Modelos do Muse da Meta

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.effort como minimal, low, medium, high ou xhigh (Muse Ember também aceita max). none não é aceito.
  • Chamada de ferramenta: o tool_choice aceita apenas auto (none, required e 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)