Muse Spark 1.1 هو نموذج الاستدلال متعدد الوسائط من Meta، المصمم للمهام الوكيلية. يقبل نطاقًا واسعًا بشكل غير معتاد من المدخلات — النصوص والصور والفيديو والصوت ومستندات PDF — ويُخرج النصوص مع الاستدلال عبر الوسائط بشكل أصلي ضمن نافذة سياقية بسعة 1M رمز. يدعم جهد استدلال قابل للتكوين واستدعاء أدوات أصلي، مما يجعله مناسبًا للوكلاء متعددي الوسائط، والبحث العميق عبر الوسائط المختلطة، وتحليل السياق الطويل. بفضل الاستدلال الفعال وسطح إدخال واسع، يستهدف Muse Spark 1.1 أعباء العمل التي تجمع بين المستندات ولقطات الشاشة والتسجيلات والفيديو مع النصوص — بدءًا من تحليل التقارير الطويلة ومكتبات الوسائط وصولاً إلى تشغيل خطوط أنابيب وكيلية متعددة الخطوات يجب أن تستدل على ما هو أبعد من النصوص فقط.
Meta Muse Spark 1.1 هو نموذج لغوي كبير متعدد الوسائط من Meta يمكنه معالجة النصوص والصور والفيديو والملفات والصوت في سياق واحد. نافذة السياق الخاصة به هي 1,048,576 رمزًا – أي ما يقارب مليون رمز – مما…
القدرة الرئيسية لـ Muse Spark 1.1 هي معالجته واستنتاجه لسياق طويل جدًا (1,048,576 رمزًا) يتضمن أنواعًا متعددة من الوسائط. يمكنه تحليل ملف PDF مكون من 500 صفحة مع صور مضمنة، أو فيديو مدته ساعتين إلى جانب نصه الصوتي، في جلسة واحدة. وهذا يلغي الحاجة إلى التقسيم أو نماذج منفصلة. كما أن النموذج قادر على اتباع تعليمات مفصلة وأداء مهام استدلال معقدة مثل التلخيص، والإجابة على الأسئلة، واستخراج الكيانات عبر مدخلات الوسائط المختلطة.
استخدم Muse Spark 1.1 عندما تستفيد مهمتك بشكل حقيقي من نافذة سياق كبيرة وطرق إدخال متعددة. إذا كنت تحتاج فقط إلى توليد نصوص قصيرة (مثل 1000 رمز) ولا تحتاج إلى صور أو صوت، فإن نموذجًا نصيًا أرخص بسياق أصغر يكون أكثر فعالية من حيث التكلفة. ومع ذلك، من أجل الفهم متعدد الوسائط من البداية إلى النهاية – مثل تلخيص فيديو مع تفاصيله البصرية والصوتية – يمكن لـ Muse Spark 1.1 تقليل تعقيد النظام وزمن الاستجابة بتجنب استدعاءات نماذج متعددة.
تشمل حالات الاستخدام الأمثل مراجعة المستندات القانونية باستخدام ملفات PDF ممسوحة ضوئيًا وإفادات صوتية، وتحليل السجلات الطبية الذي يجمع بين الصور والملاحظات، والإشراف على محتوى الفيديو (تحليل الإطارات والصوت)، وفهم أوراق البحث الأكاديمية مع الأشكال والجداول. أي سيناريو يتطلب أن يغطي استعلام واحد مدخلات طويلة وغير متجانسة يستفيد من هذا النموذج. كما يعمل بشكل جيد لبناء خطوط أنابيب RAG متعددة الوسائط حيث يمكن لنافذة السياق استيعاب مستندات كاملة بالإضافة إلى الصور ذات الصلة.
