Muse Spark 1.3 Contributor API
Muse Spark 1.3 Contributor คือโมเดลให้เหตุผลแบบ agentic สำหรับงานเขียนโค้ดระยะยาว รองรับบริบท 1,048,576 โทเคน ในราคาระดับเริ่มต้น
Muse Spark 1.3 Contributor เป็นโมเดลให้เหตุผลแบบคิดทีละขั้นจาก Meta Superintelligence Labs เปิดตัวเมื่อวันที่ 2 กันยายน 2026 รองรับอินพุตข้อความ รูปภาพ วิดีโอ PDF และเสียง (เสียงยังรองรับไม่เต็มที่ในเวอร์ชัน 1.3) พร้อมบริบทสูงสุด 1,048,576 โทเคน และเอาต์พุตสูงสุด 943,718 โทเคน รองรับการเรียกเครื่องมือและฟังก์ชันผ่านพารามิเตอร์ tools และ tool_choice รวมถึงเอาต์พุตแบบมีโครงสร้างผ่าน JSON schema ในพารามิเตอร์ response_format และปรับระดับความละเอียดของการให้เหตุผลได้
จุดเด่นคืองาน agentic และการเขียนโค้ด โดยเฉพาะงานเขียนโค้ดระยะยาว การให้เหตุผลระดับทั้งรีโพซิทอรี และ agent ที่ต้องจัดการเอกสารจำนวนมาก ตัวโมเดลสามารถทำงานเป็น agent หลักที่วางแผนและมอบหมายงาน หรือเป็น subagent ที่ทำงานขนานกัน รองรับเวิร์กโฟลว์แบบหลาย agent ติดตามบริบทและผลลัพธ์ก่อนหน้า และรับมือกับอินพุตที่ขัดแย้งกันได้ นอกจากนี้ยังสร้างเว็บไซต์และมินิเกมจากคำสั่งได้ และใช้ได้ใน Muse Code ซึ่งเป็น coding agent แบบเทอร์มินัลของ Meta ตลอดจนผ่าน Meta Model API, OpenRouter และ OpenCode
เมื่อเทียบกับ Muse Spark 1.2 โมเดลนี้ใช้การเรียกเครื่องมือน้อยลงประมาณ 20 เปอร์เซ็นต์ และใช้โทเคนน้อยลงประมาณ 25 เปอร์เซ็นต์ในงาน agentic และการเขียนโค้ดที่เทียบเท่ากัน ตามการเปรียบเทียบภายในของ Meta พร้อมทำงานหลายอย่างในเธรดเดียวยาว ๆ ได้ดีขึ้น ต้านทาน prompt injection ได้แข็งแรงขึ้น และรู้จักข้อจำกัดของตัวเองดีขึ้น โดยจะบอกว่าทำอะไรไม่ได้แทนที่จะสร้างคำตอบขึ้นมา อย่างไรก็ตาม ราคาต่องานเพิ่มจาก $0.40 ในเวอร์ชัน 1.2 เป็น $0.55 ในเวอร์ชัน 1.3 และใช้โทเคนอินพุตต่องานในงานประเมินแบบ agentic มากขึ้นประมาณ 57 เปอร์เซ็นต์ ส่วนความแม่นยำในการให้เหตุผลกับบริบทยาวลดจาก 83 เปอร์เซ็นต์เหลือ 79 เปอร์เซ็นต์ tier Contributor ยังมีขีดจำกัดอัตราการใช้งานต่ำกว่า tier มาตรฐาน และต้องได้รับอนุญาตให้ Meta ใช้พรอมป์ต์และผลลัพธ์ในการฝึกโมเดลในอนาคต
อัปเดต:
ID โมเดล
muse-spark-1.3-contributor- บริบท
- 1.049M
- เอาต์พุตสูงสุด
- 943.718K
- API ที่แนะนำ
- messages
- อินพุต
- text / image / video / file
- เอาต์พุต
- text
จุดเด่น
- บริบท 1,048,576 โทเคน
- เอาต์พุตสูงสุด 943,718 โทเคน
- ให้เหตุผลแบบคิดทีละขั้น
- ปรับระดับความละเอียดการให้เหตุผลได้
- เรียกเครื่องมือและฟังก์ชันได้
- เอาต์พุตแบบมีโครงสร้างด้วย JSON schema
ผู้ให้บริการ
เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
| อัตราความพร้อมใช้งาน | ||||
|---|---|---|---|---|
| $0.1 | $0.2 | $0.002 |
สถิติย้อนหลังไม่ใช่การตรวจสอบแบบเรียลไทม์ ข้อมูลที่หายไปไม่ได้หมายถึงบริการขัดข้อง
