Muse Spark 1.1 הוא מודל החשיבה הרב-מודאלי של Meta, המיועד למשימות סוכניות. הוא מקבל מגוון רחב בצורה חריגה של קלטים — טקסט, תמונות, וידאו, אודיו ומסמכי PDF — ומחזיר טקסט תוך חשיבה טבעית על פני מודאליות בתוך חלון הקשר של 1M-token. הוא תומך במאמץ חשיבה הניתן להגדרה ובקריאה מקורית לכלים, מה שהופך אותו למתאים במיוחד לסוכנים רב-מודאליים, מחקר מעמיק על מדיה מעורבת וניתוח הקשר ארוך. עם הסקה יעילה ומשטח קלט רחב, Muse Spark 1.1 מכוון לעומסי עבודה המשלבים מסמכים, צילומי מסך, הקלטות ווידאו עם טקסט — מניתוח דוחות ארוכים וספריות מדיה ועד להנעת צינורות סוכניים רב-שלביים שחייבים לחשוב מעבר לטקסט בלבד.
Meta Muse Spark 1.1 הוא מודל שפה רב-מודאלי מבית Meta שיכול לעבד טקסט, תמונות, וידאו, קבצים ואודיו בהקשר אחד. חלון ההקשר שלו הוא 1,048,576 טוקנים – כמיליון טוקנים – המאפשר טיפול בקלטים ארוכים מאוד או…
החוזק העיקרי של Muse Spark 1.1 הוא היכולת שלו לעבד ולנתח הקשר ארוך מאוד (1,048,576 טוקנים) הכולל סוגי מדיה מרובים. הוא יכול לנתח מסמך PDF בן 500 עמודים עם תמונות מוטמעות, או סרטון בן שעתיים יחד עם תמלול האודיו שלו, בבת אחת. הדבר מבטל את הצורך בפיצול או במודלים נפרדים. המודל מסוגל גם לעקוב אחר הוראות מפורטות ולבצע משימות חשיבה מורכבות כמו סיכום, מענה על שאלות, וחילוץ ישויות מתשומות מעורבות מדיה.
השתמשו ב-Muse Spark 1.1 כאשר המשימה שלכם באמת מרוויחה מחלון הקשר גדול וממספר מצבי קלט. אם אתם זקוקים רק ליצירת טקסט קצר (למשל, 1,000 טוקנים) וללא תמונות או אודיו, מודל זול יותר שמבוסס על טקסט בלבד עם הקשר קטן יותר הוא חסכוני יותר. עם זאת, לצורך הבנה מולטי-מודאלית מקצה לקצה – כמו סיכום סרטון עם הפרטים החזותיים והאודיו שלו – Muse Spark 1.1 יכול להפחית את מורכבות המערכת ואת זמן ההשהיה על-ידי הימנעות מקריאות מרובות למודל.
מקרי השימוש הטובים ביותר כוללים סקירת מסמכים משפטיים עם קובצי PDF סרוקים והקלטות עדות, ניתוח רשומות רפואיות המשלב תמונות והערות, ניהול תוכן וידאו (ניתוח פריימים ושמע), והבנת מאמרי מחקר אקדמיים עם איורים וטבלאות. כל תרחיש שבו הנחיה בודדת חייבת לכסות קלט ארוך והטרוגני נהנה מהמודל הזה. הוא עובד היטב גם לבניית צנרת RAG רב-מודאלית שבה חלון ההקשר יכול להכיל מסמכים שלמים בתוספת תמונות רלוונטיות.
המודל אינו מותאם לתגובות מהירות במיוחד עם השהייה נמוכה – הקשרים גדולים מגדילים את זמן העיבוד. הוא גם אינו תומך בפלט זורם (נכון למועד כתיבת שורות אלו). למשימות הדורשות אינטראקציה בזמן אמת (למשל, צ'אטבוטים), מודלים קטנים יותר עדיפים. בנוסף, העלות לכל אסימון גבוהה יותר מאשר במודלים רבים מבוססי טקסט בלבד, כך שלמשימות טקסט טהורות הוא עשוי להיות מוגזם. ביצועי המודל במשימות מדד לא פורסמו; על המשתמשים להעריך על הנתונים שלהם.
Meta לא פרסמה בפומבי ציוני benchmark עבור Muse Spark 1.1. מומלץ למשתמשים להריץ הערכות משלהם על משימות מייצגות. ה-context הגדול של המודל והקלט הרב-מודאלי מרמזים שהוא אמור להצליח בהבנת מסמכים ו-Visual QA, אך אין נתונים סטנדרטיים בעובדות שסופקו. OrcaRouter אינו מספק נתוני benchmark נוספים; הביצועים הם כפי שסופקו על ידי Meta.
