Muse Spark 1.3 Contributor API
Muse Spark 1.3 Contributor 是 Meta 針對代理與編碼工作推出的推理模型,提供 104 萬 token 上下文,並以較低費率提供前沿級能力。
Muse Spark 1.3 Contributor 是 Muse Spark 家族的第三個版本,由 Meta Superintelligence Labs 推出,定位為個人超級智慧系統,主打代理與編碼工作。它支援文字、圖像、影片、PDF 輸入,1.3 版音訊輸入尚未完整支援,輸出為文字。上下文長度達 1,048,576 tokens,輸出上限 943,718 tokens,可將整個大型程式碼庫或長時間的多檔案對話歷史放入單一上下文。
此模型具備逐步思考的推理能力,可調整推理強度,標準層級提供最高推理等級;支援透過 tools 與 tool_choice 參數呼叫工具與函式,並可依 response_format 中的 JSON schema 產生結構化輸出。它能處理需要規劃、呼叫工具、檢查輸出並繼續執行的代理任務,勝任長程編碼任務,可作為主代理規劃與分派工作,或作為子代理平行執行,也支援多代理工作流程。視覺編碼方面,可依提示建立自訂網站與小遊戲。它可透過 Meta Model API、Muse Code、OpenRouter 與 OpenCode 使用。
這個版本適合代理與編碼工作負載、長程編碼任務、倉庫規模的推理、文件密集的代理、多步驟編碼任務,以及需要追蹤上下文與先前結果、處理雜亂或衝突輸入的場景。Meta 的內部比較顯示,在同等代理與編碼任務上,它比 Muse Spark 1.2 少用約 20% 的工具呼叫與約 25% 的 token;在單一長執行緒中多工能力更好,對提示注入的抵抗更強,並經過訓練,在無法完成時會說明限制,而不是虛構結果。它會主動詢問釐清問題、卡住時上報,並在執行有後果的操作前確認。
更新時間:
模型 ID
muse-spark-1.3-contributor- 上下文
- 1.049M
- 最大輸出
- 943.718K
- 建議 API
- messages
- 輸入
- text / image / video / file
- 輸出
- text
核心要點
- 1,048,576 tokens 上下文,可容納整個大型程式碼庫
- 可調整推理強度,標準層級提供最高等級
- 支援工具呼叫與 JSON schema 結構化輸出
- 可作為主代理或子代理,支援多代理工作流
- 比 Muse Spark 1.2 少用約 20% 工具呼叫與約 25% token
- 對提示注入的抵抗更強,並會說明自身限制
供應商
比較不同供應商的呼叫價格,點擊供應商可查看完整費用和適用條件。
| 可用率 | ||||
|---|---|---|---|---|
| $0.1 | $0.2 | $0.002 |
歷史統計不等於即時健康檢查,缺少資料不代表服務中斷。
10 美元能買多少 token
- 輸入
- 1億 tokens
- 輸出
- 5000萬 tokens
依目前輸入與輸出單價估算,未計入折扣。
基準測試
- 98.5
MRCR(256K 至 512K token 範圍)
分;在其比較組中回報的最高分
- 98.1
MRCR(512K 至 1M token 範圍)
分;在其比較組中回報的最高分
- 61
Artificial Analysis Intelligence Index
分;客戶可用層級;與 GPT-5.6 Sol、Grok 4.6 及 Claude Opus 5 並列
- 79
長上下文推理準確率
百分比;較 1.2 版的 83% 下降
分數來自模型廠商公布的資料,未經獨立驗證。
推理能力
- 預設推理強度
- medium
- 始終啟用
- 是
- 可選推理強度
- max / xhigh / high / medium / low / minimal
填入 API key
從 Felo API Platform 帳戶建立 key,並設定為環境變數。
export FELO_API_KEY="YOUR_API_KEY"發出第一次請求
使用該模型 ID 呼叫 Felo API Platform endpoint。可選請求標頭如 X-Request-Id 能協助排查問題。
muse-spark-1.3-contributor該模型支援推理。如果所選協議與模型路由提供推理控制,請在繼續對話時保留回傳的推理中繼資料。
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());使用第三方 SDK
兼容 SDK 只需把 baseURL 设置为 https://openapi.felo.ai/api/v1. Claude 风格客户端使用 Anthropic-compatible base URL。 https://openapi.felo.ai/api.
