Os modelos Muse da Meta estão disponíveis para uso como APIs gerenciadas na Agent Platform. É possível transmitir as respostas para reduzir a percepção de latência do usuário final. Uma resposta transmitida usa eventos enviados pelo servidor (SSE) para transmitir a resposta de forma incremental.
Modelos gerenciados da Meta
Os seguintes modelos estão disponíveis na Meta para uso na Agent Platform. Para encontrar e ativar um modelo da Meta, acesse o card de modelo no Model Garden.
Muse Wonder da Meta
O Muse Wonder da Meta é um modelo de raciocínio de alta capacidade criado para engenharia de software complexa e trabalho de agentes de longo alcance. Em fluxos de trabalho de programação em várias etapas, agentes autônomos e uso de computadores, ele planeja tarefas, delega para subagentes, chama ferramentas em paralelo e se recupera de erros.
Muse Ember da Meta
O Muse Ember da Meta é um modelo de raciocínio eficiente criado para tarefas de agentes de alto volume, incluindo chamadas de ferramentas, subtarefas de programação, roteamento, extração e processamento de documentos longos. Combine-o com o Muse Wonder ou o Muse Spark 1.3 para planejamento e raciocínio em várias etapas.
Muse Spark 1.3 da Meta
O Muse Spark 1.3 da Meta é um modelo de raciocínio treinado para fluxos de trabalho de agentes e programação competitiva. Ele oferece suporte à chamada de ferramentas integrada com o Protocolo de Contexto de Modelo (MCP) e uma janela de contexto de 1 milhão de tokens para tarefas de várias etapas.
Usar modelos da Meta
Os modelos Muse da Meta são disponibilizados pela API Responses sem estado compatível com a OpenAI no endpoint global. As conclusões de chat e o armazenamento de respostas com estado
(store: true) não são compatíveis. Envie solicitações POST para
https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/meta/v1/responses
e transmita o ID do modelo simples (muse-wonder-1.0,
muse-ember-1.0 ou muse-spark-1.3)
no campo model.
Lembre-se dos seguintes detalhes de parâmetros ao enviar solicitações:
- Entradas: entradas de texto e imagem são aceitas. Não há suporte para entradas de áudio, vídeo e PDF.
- Esforço de raciocínio: defina
reasoning.effortcomominimal,low,medium,highouxhigh(Muse Embertambém aceitamax).nonenão é aceito. - Chamada de ferramenta: o
tool_choiceaceita apenasauto(none,requirede opções de função nomeada não são aceitas).
Os exemplos a seguir enviam uma solicitação de comando para o Muse Wonder no
endpoint global. Substitua PROJECT_ID pelo ID do projeto doGoogle Cloud .
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 (SDK da OpenAI)
Instale as bibliotecas openai e google-auth
(pip install --upgrade openai google-auth), configure o
Application
Default Credentials (gcloud auth application-default login)
e envie uma solicitação:
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)