Muse Ember API
Muse Ember ialah model terkecil dan paling cekap dalam keluarga Muse Meta, dibina untuk pelaksanaan aliran kerja agen berjumlah besar dengan tetingkap konteks 1 juta token.
Muse Ember ialah model proprietari daripada Meta yang dikeluarkan pada 9 November 2026 sebagai model terkecil dan paling cekap dalam keluarga Muse. Ia menerima input teks, imej, audio dan video serta menghasilkan teks, dengan tetingkap konteks 1 juta token dan had output 512,000 token. Muse Ember berfungsi sebagai pelaksana dalam seni bina perancang-pelaksana bersama Muse Wonder; Meta merumuskan pembahagian tugas sebagai "Muse Wonder plans, Muse Ember handles the volume."
Model ini menyokong penggunaan komputer, pemahaman imej, panggilan alat, output berstruktur dan pengasasan carian. Ia mampu mendapatkan semula rekod, memanggil alat secara berurutan dan mengemas kini sistem merentas aplikasi. Muse Ember amat sesuai untuk tugasan yang jelas dan berulang, termasuk pelaksanaan aliran kerja agen berjumlah besar, panggilan alat, subtugasan pengekodan, penghalaan, pengekstrakan, penghuraian dokumen panjang, chatbot yang digabungkan dengan penjanaan diperkukuh pengambilan, serta penggunaan ciri AI secara besar-besaran.
Antara kekuatannya ialah harga rendah setiap token dan prestasi kukuh pada tugasan jelas seperti analitik dan semakan kualiti data. Namun, Muse Ember cenderung menggunakan token berlebihan pada soalan terbuka, menghadapi kesukaran dengan pengesanan corak tersembunyi, dan pemberatnya tidak dilepaskan serta bilangan parameternya tidak didedahkan. Model ini tersedia melalui Meta Model API dan Muse Code dengan ID model muse-ember-1.0.
Dikemas kini:
ID MODEL
muse-ember- Konteks
- 1.049M
- Output maks
- 943.718K
- API yang disyorkan
- messages
- Input
- text / image / video / file / audio
- Output
- text
Sorotan
- Model terkecil dan paling cekap dalam keluarga Muse
- Konteks 1 juta token, output 512,000 token
- Input teks, imej, audio dan video
- Harga rendah setiap token
- Pelaksana dalam seni bina perancang-pelaksana
- Menyamai Claude Haiku 5.5 pada satu pertiga kos
Penyedia
Bandingkan harga API merentas penyedia. Pilih penyedia untuk melihat semua caj dan syarat.
| Ketersediaan | ||||
|---|---|---|---|---|
| $0.1 | $0.5 | $0.004 |
Statistik sejarah bukan pemeriksaan langsung. Ketiadaan data tidak bermaksud gangguan.
Apa yang boleh dibeli dengan $10
- Input
- 100J token
- Output
- 20J token
Anggaran berdasarkan harga input dan output semasa, sebelum diskaun.
Penanda aras
- 36
Artificial Analysis Intelligence Index
mata
- 60.48
Vals Index
peratus; menduduki tempat ke-13 daripada 36 model
- 88
PlotlyDataAnalyticsBench
peratus; lulus 38 daripada 43 soalan
Skor seperti yang diterbitkan oleh penyedia model.
Penaakulan
- Tahap usaha lalai
- max
- Sentiasa diaktifkan
- Ya
- Tahap usaha yang tersedia
- max / xhigh / high / medium / low / minimal
Mula pantas
Kod sedia guna untuk memanggil model ini dengan API serasi Felo API Platform. Mulakan di Playground apabila anda ingin menguji prompt sebelum menulis kod.
Tetapkan kunci API
Cipta kunci daripada akaun Felo API Platform anda dan tetapkan sebagai pemboleh ubah persekitaran.
export FELO_API_KEY="YOUR_API_KEY"Hantar permintaan pertama
Gunakan ID model ini dengan endpoint Felo API Platform. Pengepala permintaan pilihan seperti X-Request-Id boleh membantu penyelesaian masalah.
muse-emberModel ini mampu membuat penaakulan. Jika protokol dan laluan model yang anda pilih menyediakan kawalan penaakulan, kekalkan metadata penaakulan yang dipulangkan apabila meneruskan perbualan.
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-ember",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Menggunakan SDK pihak ketiga
Dalam SDK yang serasi, tetapkan baseURL kepada https://openapi.felo.ai/api/v1. Untuk klien gaya Claude, gunakan base URL yang serasi dengan Anthropic. https://openapi.felo.ai/api.
Dayakan penstriman
Tambah stream: true untuk menerima respons sebagai 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-ember",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform menyediakan antara muka panggilan model yang serasi. Pilih antara muka yang sudah disokong oleh aplikasi atau klien ejen anda.