啟用串流輸出
加入 stream: true,即可以 server-sent events 接收回應。
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 提供兼容的模型调用入口。选择你的应用或 Agent 客户端已经支持的接口即可。
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messages参数
modelstringmuse-spark-1.3-contributorPublic model ID to call.max_tokensinteger—Maximum generated tokens.messagesarray—Conversation messages for Chat Completions.toolsarray—Tool calling definitions following compatible schema.top_k———top_p———reasoning———temperaturenumber—Controls response variety when supported.tool_choicestring or object—Controls whether a tool should be called.response_formatobject—Request structured output when supported.reasoning_effort———include_reasoning———repetition_penalty———structured_outputs———常見問題
什麼是 Muse Spark 1.3 Contributor?
Muse Spark 1.3 Contributor 是 Muse Spark 家族的第三個版本,由 Meta Superintelligence Labs 推出,定位為個人超級智慧系統,主打代理與編碼工作。它支援文字、圖像、影片、PDF 輸入,1.3 版音訊輸入尚未完整支援,輸出為文字。上下文長度達 1,048,576 tokens,輸出上限 943,718 tokens,可將整個大型程式碼庫或長時間的多檔案對話歷史放入單一上下文。 此模型具備逐步思考的推理能力,可調整推理強度,標準層級提供最高推理等級;支援透過 tools 與 tool_choice 參數呼叫工具與函式,並可依 response_format 中的 JSON schema 產生結構化輸出。它能處理需要規劃、呼叫工具、檢查輸出並繼續執行的代理任務,勝任長程編碼任務,可作為主代理規劃與分派工作,或作為子代理平行執行,也支援多代理工作流程。視覺編碼方面,可依提示建立自訂網站與小遊戲。它可透過 Meta Model API、Muse Code、OpenRouter 與 OpenCode 使用。 這個版本適合代理與編碼工作負載、長程編碼任務、倉庫規模的推理、文件密集的代理、多步驟編碼任務,以及需要追蹤上下文與先前結果、處理雜亂或衝突輸入的場景。Meta 的內部比較顯示,在同等代理與編碼任務上,它比 Muse Spark 1.2 少用約 20% 的工具呼叫與約 25% 的 token;在單一長執行緒中多工能力更好,對提示注入的抵抗更強,並經過訓練,在無法完成時會說明限制,而不是虛構結果。它會主動詢問釐清問題、卡住時上報,並在執行有後果的操作前確認。
如何計算呼叫費用?
費用取決於你使用的供應商、對應價格和實際用量。長文字輸入等情況可能適用不同價格,詳見計費明細。
這個模型支援哪些輸入與輸出?
支援文字、圖像、影片、PDF 輸入,1.3 版音訊輸入尚未完整支援;輸出為文字。
上下文與輸出長度是多少?
上下文長度為 1,048,576 tokens,輸出上限為 943,718 tokens。
它適合哪些任務?
適合代理與編碼工作負載、長程編碼任務、倉庫規模的推理、文件密集的代理、多步驟編碼任務,以及需要追蹤上下文與先前結果的場景。
Contributor 版本與標準版有什麼差別?
Contributor 版本是標準 Muse Spark 1.3 的折扣版本,速率限制較標準層級低,且需要授權 Meta 使用提示與補全內容訓練未來模型。
它與 Muse Spark 1.2 相比有什麼變化?
在同等代理與編碼任務上,工具呼叫減少約 20%、token 使用減少約 25%;但長上下文推理準確率從 83% 降至 79%,每項任務成本從 0.40 美元升至 0.55 美元。
相關模型
Muse Ember
Metamuse-emberMeta 推出的小型高效能模型,主打高頻代理任務執行,具備百萬詞元脈絡與多模態輸入。
上下文
1.049M
最大輸出
943.718K
輸入 tokens
$0.1 / 1M tokens
輸出 tokens
$0.5 / 1M tokens
Muse Wonder
Metamuse-wonderMeta 於 2026 年 10 月推出的前沿模型,支援多模態輸入、百萬級脈絡,並具備主動記憶與專注能力。
上下文
1.049M
最大輸出
943.718K
輸入 tokens
$4 / 1M tokens
輸出 tokens
$20 / 1M tokens