Muse Spark 1.3

Muse Spark 1.3 von Meta ist ein Reasoning-Modell, das für agentische Workflows und Competitive Coding trainiert wurde. Es unterstützt integrierte Toolaufrufe mit Model Context Protocol (MCP), akzeptiert Text- und Bildeingaben und bietet ein Kontextfenster mit 1 Million Tokens für mehrstufige Aufgaben.

Bei Anfragen an den globalen /locations/global/publishers/meta/v1/responses-Endpunkt wird die reine Modell-ID muse-spark-1.3 im Feld model übergeben. Eine Beispielanfrage finden Sie unter Meta-Modelle verwenden.

Modellkarte in Model Garden ansehen

Modell-ID meta/muse-spark-1.3
Startphase Vorschau
Unterstützte Ein- und Ausgaben
  • Eingaben:
    Text, Bild
  • Ausgaben:
    Text
Tokenlimits
  • Maximale Eingabetokens: 1.048.576
Leistungsspektrum
Nutzungstypen
Versionen
  • meta/muse-spark-1.3
    • Einführungsphase: Vorabversion
    • Veröffentlichungsdatum: 24. September 2026
Unterstützte Regionen

Modellverfügbarkeit

  • Global
    • global endpoint
Kontingentlimits

globaler Endpunkt:

  • Kontextlänge: 1.048.576

Preise Weitere Informationen finden Sie unter Preise.

Inferenzparameter und -einschränkungen

Beachten Sie beim Senden von Anfragen die folgenden Inferenzparameter und Einschränkungen:

  • Reasoning-Aufwand: Legen Sie für reasoning.effort den Wert minimal, low, medium, high oder xhigh fest. max ist nicht auf Google Cloudverfügbar und none wird nicht unterstützt. Die Preise sind für alle Aufwandstufen gleich.
  • Reasoning-Ausgabe: Reasoning-Inhalte werden für die Wiedergabe von Multi-Turn-Unterhaltungen verschlüsselt zurückgegeben. Optionale Begründungszusammenfassungen (reasoning.summary) werden nicht bei jeder Antwort zurückgegeben.
  • Toolaufruf: Unterstützt integrierte Toolaufrufe mit Model Context Protocol (MCP). tool_choice unterstützt nur auto (none, required und benannte Funktionen werden nicht unterstützt).
  • Empfohlene Stichprobenerhebung: temperature 1.0, top_p 1.0 (top_k deaktiviert).
  • Bekannte Einschränkungen: Audio-, Video- und PDF-Eingaben, Chat-Vervollständigungen und zustandsorientierte Antwortspeicherung (store: true) werden nicht unterstützt. Das Modell ist nicht für tabellarische Eingaben trainiert, daher können die Ergebnisse bei tabellarischen Daten variieren. Eine vollständige Liste der Funktionen finden Sie in der Tabelle weiter oben auf dieser Seite.

Nächste Schritte