Felo API PlatformFelo API Platform
ماڈلز پر واپس
Metamessages

Muse Spark 1.3 Contributor API

Muse Spark 1.3 Contributor میٹا کا ایک ایجنٹک اور کوڈنگ کے لیے بنایا گیا reasoning ماڈل ہے جو طویل سیاق و سباق، ٹول کالنگ اور متعدد ایجنٹ workflows کو سنبھالتا ہے۔

Muse Spark 1.3 Contributor میٹا سپر انٹیلیجنس لیبز کا تیار کردہ reasoning ماڈل ہے جو خاص طور پر ایجنٹک اور کوڈنگ کاموں کے لیے بنایا گیا ہے۔ یہ ماڈل 1,048,576 ٹوکن کے سیاق و سباق اور 943,718 ٹوکن کی آؤٹ پٹ حد کے ساتھ متن، تصویر، ویڈیو، PDF اور آڈیو (ورژن 1.3 پر آڈیو مکمل طور پر معاون نہیں) ان پٹ لے سکتا ہے اور متن آؤٹ پٹ دیتا ہے۔ اس میں مرحلہ وار سوچ، قابل ترتیب reasoning effort، ٹول کالنگ، JSON schema کے ذریعے structured outputs، اور متعدد ایجنٹ workflows کی صلاحیتیں شامل ہیں۔

یہ ماڈل طویل المدتی کوڈنگ کاموں، repository-scale reasoning، دستاویزات سے بھرپور ایجنٹس، اور ایسے کاموں کے لیے موزوں ہے جن میں سیاق و سباق اور سابقہ نتائج کو ٹریک کرنا ضروری ہو۔ یہ Muse Code (میٹا کا ٹرمینل پر مبنی کوڈنگ ایجنٹ) اور Meta Model API کے ذریعے دستیاب ہے، اور OpenRouter اور OpenCode پر بھی دستیاب ہے۔ میٹا کے مطابق یہ ماڈل ایک ہی طویل تھریڈ میں بہتر multitasking، prompt injection کے خلاف زیادہ مزاحمت، اور بہتر خود آگاہی رکھتا ہے۔

Contributor tier معیاری Muse Spark 1.3 ماڈل کا ایک رعایتی ورژن ہے جس کی rate limits کم ہیں اور جس میں میٹا کو prompts اور completions پر مستقبل کے ماڈلز کی تربیت کی اجازت درکار ہوتی ہے۔ میٹا کے اندرونی موازنے کے مطابق یہ ماڈل Muse Spark 1.2 کے مقابلے میں تقریباً 20 فیصد کم ٹول کالز اور تقریباً 25 فیصد کم ٹوکن استعمال کرتا ہے، تاہم طویل سیاق و سباق کی reasoning درستگی 83 فیصد سے کم ہو کر 79 فیصد رہ گئی ہے اور فی کام لاگت $0.40 سے بڑھ کر $0.55 ہو گئی ہے۔ یہ ایک closed، API-only ماڈل ہے جس کے weights عوامی طور پر دستیاب نہیں ہیں۔

تازہ کاری:

MODEL ID

muse-spark-1.3-contributor
سیاق
1.049M
زیادہ سے زیادہ آؤٹ پٹ
943.718K
تجویز کردہ API
messages
ان پٹ
text / image / video / file
آؤٹ پٹ
text
Muse Spark 1.3 Contributor: سائیکل چلاتا ہوا پیلیکن

اس ماڈل کا بنایا ہوا پیلیکن دیکھیں

دیکھیں، Muse Spark 1.3 Contributor نے اسی ہدایت سے کیا بنایا۔

نمایاں خصوصیات

  • 1,048,576 ٹوکن سیاق و سباق
  • مرحلہ وار سوچ کے ساتھ reasoning
  • ٹول کالنگ اور structured outputs
  • متعدد ایجنٹ workflows کی صلاحیت
  • Muse Code اور Meta Model API میں دستیاب
  • Contributor tier رعایتی ورژن

فراہم کنندگان

1 فراہم کنندگان

فراہم کنندگان کے درمیان API قیمتوں کا موازنہ کریں۔ تمام چارجز اور شرائط دیکھنے کے لیے کوئی فراہم کنندہ منتخب کریں۔

فراہم کنندہ · قیمت کی تفصیلات
دستیابی
$0.1$0.2$0.002

$10 میں کیا ملتا ہے

ان پٹ
10 کروڑ tokens
آؤٹ پٹ
5 کروڑ tokens

موجودہ ان پٹ اور آؤٹ پٹ قیمتوں سے تخمینہ، رعایت سے پہلے۔

بینچ مارکس

  • MRCR (256K سے 512K ٹوکن رینج)

