Muse Ember API
Muse Ember to najmniejszy i najbardziej efektywny model z rodziny Muse od Meta, stworzony do masowego wykonywania zadań agentowych i obsługi dużych ilości danych wejściowych.
Muse Ember to lekki model Meta przeznaczony do pracy jako wykonawca w architekturze planista-wykonawca, w której Muse Wonder odpowiada za planowanie, a Muse Ember zajmuje się wolumenem zadań. Obsługuje wejście tekstowe, obrazowe, audio i wideo, a na wyjściu generuje tekst. Dzięki oknu kontekstu wynoszącemu 1 milion tokenów i limitowi wyjścia do 512 000 tokenów sprawdza się przy parsowaniu długich dokumentów oraz pracy z rozbudowanymi materiałami źródłowymi.
Model został zaprojektowany do wykonywania zadań agentowych na dużą skalę: wywoływania narzędzi, podzadań programistycznych, routingu, ekstrakcji danych oraz chatbotów łączonych z generowaniem wspomaganym wyszukiwaniem. Obsługuje również korzystanie z komputera, rozumienie obrazów, ustrukturyzowane wyjście i wyszukiwanie oparte na źródłach. Meta podkreśla, że Muse Ember dobrze radzi sobie z zadaniami o jasno określonych regułach, takimi jak analityka i kontrola jakości danych.
Do ograniczeń należy skłonność do zużywania nadmiernej liczby tokenów przy pytaniach otwartych oraz trudności z wykrywaniem ukrytych wzorców. Wagi modelu nie zostały udostępnione, a liczba parametrów nie jest ujawniona. Model jest dostępny przez Meta Model API i Muse Code pod identyfikatorem muse-ember-1.0.
Zaktualizowano:
MODEL ID
muse-ember- Kontekst
- 1.049M
- Maks. wyjście
- 943.718K
- Polecane API
- messages
- Wejście
- text / image / video / file / audio
- Wyjście
- text
Najważniejsze informacje
- Najmniejszy model w rodzinie Muse
- Kontekst 1 miliona tokenów
- Wejście tekst, obraz, audio i wideo
- Wykonawca w architekturze planista-wykonawca
- Ustrukturyzowane wyjście i wywoływanie narzędzi
- Wyszukiwanie oparte na źródłach
Dostawcy
Porównaj ceny API u różnych dostawców. Wybierz dostawcę, aby zobaczyć wszystkie opłaty i warunki.
| Dostępność | ||||
|---|---|---|---|---|
| $0.1 | $0.5 | $0.004 |
Dane historyczne nie są kontrolą na żywo. Brak danych nie oznacza awarii.
Co można kupić za $10
- Wejście
- 100 mln tokenów
- Wyjście
- 20 mln tokenów
Szacunek na podstawie obecnych cen wejścia i wyjścia, bez rabatów.
Benchmarki
- 36
Artificial Analysis Intelligence Index
punktów
- 60,48%
Vals Index
procent; 13. miejsce na 36 modeli
- 88%
PlotlyDataAnalyticsBench
procent; poprawne odpowiedzi na 38 z 43 pytań
Wyniki zgodnie z publikacją dostawcy modelu.
Rozumowanie
- Domyślny poziom wysiłku
- max
- Zawsze włączone
- Tak
- Dostępne poziomy wysiłku
- max / xhigh / high / medium / low / minimal
Szybki start
Gotowy kod do wywołania tego modelu przez zgodne API Felo API Platform. Zacznij w Playground, gdy chcesz przetestować prompty przed pisaniem kodu.
Pobierz klucz API
Utwórz klucz w swoim koncie Felo API Platform i ustaw go jako zmienną środowiskową.
export FELO_API_KEY="YOUR_API_KEY"Wyślij pierwsze żądanie
Użyj tego identyfikatora modelu z endpointem Felo API Platform. Opcjonalne nagłówki żądania, takie jak X-Request-Id, mogą pomóc w diagnostyce.
muse-emberTen model obsługuje rozumowanie. Jeśli wybrany protokół i trasa modelu udostępniają elementy sterujące rozumowaniem, zachowaj zwrócone metadane rozumowania podczas kontynuowania rozmowy.
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());Korzystanie z zewnętrznych SDK
Używaj zgodnych SDK, ustawiając baseURL na https://openapi.felo.ai/api/v1. Użyj bazowego adresu URL zgodnego z Anthropic dla klientów w stylu Claude. https://openapi.felo.ai/api.
Włącz strumieniowanie
Dodaj stream: true, aby otrzymywać odpowiedzi jako 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 udostępnia zgodne interfejsy wywoływania modeli. Wybierz ten, który Twoja aplikacja lub klient agenta już obsługuje.