النموذج ليس محسنًا للاستجابات السريعة جدًا ذات زمن الانتقال المنخفض – السياقات الكبيرة تزيد من وقت المعالجة. كما أنه لا يدعم الإخراج المتدفق (في وقت كتابة هذا النص). بالنسبة للمهام التي تتطلب تفاعلًا في الوقت الفعلي (مثل روبوتات المحادثة)، يُفضل النماذج الأصغر. بالإضافة إلى ذلك، تكون التكلفة لكل رمز (token) أعلى من العديد من النماذج النصية فقط، لذا فقد يكون مبالغًا فيه للمهام النصية البحتة. لم يتم الكشف عن أداء النموذج في المهام المعيارية؛ يجب على المستخدمين تقييمه على بياناتهم الخاصة.
لم تصدر Meta علنًا نتائج معايير الأداء لـ Muse Spark 1.1. يُنصح المستخدمون بإجراء تقييماتهم الخاصة على المهام التمثيلية. يشير السياق الكبير للنموذج ومدخلاته متعددة الوسائط إلى أنه يجب أن يؤدي أداءً جيدًا في فهم المستندات و visual QA، لكن لا توجد أرقام معيارية في الحقائق المقدمة. لا يوفر OrcaRouter بيانات معايير إضافية؛ الأداء كما هو مقدم من Meta.
معالجة 1,048,576 رمزًا من البيانات متعددة الوسائط مكلفة حسابيًا. يعتمد زمن الاستجابة على طول الإدخال، وعدد الصور أو إطارات الفيديو، وعدد رموز الإخراج. بالنسبة للسياقات الطويلة جدًا، توقع دقائق بدلاً من الثواني. لا ينشر OrcaRouter معايير أداء لزمن الاستجابة لهذا النموذج. يجب على المستخدمين الاختبار بأعباء عمل واقعية لتحديد أوقات الاستجابة المقبولة لتطبيقهم.
الحد الرئيسي هو نقص بيانات الأداء المتاحة للجمهور، مما يجعل من الصعب مقارنتها مع النماذج البديلة دون اختبار مخصص. كما أن النموذج لا يدعم أنواع الإخراج التي تتجاوز النص – لا يمكنه إنشاء صور أو صوت. بالإضافة إلى ذلك، فإن سياق الرمز المميز البالغ 1 مليون هو نظري؛ قد تتدهور الدقة في العالم الحقيقي عند الحد الأقصى للطول في بعض المهام. كما هو الحال مع جميع النماذج الكبيرة، يمكن أن تكون النتائج غير متناسقة عبر أنماط المطالبة المختلفة.
نظرًا لاحتمالية ارتفاع زمن الاستجابة عند معالجة السياقات متعددة الوسائط الكبيرة، فإن هذا النموذج غير موصى به للتطبيقات في الوقت الفعلي مثل برامج الدردشة التفاعلية أو النسخ المباشر. إنه أكثر ملاءمة للمعالجة الدفعية والتحليل غير المتصل وسير العمل غير المتزامن حيث تكون بضع ثوانٍ إلى دقائق من وقت المعالجة مقبولة. بالنسبة للاحتياجات ذات زمن الاستجابة المنخفض، فكر في استخدام نماذج أصغر وأسرع متاحة عبر OrcaRouter.
السعر هو 1.25 دولار لكل مليون رمز إدخال و4.25 دولار لكل مليون رمز إخراج. يتم حساب الرموز وفقًا لمجزئ النموذج؛ تشمل رموز الإدخال كل النصوص، ورموز الصور (عادةً 170 رمزًا لكل صورة)، وإطارات الفيديو، والصوت، ومحتوى الملفات. رموز الإخراج هي النصوص المُنتجة. يمرر OrcaRouter سعر المزود بهامش ربح صفري، لذا تكون التكلفة هي هذه الأرقام تمامًا. لا توجد رسوم إضافية على المنصة.