    پوائنٹس؛ اپنے موازنے کے سیٹ میں سب سے زیادہ اسکور

    98.5
  • MRCR (512K سے 1M ٹوکن رینج)

    پوائنٹس؛ اپنے موازنے کے سیٹ میں سب سے زیادہ اسکور

    98.1
  • Artificial Analysis Intelligence Index

    پوائنٹس؛ صارفین کے لیے دستیاب tier؛ GPT-5.6 Sol، Grok 4.6 اور Claude Opus 5 کے ساتھ برابر

    61
  • Long-context reasoning accuracy

    فیصد؛ ورژن 1.2 کے 83 فیصد سے کم

    79

اسکورز جیسا کہ ماڈل فراہم کنندہ نے شائع کیے۔

استدلال

پیش فرض کوشش
medium
ہمیشہ فعال
ہاں
دستیاب کوشش کی سطحیں
max / xhigh / high / medium / low / minimal

فوری آغاز

Felo API Platform کے موافق APIs کے ساتھ اس ماڈل کو کال کرنے کے لیے تیار کوڈ۔ کوڈ لکھنے سے پہلے پرامپٹس آزمائنا چاہیں تو Playground سے شروع کریں۔

1

اپنی API کلید حاصل کریں

اپنے Felo API Platform اکاؤنٹ سے کلید بنائیں اور اسے ماحولیاتی متغیر کے طور پر سیٹ کریں۔

export FELO_API_KEY="YOUR_API_KEY"
2

اپنی پہلی درخواست بھیجیں

یہ ماڈل ID Felo API Platform endpoint کے ساتھ استعمال کریں۔ X-Request-Id جیسے اختیاری درخواست ہیڈرز مسئلہ حل کرنے میں مدد دے سکتے ہیں۔

muse-spark-1.3-contributor

یہ ماڈل استدلال کے قابل ہے۔ اگر منتخب پروٹوکول اور ماڈل روٹ استدلال کنٹرولز فراہم کرتے ہیں تو گفتگو جاری رکھتے وقت واپس شدہ استدلال میٹاڈیٹا محفوظ رکھیں۔

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());

تیسرے فریق کے SDKs استعمال کرنا

موافق SDKs استعمال کریں اور baseURL کو اس پر سیٹ کریں: https://openapi.felo.ai/api/v1. Claude طرز کے کلائنٹس کے لیے Anthropic کے موافق بنیادی URL استعمال کریں۔ https://openapi.felo.ai/api.

3

اسٹریمنگ فعال کریں

جوابات کو سرور سے بھیجے گئے ایونٹس کے طور پر وصول کرنے کے لیے stream: true شامل کریں۔

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 ماڈل کال کرنے کی موافق سطحیں فراہم کرتا ہے۔ وہ سطح چنیں جو آپ کی ایپ یا ایجنٹ کلائنٹ پہلے سے تعاون کرتا ہو۔

سطحطریقہURL

Messages

Claude طرز کے کلائنٹس کے لیے Anthropic کے موافق پیغامات۔

POST

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

پیرامیٹرز

نامقسمڈیفالٹتفصیل
modelstringmuse-spark-1.3-contributorکال کرنے کے لیے عوامی ماڈل ID۔
max_tokensinteger—زیادہ سے زیادہ بنائے جانے والے tokens۔
messagesarray—Chat Completions کے لیے گفتگو کے پیغامات۔
toolsarray—موافق اسکیما کے مطابق ٹول کالنگ تعریفیں۔
top_k———
top_p———
reasoning———
temperaturenumber—تعاون کی صورت میں جواب کے تنوع کو کنٹرول کرتا ہے۔
tool_choicestring or object—کنٹرول کرتا ہے کہ کوئی ٹول کال ہونا چاہیے یا نہیں۔
response_formatobject—تعاون کی صورت میں ساختہ آؤٹ پٹ کی درخواست کرتا ہے۔
reasoning_effort———
include_reasoning———
repetition_penalty———
structured_outputs———

عمومی سوالات

ماڈل تعارف: Muse Spark 1.3 Contributor?

