Muse Spark 1.3 Contributor API
Muse 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.
Muse Spark 1.3 Contributor ialah edisi diskaun bagi model standard Muse Spark 1.3 daripada Meta Superintelligence Labs, dikeluarkan pada 2 September 2026. Ia menyokong input teks, imej, video, PDF dan audio (audio tidak disokong sepenuhnya pada versi 1.3), serta output teks. Model ini menggunakan penaakulan langkah demi langkah dengan tahap usaha penaakulan yang boleh dikonfigurasikan, termasuk tahap maksimum pada tetingkap standard. Ia menyokong panggilan alat dan fungsi melalui parameter tools dan tool_choice, output berstruktur melalui skema JSON dalam response_format, serta aliran kerja berbilang agen. Model ini boleh berfungsi sebagai agen utama yang merancang dan mewakilkan tugas, atau sebagai subagen yang melaksanakan secara selari.
Model ini dibina untuk tugas pengekodan jangka panjang dan beban kerja agentik yang memerlukan perancangan, panggilan alat, semakan output dan kesinambungan. Ia sesuai untuk penaakulan berskala repositori, agen berasaskan dokumen, tugas pengekodan berbilang langkah, serta tugasan yang memerlukan penjejakan konteks dan keputusan terdahulu. Muse Spark 1.3 Contributor juga berguna untuk memproses input yang tidak teratur atau bercanggah, pembinaan prototaip, ujian integrasi dan penskalaan eksperimen. Ia boleh didapati dalam Muse Code, agen pengekodan terminal Meta, dan melalui Meta Model API, OpenRouter serta OpenCode.
Berbanding Muse Spark 1.2, model ini menggunakan kira-kira 20 peratus lebih sedikit panggilan alat dan sekitar 25 peratus lebih sedikit token pada tugas agentik dan pengekodan yang setara, menurut perbandingan dalaman Meta. Ia juga lebih baik dalam multitugas dalam satu benang panjang dan lebih tahan terhadap suntikan gesaan. Walau bagaimanapun, kos setiap tugas meningkat daripada $0.40 pada versi 1.2 kepada $0.55 pada versi 1.3, dan ketepatan penaakulan konteks panjang menurun daripada 83 peratus kepada 79 peratus. Tier Contributor mempunyai had kadar yang lebih rendah daripada tier standard dan memerlukan kebenaran untuk Meta melatih model masa depan menggunakan gesaan dan penyiapan.
Dikemas kini:
ID MODEL
muse-spark-1.3-contributor- Konteks
- 1.049M
- Output maks
- 943.718K
- API yang disyorkan
- messages
- Input
- text / image / video / file
- Output
- text
Lihat pelikan hasil model ini
Lihat hasil ciptaan Muse Spark 1.3 Contributor daripada arahan yang sama.
Sorotan
- Konteks 1,048,576 token
- Output sehingga 943,718 token
- Penaakulan langkah demi langkah
- Sokongan aliran kerja berbilang agen
- Tersedia dalam Muse Code dan Meta Model API
- Input teks, imej, video dan PDF
Penyedia
Bandingkan harga API merentas penyedia. Pilih penyedia untuk melihat semua caj dan syarat.
| Ketersediaan | ||||
|---|---|---|---|---|
| $0.1 | $0.2 | $0.002 |
Statistik sejarah bukan pemeriksaan langsung. Ketiadaan data tidak bermaksud gangguan.
Apa yang boleh dibeli dengan $10
- Input
- 100J token
- Output
- 50J token
Anggaran berdasarkan harga input dan output semasa, sebelum diskaun.
Penanda aras
- 98.5
MRCR (julat 256K hingga 512K token)
mata; markah tertinggi yang dilaporkan dalam set perbandingannya
- 98.1
MRCR (julat 512K hingga 1M token)
mata; markah tertinggi yang dilaporkan dalam set perbandingannya
- 61
Artificial Analysis Intelligence Index
mata; tier tersedia kepada pelanggan; terikat dengan GPT-5.6 Sol, Grok 4.6 dan Claude Opus 5
- 79
Ketepatan penaakulan konteks panjang
peratus; menurun daripada 83 peratus pada versi 1.2
Skor seperti yang diterbitkan oleh penyedia model.
