Model Muse dari Meta tersedia untuk digunakan sebagai API terkelola di Agent Platform. Anda dapat melakukan streaming respons untuk mengurangi persepsi latensi pengguna akhir. Respons yang di-streaming menggunakan peristiwa yang dikirim server (SSE) untuk melakukan streaming respons secara bertahap.
Model Meta terkelola
Model berikut tersedia dari Meta untuk digunakan di Agent Platform. Untuk menemukan dan mengaktifkan model Meta, buka kartu modelnya di Model Garden.
Muse Wonder dari Meta
Muse Wonder dari Meta adalah model penalaran berkapabilitas tinggi yang dibuat untuk rekayasa software yang kompleks dan pekerjaan agentic jangka panjang. Dalam coding multilangkah, agen otonom, dan alur kerja penggunaan komputer, model ini merencanakan tugas, mendelegasikan ke sub-agen, memanggil alat secara paralel, dan memulihkan dari error.
Muse Ember dari Meta
Muse Ember dari Meta adalah model penalaran efisien yang dibuat untuk tugas agen bervolume tinggi, termasuk panggilan alat, subtugas coding, pemilihan rute, ekstraksi, dan pemrosesan dokumen panjang. Gabungkan dengan Muse Wonder atau Muse Spark 1.3 untuk perencanaan dan penalaran multilangkah.
Muse Spark 1.3 dari Meta
Muse Spark 1.3 dari Meta adalah model penalaran yang dilatih untuk alur kerja agentic dan coding kompetitif. Model ini mendukung panggilan alat bawaan dengan dukungan Model Context Protocol (MCP) dan jendela konteks 1 juta token untuk tugas multi-langkah.
Menggunakan model Meta
Model Muse dari Meta disajikan melalui
Responses API
yang kompatibel dengan OpenAI
stateless di endpoint global. Penyelesaian chat dan penyimpanan respons stateful
(store: true) tidak didukung. Kirim permintaan POST ke
https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/meta/v1/responses
dan teruskan ID model dasar (muse-wonder-1.0,
muse-ember-1.0, atau muse-spark-1.3)
di kolom model.
Perhatikan detail parameter berikut saat mengirim permintaan:
- Input: Input teks dan gambar didukung. Input audio, video, dan PDF tidak didukung.
- Upaya penalaran: Tetapkan
reasoning.effortkeminimal,low,medium,high, atauxhigh(Muse Emberjuga mendukungmax).nonetidak didukung. - Panggilan alat:
tool_choicehanya mendukungauto(none,required, dan pilihan fungsi bernama tidak didukung).
Contoh berikut mengirimkan permintaan perintah ke Muse Wonder di endpoint global. Ganti PROJECT_ID dengan project IDGoogle Cloud Anda.
REST (curl)
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
"https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/meta/v1/responses" \
-d '{
"model": "muse-wonder-1.0",
"reasoning": {"effort": "high"},
"input": "Write a Python binary search function with type annotations.",
"max_output_tokens": 4096,
"stream": false
}'
Python (OpenAI SDK)
Instal library openai dan google-auth
(pip install --upgrade openai google-auth), siapkan
Kredensial
Default Aplikasi (gcloud auth application-default login),
lalu kirim permintaan:
import google.auth
import google.auth.transport.requests
from openai import OpenAI
PROJECT_ID = "PROJECT_ID"
LOCATION = "global"
credentials, _ = google.auth.default(
scopes=["https://www.googleapis.com/auth/cloud-platform"]
)
credentials.refresh(google.auth.transport.requests.Request())
client = OpenAI(
base_url=f"https://aiplatform.googleapis.com/v1/projects/{PROJECT_ID}/locations/{LOCATION}/publishers/meta/v1",
api_key=credentials.token,
)
response = client.responses.create(
model="muse-wonder-1.0",
reasoning={"effort": "high"},
input="Write a Python binary search function with type annotations.",
max_output_tokens=4096,
)
print(response.output_text)