Muse Spark 1.2 adalah model penalaran Meta untuk tugas agen yang kompleks, dan checkpoint terkini dari keluarga Muse Spark. Meta menggambarkannya sebagai checkpoint yang diperbarui dari Muse Spark 1.1 dengan performa yang sedikit lebih tinggi, disajikan pada tier Standard yang sama dengan harga yang identik — peningkatan siap pakai, bukan tier baru. Model ini menerima rentang input yang sangat luas — teks, gambar, video, audio, dan dokumen PDF — dan menghasilkan teks, dengan penalaran secara native di seluruh modalitas dalam jendela konteks 1M-token. Model ini mendukung upaya penalaran yang dapat dikonfigurasi, pemanggilan alat native, dan keluaran terstruktur, menjadikannya sangat cocok untuk agen multimodal, riset mendalam atas media campuran, dan analisis konteks panjang. Muse Spark 1.2 menargetkan beban kerja yang menggabungkan dokumen, tangkapan layar, rekaman, dan video dengan teks — mulai dari menganalisis laporan panjang dan pustaka media hingga menjalankan pipeline agen multi-langkah yang harus bernalar lebih dari sekadar teks. Meta juga merilis muse-spark-1.2-contributor, checkpoint yang sama pada tier Contributor-nya.
Muse Spark 1.2 adalah model bahasa yang diproduksi oleh Meta dan disajikan melalui OrcaRouter. Model ini menerima masukan teks, gambar, video, file, dan audio, serta menghasilkan keluaran teks. Model…
Berdasarkan fakta yang disediakan, Muse Spark 1.2 dapat menerima teks, gambar, video, file, dan audio, serta merespons dengan teks. Oleh karena itu, model ini cocok untuk tugas pemahaman multimodal seperti peringkasan, ekstraksi, penerjemahan konten audio, dan menjawab pertanyaan tentang materi visual atau audio. Jendela konteks 1.048.576 token berarti model ini dapat menggunakan materi sumber yang substansial sebagai konteks. Model ini memperhitungkan semua modalitas masukan terhadap anggaran token yang sama. Tidak ada informasi dalam metadata yang disediakan tentang kemampuan khusus seperti pemanggilan alat, keluaran terstruktur, atau fine-tuning. OrcaRouter menawarkan model ini melalui API standar, sehingga kemampuan apa pun yang diekspos oleh API dapat digunakan. Untuk hal apa pun yang tidak tercakup dalam kartu model, uji model ini dengan prompt dan payload Anda sendiri sebelum memasukkannya ke produksi.
Kasus penggunaan terbaik berasal dari kombinasi input multimodal dan konteks besar. Anda dapat mengajukan pertanyaan tentang video panjang, merangkum rekaman audio, memeriksa gambar beserta teks pendukung, atau bekerja dengan lampiran file dalam percakapan yang sama. Jendela konteks 1,048,576-token juga mendukung dokumen panjang dan korpora multi-file. Gunakan Muse Spark 1.2 ketika suatu tugas memerlukan beberapa model atau banyak panggilan terpotong. Jika input sebagian besar berupa teks dan pendek, model yang lebih murah mungkin memberikan nilai yang lebih baik. OrcaRouter ditagih sesuai tarif penyedia, sehingga biaya sebanding dengan token yang Anda kirim. Untuk menjaga biaya tetap terkendali, saring konten terlebih dahulu dan hanya kirim bagian dari file, gambar, atau audio yang relevan. Model ini tidak dirancang untuk menghasilkan media; keluarannya berupa teks.