Penaakulan
- Tahap usaha lalai
- medium
- 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-spark-1.3-contributorModel 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-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());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-spark-1.3-contributor",
"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-spark-1.3-contributorID 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 Spark 1.3 Contributor?
Muse Spark 1.3 Contributor ialah edisi diskaun bagi model standard Muse Spark 1.3 daripada Meta Superintelligence Labs, dikeluarkan pada 2 September 2026. Ia menyokong input teks, imej, video, PDF dan audio (audio tidak disokong sepenuhnya pada versi 1.3), serta output teks. Model ini menggunakan penaakulan langkah demi langkah dengan tahap usaha penaakulan yang boleh dikonfigurasikan, termasuk tahap maksimum pada tetingkap standard. Ia menyokong panggilan alat dan fungsi melalui parameter tools dan tool_choice, output berstruktur melalui skema JSON dalam response_format, serta aliran kerja berbilang agen. Model ini boleh berfungsi sebagai agen utama yang merancang dan mewakilkan tugas, atau sebagai subagen yang melaksanakan secara selari. Model ini dibina untuk tugas pengekodan jangka panjang dan beban kerja agentik yang memerlukan perancangan, panggilan alat, semakan output dan kesinambungan. Ia sesuai untuk penaakulan berskala repositori, agen berasaskan dokumen, tugas pengekodan berbilang langkah, serta tugasan yang memerlukan penjejakan konteks dan keputusan terdahulu. Muse Spark 1.3 Contributor juga berguna untuk memproses input yang tidak teratur atau bercanggah, pembinaan prototaip, ujian integrasi dan penskalaan eksperimen. Ia boleh didapati dalam Muse Code, agen pengekodan terminal Meta, dan melalui Meta Model API, OpenRouter serta OpenCode. Berbanding Muse Spark 1.2, model ini menggunakan kira-kira 20 peratus lebih sedikit panggilan alat dan sekitar 25 peratus lebih sedikit token pada tugas agentik dan pengekodan yang setara, menurut perbandingan dalaman Meta. Ia juga lebih baik dalam multitugas dalam satu benang panjang dan lebih tahan terhadap suntikan gesaan. Walau bagaimanapun, kos setiap tugas meningkat daripada $0.40 pada versi 1.2 kepada $0.55 pada versi 1.3, dan ketepatan penaakulan konteks panjang menurun daripada 83 peratus kepada 79 peratus. Tier Contributor mempunyai had kadar yang lebih rendah daripada tier standard dan memerlukan kebenaran untuk Meta melatih model masa depan menggunakan gesaan dan penyiapan.
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 Spark 1.3 Contributor?
Model ini menyokong input teks, imej, video dan PDF. Input audio tidak disokong sepenuhnya pada versi 1.3.
Apakah panjang konteks dan had output model ini?
Muse Spark 1.3 Contributor mempunyai tetingkap konteks 1,048,576 token dan had output 943,718 token.
Apakah tugas yang paling sesuai untuk model ini?
Model ini dibina untuk tugas agentik dan pengekodan jangka panjang, termasuk penaakulan berskala repositori, agen berasaskan dokumen dan tugas pengekodan berbilang langkah yang memerlukan penjejakan konteks.
Apakah perbezaan antara Muse Spark 1.3 Contributor dan Muse Spark 1.2?
Berbanding versi 1.2, model ini menggunakan kira-kira 20 peratus lebih sedikit panggilan alat dan sekitar 25 peratus lebih sedikit token pada tugas agentik dan pengekodan yang setara. Namun, kos setiap tugas meningkat kepada $0.55 berbanding $0.40, dan ketepatan penaakulan konteks panjang menurun daripada 83 peratus kepada 79 peratus.
Apakah yang dimaksudkan dengan tier Contributor?
Tier Contributor ialah versi diskaun bagi model standard Muse Spark 1.3. Tier ini mempunyai had kadar yang lebih rendah daripada tier standard dan memerlukan kebenaran untuk Meta melatih model masa depan menggunakan gesaan dan penyiapan.
Model berkaitan
Muse Ember
Metamuse-emberMuse 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.
Konteks
1.049M
Output maks
943.718K
Token input
$0.1 / 1M token
Token output
$0.5 / 1M token
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