עיבוד של 1,048,576 טוקנים של נתונים מולטי-מודליים הוא יקר מבחינה חישובית. ההשהיה תלויה באורך הקלט, במספר התמונות או הפריימים בווידאו, ובמספר הטוקנים בפלט. בהקשרים ארוכים מאוד, צפו לדקות ולא שניות. OrcaRouter לא מפרסם מדדי השהיה לדגם זה. על המשתמשים לבדוק עם עומסי עבודה ריאליסטיים כדי לקבוע זמני תגובה מקובלים ליישום שלהם.
המגבלה העיקרית היא היעדר נתוני ביצועים זמינים לציבור, מה שמקשה על השוואה מול מודלים חלופיים ללא בדיקות מותאמות אישית. המודל גם אינו תומך בפלט מעבר לטקסט – הוא אינו יכול ליצור תמונות או אודיו. בנוסף, הקונטקסט של 1M טוקנים הוא תיאורטי; הדיוק בעולם האמיתי עלול להתדרדר באורך מקסימלי עבור משימות מסוימות. כמו בכל המודלים הגדולים, התוצאות עשויות להיות לא עקביות בין סגנונות פרומפט שונים.
בגלל הפוטנציאל לעיכוב גבוה בעת עיבוד הקשרים מולטי-מודליים גדולים, דגם זה אינו מומלץ ליישומים בזמן אמת כמו צ'אטבוטים אינטראקטיביים או תמלול חי. הוא מתאים יותר לעיבוד אצווה, ניתוח לא מקוון, וזרימות עבודה אסינכרוניות שבהן כמה שניות עד דקות של זמן עיבוד מקובל. עבור צרכים בעלי חביון נמוך, שקלו דגמים קטנים ומהירים יותר הזמינים דרך OrcaRouter.
תמחור הוא $1.25 למיליון טוקני קלט ו-$4.25 למיליון טוקני פלט. הטוקנים נספרים לפי הטוקנייזר של המודל; טוקני קלט כוללים את כל הטקסט, טוקני תמונה (בדרך כלל 170 טוקנים לתמונה), פריימים של וידאו, אודיו ותוכן קבצים. טוקני פלט הם טקסט שנוצר. OrcaRouter מעביר את תעריף הספק ללא תוספת מחיר, כך שהעלות היא בדיוק הנתונים האלה. אין עמלות פלטפורמה נוספות.
מכיוון שהמודל תומך בעד 1M אסימוני קלט, קריאה בודדת עם מסמך ארוך יכולה לעלות $1.25 או יותר רק באסימוני הקלט. עבור קלטים קצרים (למשל, כמה אלפי אסימונים), העלות נמוכה בהרבה – בסביבות $0.0013 עבור 1,000 אסימוני קלט. הפשרה היא שלמשימות הדורשות הקשר קטן בלבד, מודלים זולים יותר עם תעריפים נמוכים יותר לאסימון הם חסכוניים יותר. עבור משימות מולטי-מודליות עם הקשר גדול, מודל זה עשוי להיות חסכוני יותר מאשר פיצול העבודה בין מספר מודלים.
OrcaRouter אינו מציע כרגע קיזוז או הנחות נפח עבור Muse Spark 1.1. התמחור הוא תשלום לפי שימוש עבור כל אסימון. אין תמחור מדורג לפי נפח שימוש. על המשתמשים לעקוב אחר צריכת האסימונים שלהם, במיוחד עבור קלטים מולטי-מודאליים גדולים, כדי לנהל עלויות. מדיניות אפס-תגמול מבטיחה שהעלות משקפת בדיוק את מחיר הספק הבסיסי.
לא. OrcaRouter גובה תשלום רק על צריכת טוקנים לפי תעריף הספק ללא תוספת מחיר. אין דמי בקשה, אין מינימום חודשי, ואין תוספות עבור הזרמה (למרות שהמודל אינו תומך בהזרמה כרגע). העלות היחידה היא טוקני קלט במחיר $1.25/1M וטוקני פלט במחיר $4.25/1M. המשתמשים אחראים לכל עלות הכרוכה בקידוד או בהעברת מדיה ל-API (רוחב פס רשת).
השתמש בנקודת הקצה של השלמות צ'אט התואמת ל-OpenAI. הגדר base_url ל-https://api.orcarouter.ai/v1. בגוף הבקשה, הגדר model ל-"meta/muse-spark-1.1". כלול הודעות בפורמט הסטנדרטי של OpenAI. לתוכן מולטי-מודאלי, השתמש בהודעה עם role "user" ו-content כמערך של חלקים: text, image_url וכו'. האימות נעשה באמצעות מפתח API שמסופק על ידי OrcaRouter. דוגמה ב-Python באמצעות ספריית openai: client = OpenAI(base_url='https://api.orcarouter.ai/v1', api_key='your-key').