ซื้ออะไรได้ด้วย $10
- อินพุต
- 100M token
- เอาต์พุต
- 50M token
ประมาณจากราคาอินพุตและเอาต์พุตปัจจุบัน ก่อนหักส่วนลด
เบนช์มาร์ก
- 98.5
MRCR (ช่วง 256K ถึง 512K โทเคน)
คะแนนสูงสุดในชุดเปรียบเทียบที่รายงานไว้
- 98.1
MRCR (ช่วง 512K ถึง 1M โทเคน)
คะแนนสูงสุดในชุดเปรียบเทียบที่รายงานไว้
- 61
Artificial Analysis Intelligence Index
คะแนนใน tier ที่ลูกค้าใช้งานได้ เท่ากับ GPT-5.6 Sol, Grok 4.6 และ Claude Opus 5
- 79%
ความแม่นยำในการให้เหตุผลกับบริบทยาว
ลดลงจาก 83 เปอร์เซ็นต์ในเวอร์ชัน 1.2
คะแนนตามที่ผู้ให้บริการโมเดลเผยแพร่
การให้เหตุผล
- ระดับความพยายามเริ่มต้น
- medium
- เปิดใช้งานตลอด
- ใช่
- ระดับความพยายามที่ใช้ได้
- max / xhigh / high / medium / low / minimal
เริ่มต้นอย่างรวดเร็ว
โค้ดพร้อมใช้สำหรับเรียกโมเดลนี้ด้วย API ที่เข้ากันได้ของ Felo API Platform เริ่มใน Playground เมื่อคุณต้องการทดสอบพรอมต์ก่อนเขียนโค้ด
ตั้งค่าคีย์ API
สร้างคีย์จากบัญชี Felo API Platform ของคุณและตั้งเป็นตัวแปรสภาพแวดล้อม
export FELO_API_KEY="YOUR_API_KEY"ส่งคำขอแรก
ใช้ ID โมเดลนี้กับ endpoint ของ Felo API Platform ส่วนหัวคำขอแบบไม่บังคับ เช่น X-Request-Id ช่วยในการแก้ไขปัญหา
muse-spark-1.3-contributorโมเดลนี้มีความสามารถในการให้เหตุผล หากโปรโตคอลและเส้นทางโมเดลที่คุณเลือกเปิดการควบคุมการให้เหตุผล ให้เก็บเมทาดาทาการให้เหตุผลที่ส่งคืนไว้เมื่อสนทนาต่อ
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());การใช้ SDK ของบุคคลที่สาม
ใน SDK ที่เข้ากันได้ ให้ตั้ง baseURL เป็น https://openapi.felo.ai/api/v1. สำหรับไคลเอนต์สไตล์ Claude ให้ใช้ base URL ที่เข้ากันได้กับ Anthropic https://openapi.felo.ai/api.
เปิดใช้สตรีมมิ่ง
เพิ่ม stream: true เพื่อรับการตอบกลับเป็น 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 มีอินเทอร์เฟซสำหรับเรียกโมเดลที่เข้ากันได้ เลือกอินเทอร์เฟซที่แอปหรือไคลเอนต์เอเจนต์ของคุณรองรับอยู่แล้ว
Messages
ข้อความที่เข้ากันได้กับ Anthropic สำหรับไคลเอนต์สไตล์ Claude
POST
https://openapi.felo.ai/api/v1/messagesพารามิเตอร์
modelstringmuse-spark-1.3-contributorID โมเดลสาธารณะที่ต้องการเรียกmax_tokensinteger—จำนวนโทเคนสูงสุดที่สร้างmessagesarray—ข้อความสนทนาสำหรับ Chat Completionstoolsarray—นิยาม tool calling ตามสคีมาที่เข้ากันได้top_k———top_p———reasoning———temperaturenumber—ควบคุมความหลากหลายของการตอบกลับเมื่อรองรับtool_choicestring or object—ควบคุมว่าควรเรียกเครื่องมือหรือไม่response_formatobject—ขอเอาต์พุตแบบมีโครงสร้างเมื่อรองรับreasoning_effort———include_reasoning———repetition_penalty———structured_outputs———คำถามที่พบบ่อย
รู้จัก Muse Spark 1.3 Contributor?