نظرًا لأن النموذج يدعم ما يصل إلى 1M رمز إدخال، فإن استدعاء واحد بمستند طويل قد يكلف 1.25 دولار أو أكثر في رموز الإدخال وحدها. بالنسبة للمدخلات القصيرة (مثل بضعة آلاف من الرموز)، تكون التكلفة أقل بكثير – حوالي 0.0013 دولار لكل 1000 رمز إدخال. المفاضلة هي أنه بالنسبة للمهام التي تتطلب سياقًا صغيرًا فقط، فإن النماذج الأرخص ذات الأسعار الأقل لكل رمز تكون أكثر اقتصادًا. بالنسبة للمهام متعددة الوسائط ذات السياق الكبير، قد يكون هذا النموذج أكثر فعالية من حيث التكلفة من تقسيم العمل عبر عدة نماذج.
لا تقدم OrcaRouter حاليًا خيارات التخزين المؤقت أو خصومات الحجم لـ Muse Spark 1.1. يتم التسعير بنظام الدفع حسب الاستخدام لكل رمز (token). لا يوجد تسعير متدرج يعتمد على حجم الاستخدام. يجب على المستخدمين مراقبة استهلاكهم من الرموز، خاصةً في حالات الإدخالات الكبيرة متعددة الوسائط، لإدارة التكاليف. تضمن سياسة هامش الربح الصفري أن التكلفة تعكس سعر المزود الأساسي تمامًا.
لا. تفرض OrcaRouter رسومًا فقط على استهلاك الرموز بسعر المزوّد مع هامش ربح صفري. لا توجد رسوم طلبات، ولا حد أدنى شهري، ولا رسوم إضافية للبث المباشر (على الرغم من أن النموذج لا يدعم البث المباشر حاليًا). التكلفة الوحيدة هي رموز الإدخال بسعر $1.25/1M ورموز الإخراج بسعر $4.25/1M. يتحمل المستخدمون أي تكاليف مرتبطة بتشفير أو نقل الوسائط إلى واجهة API (عرض النطاق الترددي للشبكة).
استخدم نقطة نهاية محادثات الإكمال المتوافقة مع OpenAI. عيِّن base_url إلى https://api.orcarouter.ai/v1. في جسم الطلب، عيِّن model إلى "meta/muse-spark-1.1". قم بتضمين الرسائل بتنسيق OpenAI القياسي. بالنسبة للمحتوى متعدد الوسائط، استخدم رسالة بدور "user" ومحتوى كمصفوفة من الأجزاء: نص، image_url، إلخ. المصادقة تكون عبر مفتاح API المقدم من OrcaRouter. مثال في بايثون باستخدام مكتبة openai: client = OpenAI(base_url='https://api.orcarouter.ai/v1', api_key='your-key').
تدعم واجهة API المعلمات القياسية: max_tokens (حد الرموز المخرجة)، temperature (0-2، القيمة الافتراضية 1)، top_p (0-1)، frequency_penalty، presence_penalty، تسلسلات الإيقاف (stop sequences)، و seed لنتائج محددة. لا يدعم النموذج التدفق (streaming) أو استدعاء الوظائف (function calling) في الوقت الحالي. المعلمة n (عدد الإكمالات) غير مدعومة أيضًا – يتم إكمال واحد فقط لكل طلب. حد نافذة السياق هو 1,048,576 رمزًا إجماليًا للمدخلات والمخرجات معًا.
إذا كنت تستخدم مزودًا آخر حاليًا، فغيّر عنوان URL الأساسي إلى https://api.orcarouter.ai/v1 واسم النموذج إلى "meta/muse-spark-1.1". احصل على مفتاح API الخاص بـ OrcaRouter من لوحة التحكم. تنسيق جسم الطلب مماثل لواجهة برمجة تطبيقات OpenAI. المحتوى متعدد الوسائط (صور، فيديوهات، ملفات، صوت) يستخدم نفس تنسيق نقاط النهاية الخاصة بالرؤية في OpenAI. لا يلزم إجراء أي تغييرات أخرى في الكود. اختبر باستخدام طلب صغير لتأكيد الترميز والتكاليف.