Messages
Komunikaty zgodne z Anthropic dla klientów w stylu Claude.
POST
https://openapi.felo.ai/api/v1/messagesParametry
modelstringmuse-emberPubliczny identyfikator modelu do wywołania.max_tokensinteger—Maksymalna liczba generowanych tokenów.messagesarray—Komunikaty rozmowy dla Chat Completions.toolsarray—Definicje wywoływania narzędzi zgodne z obsługiwanym schematem.top_k———top_p———reasoning———temperaturenumber—Steruje różnorodnością odpowiedzi, gdy jest obsługiwane.tool_choicestring or object—Steruje tym, czy narzędzie powinno zostać wywołane.response_formatobject—Żąda ustrukturyzowanego wyniku, gdy jest obsługiwany.reasoning_effort———include_reasoning———repetition_penalty———structured_outputs———Często zadawane pytania
Co to jest Muse Ember?
Muse Ember to lekki model Meta przeznaczony do pracy jako wykonawca w architekturze planista-wykonawca, w której Muse Wonder odpowiada za planowanie, a Muse Ember zajmuje się wolumenem zadań. Obsługuje wejście tekstowe, obrazowe, audio i wideo, a na wyjściu generuje tekst. Dzięki oknu kontekstu wynoszącemu 1 milion tokenów i limitowi wyjścia do 512 000 tokenów sprawdza się przy parsowaniu długich dokumentów oraz pracy z rozbudowanymi materiałami źródłowymi. Model został zaprojektowany do wykonywania zadań agentowych na dużą skalę: wywoływania narzędzi, podzadań programistycznych, routingu, ekstrakcji danych oraz chatbotów łączonych z generowaniem wspomaganym wyszukiwaniem. Obsługuje również korzystanie z komputera, rozumienie obrazów, ustrukturyzowane wyjście i wyszukiwanie oparte na źródłach. Meta podkreśla, że Muse Ember dobrze radzi sobie z zadaniami o jasno określonych regułach, takimi jak analityka i kontrola jakości danych. Do ograniczeń należy skłonność do zużywania nadmiernej liczby tokenów przy pytaniach otwartych oraz trudności z wykrywaniem ukrytych wzorców. Wagi modelu nie zostały udostępnione, a liczba parametrów nie jest ujawniona. Model jest dostępny przez Meta Model API i Muse Code pod identyfikatorem muse-ember-1.0.
Jak rozliczane jest użycie?
Rachunek zależy od wybranego dostawcy, jego cen i faktycznego zużycia. Dłuższe dane wejściowe lub inne warunki mogą mieć inne ceny.
Jakie typy danych wejściowych obsługuje Muse Ember?
Model przyjmuje tekst, obrazy, audio oraz wideo, a zwraca tekst.
Jak duże okno kontekstu ma Muse Ember?
Model obsługuje kontekst do 1 miliona tokenów, a maksymalna długość wyjścia wynosi 512 000 tokenów.
Do jakich zadań najlepiej nadaje się Muse Ember?
Sprawdza się w masowym wykonywaniu przepływów agentowych, wywoływaniu narzędzi, podzadaniach programistycznych, routingu, ekstrakcji oraz parsowaniu długich dokumentów.
Czym Muse Ember różni się od Muse Wonder?
Muse Ember jest najmniejszym i najbardziej efektywnym modelem rodziny Muse i pełni rolę wykonawcy, podczas gdy Muse Wonder odpowiada za planowanie.
Jak uzyskać dostęp do Muse Ember?
Model jest dostępny przez Meta Model API oraz Muse Code pod identyfikatorem muse-ember-1.0.
Powiązane modele
Muse Wonder
Metamuse-wonderMuse Wonder to flagowy model Meta z października 2026 r., który obsługuje tekst, obrazy, wideo, audio i PDF-y oraz prowadzi złożone zadania agentowe i kodowanie długoterminowe.
Kontekst
1.049M
Maks. wyjście
943.718K
Tokeny wejściowe
$4 / 1M tokenów
Tokeny wyjściowe
$20 / 1M tokenów
Muse Spark 1.3 Contributor
Metamuse-spark-1.3-contributorMuse Spark 1.3 Contributor to model rozumujący Meta Superintelligence Labs z kontekstem 1 048 576 tokenów, przeznaczony do zadań agentowych i kodowania długodystansowego, dostępny w tańszym tierze Contributor z niższymi limitami zapytań.
Kontekst
1.049M
Maks. wyjście
943.718K
Tokeny wejściowe
$0.1 / 1M tokenów
Tokeny wyjściowe
$0.2 / 1M tokenów