Muse Spark 1.1
Red Neuronal
Muse Spark 1.1 es un modelo multimodal de Meta con 1M de tokens de contexto para tareas de agentes y trabajo con documentos.
Longitud máxima de respuesta
(en tokens)
Tamaño del contexto
(en tokens)
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Cómo funciona Muse Spark 1.1?
Muse Spark 1.1 es un modelo multimodal de Meta diseñado para escenarios de agentes: acepta texto, imágenes, vídeo, audio y documentos PDF, y responde con texto. Su contexto de 1 millón de tokens permite procesar materiales extensos en una sola solicitud —dossiers, correspondencia larga, conjuntos de archivos— y razonar sobre ellos sin fragmentar la fuente. En BotHub, Muse Spark 1.1 está disponible sin VPN ni tarjetas extranjeras: pagas con tarjeta rusa en rublos según el uso, por tokens consumidos, sin suscripciones y sin caducidad de saldo. En la misma ventana, tienes más de 250 modelos para comparar respuestas en una misma tarea; una API única compatible con OpenAI permite cambiar de modelo en sistemas multimodales sin reescribir la integración, y los chats están cifrados con AES-GCM. Es útil para analistas que revisan informes y presentaciones en PDF, equipos de producto que crean agentes con archivos diversos, investigadores que comparan datos de vídeo y audio con fuentes de texto, y abogados que revisan contratos largos. Las empresas disponen de contratos, facturas, EDI y panel de administración con límites.Preguntas frecuentes sobre Muse Spark 1.1
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
muse-spark-1.1 trabaja con texto y documentos, lee imágenes, razona antes de responder y llama a funciones. Es ideal para analizar informes extensos y código, extraer datos de PDF y escaneos, y preparar respuestas estructuradas para sus servicios. El contexto es de 1 048 576 tokens, por lo que no es necesario fragmentar los materiales.
El límite de salida es de 943 718 tokens por respuesta, suficiente para un informe extenso, documentación o una serie de capítulos completos. En la práctica, es más cómodo solicitar resultados por partes: así es más fácil verificar la calidad durante el proceso y gestionar el consumo de tokens, que no caducan.
Sí, el modo de razonamiento está confirmado: el modelo primero estructura el proceso de solución y luego entrega el resultado. Esto ayuda en tareas con lógica de varios pasos, análisis de código, cálculos y verificación de documentos. Tenga en cuenta que el razonamiento también consume tokens, por lo que las consultas complejas deben formularse con precisión.
Sí, admite tanto la llamada a funciones como la salida estructurada en JSON, por lo que es fácil integrar el modelo en agentes y pipelines. En BotHub, esto está disponible a través de una API única compatible con OpenAI: describe el esquema una vez y luego puede cambiar de modelo sin reescribir la integración.
Se pueden ingresar imágenes y documentos, y los archivos se leen de forma nativa, sin necesidad de reconocimiento por separado. El audio y el vídeo no están marcados en nuestros datos, por lo que para locución o análisis de grabaciones, elija un modelo especializado y cámbielo en la misma ventana de BotHub.
No tenemos datos sobre idiomas, por lo que no podemos prometer precisión en ruso; pruébelo con sus consultas típicas. Sin embargo, el acceso desde Rusia funciona sin VPN ni tarjetas extranjeras, el pago se realiza con tarjetas rusas y hay otros modelos disponibles en la interfaz para comparar.