Muse Spark 1.3

Для Muse Spark 1.3 используйте Chat Completions API.

О модели

Muse Spark 1.3 — модель Meta для длительной разработки и агентных задач с инструментами.

По данным Meta, по сравнению с Muse Spark 1.2 делает меньше лишних ходов и пишет короче; в сравнении инженеров Meta — примерно на 20 % меньше вызовов инструментов и на 25 % меньше токенов.

Meta рекомендует её для новых проектов. Модель уточняет непонятное, сообщает, если застряла, и просит подтверждение перед необратимыми действиями; контекст такой же, как у Muse Spark 1.2 и 1.1, — 1 048 576 токенов.

Принимает текст, изображения, видео и PDF, отвечает текстом. Поддерживает вызов функций и ответы по JSON Schema; рассуждения всегда включены, уровни minimal, low, medium, high, xhigh и max.

Стоимость

Текущая стоимость использования этой модели:

Что оплачивается	Стоимость
Входные токены	125₽ за 1 млн токенов
Выходные токены	425₽ за 1 млн токенов
Чтение из кэша	15₽ за 1 млн токенов
Входные токены изображений	137,50₽ за 1 млн токенов
Входные видеотокены	137,50₽ за 1 млн токенов
Веб-поиск	250₽ за 1 000 запросов

Как считается расход

Учитываются все токены
И входные (input), и сгенерированные моделью (output)

Характеристики

Параметр	Значение
Вход	Текст, изображения, видео, PDF
Выход	Текст
Контекст	1 048 576 токенов
Рассуждения	Всегда включены; уровни minimal, low, medium, high, xhigh, max
Дата выхода	2 сентября 2026

Сравнение с соседними моделями

Модель	Контекст	Рассуждения	Назначение по описанию Meta
Muse Wonder 1.0	1 048 576 токенов	Уровни от minimal до max	Сложная разработка и длинные агентные задачи, предварительный доступ
Muse Spark 1.3 (эта модель)	1 048 576 токенов	Все уровни, включая max	Агентные процессы и программирование, рекомендуется для новых проектов
Muse Spark 1.2	1 048 576 токенов	—	Предыдущая версия, рекомендуется для аудио на входе
Muse Spark 1.1	1 048 576 токенов	—	Исходная версия

Бенчмарки

Бенчмарк	Результат	Условия
DeepSWE v1.1	75,4 %	Уровень max, mini-swe-agent, 113 задач
Terminal-Bench 2.1	88,8 %	Уровень max, родная кодовая обвязка модели, изолированная среда без интернета, 89 задач
SWE-Atlas Codebase QnA	59,4 %	Уровень max, mini-swe-agent, 124 задачи по пониманию кода
DeepSearchQA	90,3 %	Уровень max, 900 вопросов с браузерными инструментами, метрика F1
MRCR v2, 256K–512K	98,5 %	Уровень max, 100 примеров, 8 целевых фрагментов, средняя доля совпадения
MRCR v2, 512K–1M	98,1 %	Уровень max, 100 примеров, 8 целевых фрагментов, средняя доля совпадения

API

Эндпоинт

http

POST https://api.dslab.tech/v1/chat/completions

Текстовый запрос

import osfrom openai import OpenAIclient = OpenAI(    api_key=os.environ["DSLAB_API_KEY"],    base_url="https://api.dslab.tech/v1",)response = client.chat.completions.create(    model="muse-spark-1.3",    reasoning_effort="medium",    messages=[        {"role": "system", "content": "Отвечай кратко и по делу."},        {"role": "user", "content": "Объясни, что такое идемпотентность."},    ],)print(response.choices[0].message.content)

Параметры

Параметр	Тип	По умолчанию	Описание
model	string	обязательный	ID модели: muse-spark-1.3.
messages	array	обязательный	История диалога: роли system, user, assistant и tool. content — текст или список частей text и image_url.
max_tokens	integer	—	Максимальный ответ в токенах; рассуждения входят в выходные токены.
stream	boolean	false	Потоковый ответ.
reasoning_effort	string	—	Уровень рассуждений. Значения: minimal, low, medium, high, xhigh, max.
tools	array	—	Ваши функции: type function, name, description и parameters в виде JSON Schema.
tool_choice	string или object	auto	Вызывать ли функцию: auto — решает модель, none — не вызывать, required — вызвать любую функцию.

Важно знать

Аудио на входе поддерживается не полностью, качество ответа может снижаться; для аудио Meta рекомендует Muse Spark 1.2.
Значение reasoning_effort none возвращает ошибку 400: модель всегда рассуждает.
Параметры logprobs, stop, logit_bias, web_search_options, modalities и audio, а также n больше 1 возвращают ошибку 400.
Через Chat Completions шлюз принимает текст и изображения (части text и image_url).
Для длинных ответов используйте stream: долгие запросы без потока могут завершиться ошибкой 504.