スコア

    98.1
  • Artificial Analysis Intelligence Index

    ポイント。顧客向けティア。GPT-5.6 Sol、Grok 4.6、Claude Opus 5と同点

    61
  • 長文脈推論精度

    パーセント。バージョン1.2の83パーセントから低下

    79

スコアはモデル提供元が公表した値です。

推論

既定の推論強度
medium
常に有効
はい
選択できる推論強度
max / xhigh / high / medium / low / minimal

Quick Start

このモデルを Felo API Platform 互換 API で呼び出すためのコードです。コードを書く前に Playground で prompt を試せます。

1

API key を設定

Felo API Platform アカウントで key を作成し、環境変数として設定します。

export FELO_API_KEY="YOUR_API_KEY"
2

最初のリクエスト

このモデル ID を Felo API Platform endpoint で使用します。X-Request-Id などの任意ヘッダーはトラブルシュートに役立ちます。

muse-spark-1.3-contributor

このモデルは reasoning に対応しています。選択した protocol とモデルルートが reasoning controls を提供する場合、会話継続時に返却された reasoning metadata を保持してください。

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());

サードパーティ SDK の利用

互換 SDK では baseURL を次に設定します https://openapi.felo.ai/api/v1. Claude-style clients では Anthropic-compatible base URL を使用します。 https://openapi.felo.ai/api.

3

Streaming を有効化

stream: true を追加すると server-sent events で応答を受け取れます。

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 は互換性のあるモデル呼び出し surface を提供します。アプリや Agent client が既に対応している surface を選んでください。

SurfaceMethodURL

Messages

Anthropic-compatible messages for Claude-style clients.

POST

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

Parameters

名前型デフォルト説明
modelstringmuse-spark-1.3-contributor呼び出す公開モデル ID。
max_tokensinteger—生成する最大 tokens。
messagesarray—Chat Completions の会話メッセージ。
toolsarray—互換 schema に従う tool calling definitions。
top_k———
top_p———
reasoning———
temperaturenumber—対応している場合、回答の多様性を制御します。
tool_choicestring or object—tool を呼び出すかどうかを制御します。
response_formatobject—対応時に structured output を要求します。
reasoning_effort———
include_reasoning———
repetition_penalty———
structured_outputs———

よくある質問

モデルについて: Muse Spark 1.3 Contributor?

Muse Spark 1.3 Contributorは、Meta Superintelligence Labsが2026年9月2日に公開した推論モデルで、Muse Sparkファミリーの第3世代に当たります。標準版Muse Spark 1.3の割引版であるContributorティアとして提供され、Meta Model APIやMuse Code、OpenRouter、OpenCodeから利用できます。テキスト・画像・動画・PDF入力に対応し、音声入力はバージョン1.3では完全にはサポートされていません。出力はテキストのみです。コンテキスト長は1,048,576トークン、出力上限は943,718トークンで、大規模なコードベースや長いマルチファイルの会話履歴を単一のコンテキストに保持できます。 ステップバイステップの思考を伴う推論モデルで、推論の深さを設定でき、標準ティアでは最大推論レベルも選べます。toolsおよびtool_choiceパラメータによるツール呼び出し、response_formatパラメータのJSONスキーマによる構造化出力に対応します。計画を立ててツールを呼び出し、出力を確認しながら処理を継続するエージェント型タスクに向いており、長期的なコーディング作業やリポジトリ規模の推論、ドキュメント中心のエージェント、複数ステップのコーディングに適しています。メインエージェントとして計画・委任する側にも、サブエージェントとして並列実行する側にもなり、マルチエージェントワークフローを支えます。プロンプトからカスタムWebサイトやミニゲームを構築するビジュアルコーディングも可能です。 Metaの内部比較では、同等のエージェント型・コーディングタスクにおいてMuse Spark 1.2よりツール呼び出しが約20パーセント、トークンが約25パーセント少なく済むとされています。一方で、タスク当たりのコストはバージョン1.2の0.40ドルから1.3では0.55ドルに上昇し、エージェント評価ではタスク当たりの入力トークンが約57パーセント増加、長文脈推論の精度は83パーセントから79パーセントに低下しています。プロンプトインジェクションへの耐性が高まり、できないことを幻覚で埋めずに明言する自己認識が改善され、確認質問や行き詰まった際のエスカレーション、重要な操作前の確認を行うよう設計されています。クローズドなAPI専用モデルで、重みは公開されていません。Contributorティアは標準ティアよりレート制限が低く、Metaがプロンプトと補完を将来のモデル学習に利用することへの許可が必要です。

利用料金はどのように計算されますか?

料金は利用するプロバイダーと実際の使用量により決まります。長い入力などは料金が異なる場合があります。内訳をご確認ください。

どのような入力に対応していますか?

テキスト、画像、動画、PDF入力に対応し、出力はテキストです。音声入力はバージョン1.3では完全にはサポートされていません。

コンテキスト長と出力上限はどのくらいですか?

コンテキスト長は1,048,576トークン、出力上限は943,718トークンです。大規模なコードベースや長い会話履歴を単一のコンテキストに保持できます。

どのようなタスクに向いていますか?

エージェント型・コーディング作業、長期的なコーディング、リポジトリ規模の推論、ドキュメント中心のエージェント、複数ステップのコーディングに向いています。計画・ツール呼び出し・出力確認を繰り返すタスクや、マルチエージェントワークフローにも適しています。

標準版Muse Spark 1.3との違いは何ですか?

Contributorティアは標準版Muse Spark 1.3の割引版で、レート制限が標準ティアより低く設定されています。また、Metaがプロンプトと補完を将来のモデル学習に利用することへの許可が必要です。

Muse Spark 1.2と比べて何が変わりましたか?

Metaの内部比較では、同等のタスクでツール呼び出しが約20パーセント、トークンが約25パーセント少なくなりました。一方、長文脈推論の精度は83パーセントから79パーセントに低下し、タスク当たりのコストは0.40ドルから0.55ドルに上昇しています。

どこから利用できますか?

Meta Model API、Muse Code、OpenRouter、OpenCodeから利用できます。クローズドなAPI専用モデルで、重みは公開されていません。

関連モデル