Muse Spark 1.3 Contributor เป็นโมเดลให้เหตุผลแบบคิดทีละขั้นจาก Meta Superintelligence Labs เปิดตัวเมื่อวันที่ 2 กันยายน 2026 รองรับอินพุตข้อความ รูปภาพ วิดีโอ PDF และเสียง (เสียงยังรองรับไม่เต็มที่ในเวอร์ชัน 1.3) พร้อมบริบทสูงสุด 1,048,576 โทเคน และเอาต์พุตสูงสุด 943,718 โทเคน รองรับการเรียกเครื่องมือและฟังก์ชันผ่านพารามิเตอร์ tools และ tool_choice รวมถึงเอาต์พุตแบบมีโครงสร้างผ่าน JSON schema ในพารามิเตอร์ response_format และปรับระดับความละเอียดของการให้เหตุผลได้ จุดเด่นคืองาน agentic และการเขียนโค้ด โดยเฉพาะงานเขียนโค้ดระยะยาว การให้เหตุผลระดับทั้งรีโพซิทอรี และ agent ที่ต้องจัดการเอกสารจำนวนมาก ตัวโมเดลสามารถทำงานเป็น agent หลักที่วางแผนและมอบหมายงาน หรือเป็น subagent ที่ทำงานขนานกัน รองรับเวิร์กโฟลว์แบบหลาย agent ติดตามบริบทและผลลัพธ์ก่อนหน้า และรับมือกับอินพุตที่ขัดแย้งกันได้ นอกจากนี้ยังสร้างเว็บไซต์และมินิเกมจากคำสั่งได้ และใช้ได้ใน Muse Code ซึ่งเป็น coding agent แบบเทอร์มินัลของ Meta ตลอดจนผ่าน Meta Model API, OpenRouter และ OpenCode เมื่อเทียบกับ Muse Spark 1.2 โมเดลนี้ใช้การเรียกเครื่องมือน้อยลงประมาณ 20 เปอร์เซ็นต์ และใช้โทเคนน้อยลงประมาณ 25 เปอร์เซ็นต์ในงาน agentic และการเขียนโค้ดที่เทียบเท่ากัน ตามการเปรียบเทียบภายในของ Meta พร้อมทำงานหลายอย่างในเธรดเดียวยาว ๆ ได้ดีขึ้น ต้านทาน prompt injection ได้แข็งแรงขึ้น และรู้จักข้อจำกัดของตัวเองดีขึ้น โดยจะบอกว่าทำอะไรไม่ได้แทนที่จะสร้างคำตอบขึ้นมา อย่างไรก็ตาม ราคาต่องานเพิ่มจาก $0.40 ในเวอร์ชัน 1.2 เป็น $0.55 ในเวอร์ชัน 1.3 และใช้โทเคนอินพุตต่องานในงานประเมินแบบ agentic มากขึ้นประมาณ 57 เปอร์เซ็นต์ ส่วนความแม่นยำในการให้เหตุผลกับบริบทยาวลดจาก 83 เปอร์เซ็นต์เหลือ 79 เปอร์เซ็นต์ tier Contributor ยังมีขีดจำกัดอัตราการใช้งานต่ำกว่า tier มาตรฐาน และต้องได้รับอนุญาตให้ Meta ใช้พรอมป์ต์และผลลัพธ์ในการฝึกโมเดลในอนาคต
การใช้งานถูกเรียกเก็บเงินอย่างไร
ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน
Muse Spark 1.3 Contributor รองรับอินพุตแบบใดบ้าง
รองรับอินพุตข้อความ รูปภาพ วิดีโอ PDF และเสียง โดยเสียงยังรองรับไม่เต็มที่ในเวอร์ชัน 1.3 และส่งออกเป็นข้อความเท่านั้น
บริบทและความยาวเอาต์พุตสูงสุดเท่าไร
รองรับบริบทสูงสุด 1,048,576 โทเคน และเอาต์พุตสูงสุด 943,718 โทเคน
เหมาะกับงานประเภทใด
เหมาะกับงาน agentic และการเขียนโค้ด โดยเฉพาะงานเขียนโค้ดระยะยาว การให้เหตุผลระดับรีโพซิทอรี และ agent ที่ต้องจัดการเอกสารจำนวนมาก
ต่างจาก Muse Spark 1.2 อย่างไร
ใช้การเรียกเครื่องมือน้อยลงประมาณ 20 เปอร์เซ็นต์ และใช้โทเคนน้อยลงประมาณ 25 เปอร์เซ็นต์ในงานที่เทียบเท่ากัน ตามการเปรียบเทียบภายในของ Meta แต่ความแม่นยำในการให้เหตุผลกับบริบทยาวลดจาก 83 เปอร์เซ็นต์เหลือ 79 เปอร์เซ็นต์
tier Contributor ต่างจาก tier มาตรฐานอย่างไร
เป็นเวอร์ชันราคาพิเศษของ Muse Spark 1.3 มาตรฐาน แต่มีขีดจำกัดอัตราการใช้งานต่ำกว่า และต้องได้รับอนุญาตให้ Meta ใช้พรอมป์ต์และผลลัพธ์ในการฝึกโมเดลในอนาคต
ใช้งานผ่านช่องทางใดได้บ้าง
ใช้งานได้ผ่าน Meta Model API, Muse Code, OpenRouter และ OpenCode
โมเดลที่เกี่ยวข้อง
Muse Ember
Metamuse-emberMuse Ember เป็นโมเดลที่เล็กและมีประสิทธิภาพที่สุดในตระกูล Muse ของ Meta รองรับอินพุตข้อความ รูปภาพ เสียง และวิดีโอ พร้อมบริบท 1 ล้านโทเคน สำหรับงานเอเจนต์ปริมาณมาก
บริบท
1.049M
เอาต์พุตสูงสุด
943.718K
token อินพุต
$0.1 / 1M token
token เอาต์พุต
$0.5 / 1M token
Muse Wonder
Metamuse-wonderMuse Wonder คือโมเดล AI จาก Meta ที่รับข้อมูลได้ทั้งข้อความ รูปภาพ วิดีโอ เสียง และ PDF พร้อมความสามารถด้านเวิร์กโฟลว์แบบเอเจนต์และการเขียนโค้ด
บริบท
1.049M
เอาต์พุตสูงสุด
943.718K
token อินพุต
$4 / 1M token
token เอาต์พุต
$20 / 1M token