ה-API תומך בפרמטרים סטנדרטיים: max_tokens (מגבלת אסימוני פלט), temperature (0-2, ברירת מחדל 1), top_p (0-1), frequency_penalty, presence_penalty, stop sequences, ו-seed לפלטים דטרמיניסטיים. המודל אינו תומך ב-streaming או function calling בשלב זה. הפרמטר n (מספר ההשלמות) גם אינו נתמך – רק השלמה אחת לבקשה. מגבלת חלון ההקשר היא 1,048,576 אסימונים בסך הכל לקלט ולפלט גם יחד.
אם אתה משתמש כיום בספק אחר, שנה את כתובת ה-URL הבסיסית ל-https://api.orcarouter.ai/v1 ואת שם המודל ל-"meta/muse-spark-1.1". השג מפתח API של OrcaRouter מלוח המחוונים. פורמט גוף הבקשה זהה ל-API של OpenAI. תוכן מולטימודאלי (תמונות, סרטונים, קבצים, אודיו) משתמש באותו פורמט כמו נקודות הקצה של החזון של OpenAI. אין צורך בשינויי קוד אחרים. בדוק עם בקשה קטנה כדי לאשר אסימונים ועלויות.
נכון לעכשיו, Muse Spark 1.1 אינו תומך בסטרימינג. הבקשות הן סינכרוניות; התשובה מוחזרת לאחר השלמת היצירה. עבור הנחיות עם הקשר ארוך, זה עשוי לקחת זמן משמעותי. OrcaRouter עשויה להוסיף תמיכה בסטרימינג בעתיד, אך נכון לעכשיו זמין רק מצב לא-סטרימינג. ניתן להשיג עיבוד אסינכרוני על ידי שליחת בקשות במקביל מהאפליקציה שלך.
Muse Spark 1.1 עם חלון הקשר של 1,048,576 טוקנים הוא בין הגדולים הזמינים, ומתחרה במודלים של ספקים אחרים. עם זאת, בהיותו מודל מולטי-מודאלי, הוא תוכנן במיוחד לטיפול בתשומות מעורבות. מודלים מבוססי טקסט גרידא עם הקשר רחב עשויים להיות זולים יותר לטוקן עבור משימות המבוססות על טקסט בלבד. העובדות שסופקו אינן מפרטות השוואות ביצועים, ולכן על המשתמשים להעריך על פי צורכיהם המולטי-מודאליים.
מודלים מולטימודליים קטנים יותר (למשל, עם הקשר של 128K) הם מהירים וזולים יותר, אך אינם יכולים לעבד כמות מידע גדולה בקריאה אחת. Muse Spark 1.1 מוותרת על מהירות ועלות לטובת היכולת לקלוט מסמכים שלמים או סרטונים ארוכים. עבור משימות שניתן לחתוך לחלקים, שימוש במודל קטן יותר עשוי להיות יעיל יותר. הבחירה הנכונה תלויה בשאלה אם היישום שלך באמת דורש עיבוד חד-פעמי של קלטים גדולים מאוד.
השתמש במודל טקסט בלבד כאשר הקלטים שלך אינם מכילים תמונות, וידאו או אודיו. מודלי טקסט בלבד עם גדלי הקשר דומים הם לעתים קרובות זולים יותר לטוקן. לדוגמה, אם המשימה שלך היא סיכום מסמך טקסט של 1M טוקנים ללא שום אלמנטים חזותיים, מודל טקסט טהור בעלות נמוכה מ-$1.25/1M קלט יהיה חסכוני יותר. התמחור של Muse Spark 1.1 הוא תחרותי למשימות מולטי-מודליות, אך לא לטקסט טהור.
OrcaRouter מספק ממשק אחיד תואם OpenAI, בעוד שה-API הישיר של Meta עשוי להשתמש בפרוטוקול משלו. OrcaRouter אינו מוסיף כל תוספת מחיר, כך שעלות הטוקנים זהה (בהנחה ש-Meta גובה את אותו תעריף). OrcaRouter עשוי להציע תכונות נוספות כמו ניהול מפתחות API, מעקב שימוש ואיזון עומסים בין ספקים. הבחירה תלויה בשאלה האם אתה מעדיף הפשטת API עקבית על פני מספר מודלים.
תואם OpenAI — המשיכו להשתמש ב-SDK שכבר יש לכם
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| קלט / 1M טוקנים | $1.25 |
| פלט / 1M tokens | $4.25 |
| קריאת מטמון / 1M | $0.150 |
| מטבע | USD |
הערכה מבוססת מחיר מחירון
הערכה בלבד — ספירת הטוקנים בפועל תלויה בטוקנייזר של הספק.
GET /api/public/models/meta/muse-spark-1.1פתיחה @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