في الوقت الحالي، لا يدعم Muse Spark 1.1 البث المباشر. الطلبات متزامنة؛ يتم إرجاع الاستجابة بمجرد اكتمال التوليد. بالنسبة للمطالبات ذات السياق الطويل، قد يستغرق ذلك وقتاً طويلاً. قد يضيف OrcaRouter دعم البث المباشر في المستقبل، ولكن حتى الآن يتوفر فقط الوضع غير المتدفق. يمكن تحقيق المعالجة غير المتزامنة عن طريق إرسال الطلبات بشكل متوازٍ من تطبيقك.
Muse Spark 1.1’s context window of 1,048,576 tokens is among the largest available, competing with models from other providers. However, being a multimodal model, it is specifically designed to handle mixed inputs. Purely text-based large-context models may be cheaper per token for text-only tasks. The provided facts do not specify benchmark comparisons, so users should evaluate based on their own multimodal needs.
النماذج متعددة الوسائط الأصغر (على سبيل المثال، ذات سياق 128K) أسرع وأرخص ولكنها لا تستطيع معالجة قدر كبير من المعلومات في استدعاء واحد. Muse Spark 1.1 يضحي بالسرعة والتكلفة من أجل القدرة على استيعاب مستندات كاملة أو مقاطع فيديو طويلة. بالنسبة للمهام التي يمكن تجزئتها، قد يكون استخدام نموذج أصغر أكثر كفاءة. الاختيار الصحيح يعتمد على ما إذا كان تطبيقك يتطلب حقًا معالجة لمرة واحدة لمدخلات كبيرة جدًا.
استخدم نموذجًا نصيًا فقط عندما لا تحتوي مدخلاتك على صور أو فيديو أو صوت. غالبًا ما تكون النماذج النصية فقط ذات أحجام السياق المماثلة أرخص لكل توكن. على سبيل المثال، إذا كانت مهمتك تلخيص مستند نصي يتكون من مليون توكن دون أي عناصر مرئية، فإن نموذجًا نصيًا بحتًا بتكلفة أقل من 1.25 دولار لكل مليون إدخال سيكون أكثر فعالية من حيث التكلفة. تسعير Muse Spark 1.1 تنافسي للمهام متعددة الوسائط، ولكن ليس للنص الخالص.
OrcaRouter توفّر واجهة موحدة متوافقة مع OpenAI، بينما قد تستخدم واجهة Meta المباشرة بروتوكولًا خاصًا بها. OrcaRouter لا تضيف أي هامش ربح، لذا فإن تكلفة الرموز هي نفسها (بافتراض أن Meta تفرض نفس السعر). قد تقدم OrcaRouter ميزات إضافية مثل إدارة مفاتيح API، وتتبع الاستخدام، وموازنة الأحمال عبر المزودين. يعتمد الاختيار على ما إذا كنت تفضل تجريدًا ثابتًا لواجهة API عبر نماذج متعددة.
متوافق مع OpenAI — أبقِ على SDK الحالي
https://api.orcarouter.ai/v1import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["ORCAROUTER_API_KEY"],
)
response = client.chat.completions.create(
model="meta/muse-spark-1.1",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensreasoningreasoning_effortrepetition_penaltyresponse_formatstructured_outputstemperaturetool_choicetoolstop_ktop_p| الإدخال / 1M توكن | $1.25 |
| الإخراج / 1M توكن | $4.25 |
| قراءة الذاكرة المؤقتة / 1M | $0.150 |
| العملة | USD |
تقدير بناءً على السعر المُعلن
تقدير فقط — يعتمد العدد الفعلي للرموز على مُجزّئ الرموز الخاص بالمزوّد.
ما يتحدث عنه المطورون هذا الأسبوع
GET /api/public/models/meta/muse-spark-1.1فتح @misc{orcarouter_muse_spark_1_1,
title = {Muse Spark 1.1 API},
author = {Meta},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/meta/muse-spark-1.1}
}Meta. (2026). Muse Spark 1.1 API. OrcaRouter. https://www.orcarouter.ai/models/meta/muse-spark-1.1