Muse Spark 1.1
Rede Neural
Muse Spark 1.1 é um modelo multimodal da Meta com contexto de 1M de tokens para tarefas de agentes e documentos.
Comprimento máximo de resposta
(em tokens)
Tamanho do contexto
(em tokens)
Custo do prompt
(por 1M tokens)
Custo da resposta
(por 1M tokens)
Como funciona Muse Spark 1.1?
Muse Spark 1.1 é um modelo multimodal da Meta projetado para cenários de agentes: aceita texto, imagens, vídeo, áudio e documentos PDF, respondendo com texto. O contexto de 1 milhão de tokens permite manter materiais volumosos em uma única solicitação — dossiês, longas correspondências, conjuntos de arquivos — e raciocinar sobre eles sem dividir a fonte. No BotHub, o Muse Spark 1.1 está disponível sem VPN ou cartão estrangeiro: você paga com cartão local em moeda local conforme o uso, por tokens consumidos, não por assinatura, e o saldo não expira. No mesmo painel, há mais de 250 modelos para alternar e comparar respostas. Uma API compatível com OpenAI permite trocar de modelo sem reescrever a integração, com conversas criptografadas via AES-GCM. Analistas podem usar para analisar relatórios e apresentações em PDF, equipes de produto para criar agentes que lidam com arquivos diversos, pesquisadores para comparar dados de vídeo/áudio com fontes de texto, e advogados para revisar contratos longos. Empresas têm acesso a contratos, faturas, EDI e painel administrativo com limites.Perguntas frequentes sobre Muse Spark 1.1
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
O muse-spark-1.1 trabalha com texto e documentos, lê imagens, raciocina antes de responder e chama funções. Adequado para analisar grandes relatórios e códigos, extrair dados de PDFs e digitalizações, e preparar respostas estruturadas para seus serviços. O contexto é de 1.048.576 tokens, então não é necessário dividir os materiais.
O limite de saída é de 943.718 tokens por resposta, o suficiente para um relatório volumoso, documentação ou uma série inteira de capítulos. Na prática, é mais conveniente solicitar o resultado em partes: assim é mais fácil verificar a qualidade durante o trabalho e gerenciar o consumo de tokens, que não expiram.
Sim, o modo de raciocínio é confirmado: o modelo primeiro constrói o processo de solução e depois fornece o resultado. Isso ajuda em tarefas com lógica de várias etapas, análise de código, cálculos e verificação de documentos. Lembre-se de que o raciocínio também consome tokens, portanto, consultas complexas devem ser formuladas com precisão.
Sim, tanto a chamada de funções quanto a saída estruturada em JSON são suportadas, tornando o modelo fácil de integrar em agentes e pipelines. No BotHub, isso está disponível através de uma API compatível com OpenAI: você descreve o esquema uma vez e depois altera o modelo sem reescrever a integração.
Imagens e documentos podem ser enviados como entrada, e os arquivos são lidos nativamente, sem reconhecimento separado. Áudio e vídeo não estão marcados em nossos dados, portanto, para transcrição ou análise de gravações, escolha um modelo especializado e alterne para ele na mesma janela do BotHub.
Não temos dados sobre idiomas, portanto não podemos prometer precisão em português — verifique com suas consultas típicas. No entanto, o acesso funciona sem VPN, o pagamento é feito com cartões locais, e há outros modelos na interface para comparação.