Muse Spark 1.3 Contributor میٹا سپر انٹیلیجنس لیبز کا تیار کردہ reasoning ماڈل ہے جو خاص طور پر ایجنٹک اور کوڈنگ کاموں کے لیے بنایا گیا ہے۔ یہ ماڈل 1,048,576 ٹوکن کے سیاق و سباق اور 943,718 ٹوکن کی آؤٹ پٹ حد کے ساتھ متن، تصویر، ویڈیو، PDF اور آڈیو (ورژن 1.3 پر آڈیو مکمل طور پر معاون نہیں) ان پٹ لے سکتا ہے اور متن آؤٹ پٹ دیتا ہے۔ اس میں مرحلہ وار سوچ، قابل ترتیب reasoning effort، ٹول کالنگ، JSON schema کے ذریعے structured outputs، اور متعدد ایجنٹ workflows کی صلاحیتیں شامل ہیں۔ یہ ماڈل طویل المدتی کوڈنگ کاموں، repository-scale reasoning، دستاویزات سے بھرپور ایجنٹس، اور ایسے کاموں کے لیے موزوں ہے جن میں سیاق و سباق اور سابقہ نتائج کو ٹریک کرنا ضروری ہو۔ یہ Muse Code (میٹا کا ٹرمینل پر مبنی کوڈنگ ایجنٹ) اور Meta Model API کے ذریعے دستیاب ہے، اور OpenRouter اور OpenCode پر بھی دستیاب ہے۔ میٹا کے مطابق یہ ماڈل ایک ہی طویل تھریڈ میں بہتر multitasking، prompt injection کے خلاف زیادہ مزاحمت، اور بہتر خود آگاہی رکھتا ہے۔ Contributor tier معیاری Muse Spark 1.3 ماڈل کا ایک رعایتی ورژن ہے جس کی rate limits کم ہیں اور جس میں میٹا کو prompts اور completions پر مستقبل کے ماڈلز کی تربیت کی اجازت درکار ہوتی ہے۔ میٹا کے اندرونی موازنے کے مطابق یہ ماڈل Muse Spark 1.2 کے مقابلے میں تقریباً 20 فیصد کم ٹول کالز اور تقریباً 25 فیصد کم ٹوکن استعمال کرتا ہے، تاہم طویل سیاق و سباق کی reasoning درستگی 83 فیصد سے کم ہو کر 79 فیصد رہ گئی ہے اور فی کام لاگت $0.40 سے بڑھ کر $0.55 ہو گئی ہے۔ یہ ایک closed، API-only ماڈل ہے جس کے weights عوامی طور پر دستیاب نہیں ہیں۔

استعمال کی بلنگ کیسے ہوتی ہے؟

آپ کا بل اس فراہم کنندہ پر منحصر ہے جو آپ استعمال کرتے ہیں، اس کی قیمتوں اور آپ کے استعمال پر۔ لمبے ان پٹ یا دیگر شرائط پر مختلف قیمتیں لاگو ہو سکتی ہیں۔

یہ ماڈل کون سی ان پٹ اقسام معاون ہے؟

یہ متن، تصویر، ویڈیو، PDF اور آڈیو ان پٹ لے سکتا ہے، تاہم ورژن 1.3 پر آڈیو ان پٹ مکمل طور پر معاون نہیں ہے۔ آؤٹ پٹ صرف متن کی صورت میں ہوتا ہے۔

اس ماڈل کی سیاق و سباق اور آؤٹ پٹ کی حد کتنی ہے؟

اس کا سیاق و سباق 1,048,576 ٹوکن اور آؤٹ پٹ کی حد 943,718 ٹوکن ہے۔

یہ ماڈل کس قسم کے کاموں کے لیے موزوں ہے؟

یہ خاص طور پر ایجنٹک اور کوڈنگ کاموں، طویل المدتی کوڈنگ، repository-scale reasoning، دستاویزات سے بھرپور ایجنٹس، اور multi-step کوڈنگ کاموں کے لیے بنایا گیا ہے جن میں سیاق و سباق اور سابقہ نتائج کو ٹریک کرنا ضروری ہوتا ہے۔

Contributor tier معیاری Muse Spark 1.3 سے کیسے مختلف ہے؟

Contributor tier معیاری Muse Spark 1.3 ماڈل کا ایک رعایتی ورژن ہے جس کی rate limits کم ہیں۔ اس کے علاوہ اس tier میں میٹا کو prompts اور completions پر مستقبل کے ماڈلز کی تربیت کی اجازت درکار ہوتی ہے۔

کیا یہ ماڈل ٹول کالنگ اور structured outputs معاون ہے؟

جی ہاں، یہ tools اور tool_choice parameters کے ذریعے ٹول کالنگ اور function calling معاون ہے، اور response_format parameter میں JSON schema کے ذریعے structured outputs بھی فراہم کرتا ہے۔

متعلقہ ماڈلز