Model Muse dari Meta

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.effort ke minimal, low, medium, high, atau xhigh (Muse Ember juga mendukung max). none tidak didukung.
  • Panggilan alat: tool_choice hanya mendukung auto (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)