Messages
Mesej serasi Anthropic untuk klien gaya Claude.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringmuse-emberID model awam untuk dipanggil.max_tokensinteger—Bilangan maksimum token yang dijana.messagesarray—Mesej perbualan untuk Chat Completions.toolsarray—Definisi tool calling mengikut skema serasi.top_k———top_p———reasoning———temperaturenumber—Mengawal kepelbagaian respons apabila disokong.tool_choicestring or object—Mengawal sama ada alat perlu dipanggil.response_formatobject—Meminta output berstruktur apabila disokong.reasoning_effort———include_reasoning———repetition_penalty———structured_outputs———Soalan lazim
Mengenali Muse Ember?
Muse Ember ialah model proprietari daripada Meta yang dikeluarkan pada 9 November 2026 sebagai model terkecil dan paling cekap dalam keluarga Muse. Ia menerima input teks, imej, audio dan video serta menghasilkan teks, dengan tetingkap konteks 1 juta token dan had output 512,000 token. Muse Ember berfungsi sebagai pelaksana dalam seni bina perancang-pelaksana bersama Muse Wonder; Meta merumuskan pembahagian tugas sebagai "Muse Wonder plans, Muse Ember handles the volume." Model ini menyokong penggunaan komputer, pemahaman imej, panggilan alat, output berstruktur dan pengasasan carian. Ia mampu mendapatkan semula rekod, memanggil alat secara berurutan dan mengemas kini sistem merentas aplikasi. Muse Ember amat sesuai untuk tugasan yang jelas dan berulang, termasuk pelaksanaan aliran kerja agen berjumlah besar, panggilan alat, subtugasan pengekodan, penghalaan, pengekstrakan, penghuraian dokumen panjang, chatbot yang digabungkan dengan penjanaan diperkukuh pengambilan, serta penggunaan ciri AI secara besar-besaran. Antara kekuatannya ialah harga rendah setiap token dan prestasi kukuh pada tugasan jelas seperti analitik dan semakan kualiti data. Namun, Muse Ember cenderung menggunakan token berlebihan pada soalan terbuka, menghadapi kesukaran dengan pengesanan corak tersembunyi, dan pemberatnya tidak dilepaskan serta bilangan parameternya tidak didedahkan. Model ini tersedia melalui Meta Model API dan Muse Code dengan ID model muse-ember-1.0.
Bagaimana penggunaan dicaj?
Bil anda bergantung pada penyedia yang anda gunakan, harganya dan penggunaan anda. Input yang lebih panjang atau syarat lain mungkin dikenakan harga berbeza.
Apakah jenis input yang disokong oleh Muse Ember?
Muse Ember menerima input teks, imej, audio dan video, serta menghasilkan output teks.
Berapakah panjang konteks dan had output Muse Ember?
Muse Ember mempunyai tetingkap konteks 1 juta token dan had output 512,000 token.
Apakah tugasan yang paling sesuai untuk Muse Ember?
Muse Ember sesuai untuk pelaksanaan aliran kerja agen berjumlah besar, panggilan alat, subtugasan pengekodan, penghalaan, pengekstrakan dan penghuraian dokumen panjang.
Apakah perbezaan antara Muse Ember dan Muse Wonder?
Muse Ember ialah pelaksana dalam seni bina perancang-pelaksana, manakala Muse Wonder berperanan sebagai perancang. Meta merumuskan pembahagian tugas sebagai "Muse Wonder plans, Muse Ember handles the volume."
Bagaimanakah prestasi Muse Ember berbanding model lain?
Muse Ember menyamai Claude Haiku 5.5 pada Artificial Analysis Intelligence Index dengan satu pertiga kos, dan digambarkan sebagai model termurah yang memperoleh skor 36 pada indeks tersebut.
Model berkaitan
Muse Wonder
Metamuse-wonderMuse Wonder ialah model frontier Meta yang dibina semula dalam tempoh 14 bulan, menerima teks, imej, video, audio dan PDF serta mengembalikan teks sahaja, dengan tumpuan pada aliran kerja agen dan pengekodan jangka panjang.
Konteks
1.049M
Output maks
943.718K
Token input
$4 / 1M token
Token output
$20 / 1M token
Muse Spark 1.3 Contributor
Metamuse-spark-1.3-contributorMuse Spark 1.3 Contributor ialah model penaakulan Meta Superintelligence Labs untuk tugas agentik dan pengekodan jangka panjang, dengan konteks 1,048,576 token dan tetingkap output 943,718 token.
Konteks
1.049M
Output maks
943.718K
Token input
$0.1 / 1M token
Token output
$0.2 / 1M token