Muse Spark 1.1
Réseau Neuronal
Muse Spark 1.1 est un modèle multimodal Meta avec 1M de tokens de contexte pour les tâches d'agent et le travail sur documents.
Longueur maximale de la réponse
(en tokens)
Taille du contexte
(en tokens)
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche Muse Spark 1.1?
Muse Spark 1.1 est un modèle multimodal Meta conçu pour les scénarios d'agents : il accepte texte, images, vidéo, audio et PDF, et répond par du texte. Son contexte de 1 million de tokens permet de traiter des documents volumineux en une seule requête — dossiers, longs échanges, ensembles de fichiers — et de raisonner dessus sans diviser la source. Sur BotHub, Muse Spark 1.1 est accessible sans VPN ni carte étrangère : vous payez avec une carte russe en roubles à l'usage, pour les tokens consommés, sans abonnement, et le solde n'expire pas. Dans la même fenêtre, plus de 250 modèles sont disponibles pour comparer les réponses. Une API compatible OpenAI permet de changer de modèle sans réécrire l'intégration, et les échanges sont chiffrés en AES-GCM. Les analystes peuvent traiter rapports et présentations PDF, les équipes produit peuvent créer des agents travaillant avec des fichiers variés, les chercheurs peuvent comparer des données vidéo/audio avec des sources textuelles, et les juristes peuvent relire de longs contrats. Contrats, factures, EDI et panneau d'administration avec limites disponibles pour les entreprises.Questions fréquentes sur Muse Spark 1.1
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
muse-spark-1.1 traite texte et documents, lit les images, raisonne avant de répondre et appelle des fonctions. Idéal pour analyser de longs rapports et du code, extraire des données de PDF et scans, et préparer des réponses structurées pour vos services. Contexte de 1 048 576 tokens, inutile de diviser les documents.
La limite de sortie est de 943 718 tokens par réponse, suffisant pour un rapport volumineux, une documentation ou une série de chapitres. En pratique, il est préférable de demander le résultat par parties : cela facilite le contrôle de la qualité et la gestion de la consommation des tokens, qui n'expirent pas.
Oui, le mode de raisonnement est confirmé : le modèle élabore d'abord sa solution, puis donne le résultat. Cela aide pour les tâches à logique multi-étapes, l'analyse de code, les calculs et la vérification de documents. Notez que la réflexion consomme aussi des tokens, formulez donc vos requêtes avec précision.
Oui, l'appel de fonctions et la sortie JSON structurée sont pris en charge, ce qui facilite l'intégration du modèle dans des agents et pipelines. Sur BotHub, cela est disponible via une API compatible OpenAI : décrivez le schéma une fois, puis changez de modèle sans réécrire l'intégration.
Vous pouvez soumettre des images et des documents, lus nativement sans reconnaissance séparée. L'audio et la vidéo ne sont pas indiqués dans nos données ; pour la transcription ou l'analyse d'enregistrements, choisissez un modèle spécialisé et basculez dessus dans la même fenêtre BotHub.
Nous n'avons pas de données sur les langues, nous ne pouvons donc pas garantir la précision en russe — testez avec vos requêtes types. Cependant, l'accès depuis la Russie fonctionne sans VPN ni carte étrangère, le paiement se fait par carte russe, et d'autres modèles sont disponibles dans l'interface pour comparaison.