Muse Spark 1.2 diposisikan sebagai model multimodal berkonteks besar. Untuk kueri teks pendek, model yang lebih kecil biasanya akan lebih cepat dan lebih hemat biaya. Harga yang ditawarkan sebesar $4.25 per 1 juta token keluaran merupakan tarif premium dibandingkan dengan banyak model teks ringan, meskipun perbandingan yang tepat bergantung pada alternatif yang tersedia. Tidak ada anggaran token spesifik atau angka benchmark dalam fakta yang disediakan, sehingga keputusan didasarkan pada kompleksitas tugas. Jika konten Anda adalah teks biasa di bawah beberapa ribu token, gunakan model yang lebih murah. Jika tugas Anda melibatkan audio panjang, video, gambar, atau file, dukungan input multimodal dan konteks 1M dapat membenarkan harga tersebut. OrcaRouter memungkinkan Anda mengganti model dengan mengubah parameter model, sehingga Anda dapat mengarahkan tugas sederhana ke model yang lebih murah dan menyimpan Muse Spark 1.2 untuk tugas multimodal yang lebih sulit.
Model menghasilkan teks. Model tidak menghasilkan gambar, video, atau audio. Model menerima media tersebut sebagai masukan, tetapi responsnya berupa penyelesaian tekstual. Tidak ada batas token keluaran yang dinyatakan dalam metadata yang disediakan, tetapi pengaturan API standar seperti max_tokens dapat membatasi panjang respons. Karena tidak ada angka tolok ukur yang disediakan, klaim akurasi dan kemampuan harus diverifikasi dengan data Anda sendiri. Model mungkin tidak dapat memproses video yang sangat panjang jika representasinya melebihi jendela konteks 1,048,576 token. Model ini juga tidak dijamin berkinerja baik pada tugas-tugas di luar ruang pemahaman multimodal yang diharapkan. Saat menggunakan OrcaRouter, API mengembalikan kesalahan untuk permintaan yang melebihi anggaran konteks atau melanggar batasan masukan penyedia.
Fakta model yang disediakan tidak menyertakan skor tolok ukur atau tabel evaluasi apa pun untuk Muse Spark 1.2. Ini tidak berarti model tersebut belum diuji; ini berarti metadata yang disediakan untuk entri katalog ini tidak mencantumkan angka-angka tersebut. Untuk mengevaluasi model, jalankan contoh pengujian Anda sendiri dan bandingkan keluarannya pada metrik khusus tugas. OrcaRouter tidak menerbitkan hasil tolok ukur untuk model pihak ketiga dalam entri ini. Tanpa data tolok ukur, pembaca harus mengandalkan kemampuan kualitatif seperti jendela konteks 1,048,576 token dan dukungan masukan multimodal. Angka performa apa pun yang Anda lihat di tempat lain harus berasal langsung dari Meta atau dari evaluasi independen. Frasa Muse Spark 1.2 tidak boleh dikaitkan dengan klaim tolok ukur tertentu di sini. Jika Anda memerlukan ukuran kualitas kuantitatif, rancang set evaluasi kecil yang mencakup jenis masukan yang Anda harapkan, termasuk teks, gambar, video, file, dan audio. Ukur akurasi tugas, konsistensi keluaran, dan biaya. Tidak adanya tolok ukur yang dipublikasikan juga menegaskan perlunya pengujian sebelum penerapan produksi.
Jendela konteks adalah 1.048.576 token. Ini adalah ukuran input maksimum yang dapat ditangani model dalam satu panggilan, sebagaimana dinyatakan dalam fakta yang diberikan. Token adalah unit pemrosesan teks; 1.048.576 token kira-kira merupakan jumlah data tekstual yang besar, meskipun jumlah kata per token bervariasi. Batas konteks ini juga berlaku untuk konten yang berasal dari input video, gambar, file, dan audio setelah diubah menjadi token. Konteks yang besar memungkinkan model untuk melihat seluruh dokumen, transkrip panjang, atau banyak file sumber tanpa pemotongan. Ini juga berarti Anda harus memperhatikan penggunaan token saat mengunggah file media. Jika jumlah total token suatu permintaan melebihi jendela konteks, panggilan API akan gagal. Gunakan alat penghitung token OrcaRouter atau estimasi Anda sendiri agar tetap dalam batas.
Tidak ada angka latensi atau throughput yang disertakan dalam metadata yang disediakan. Waktu respons aktual bergantung pada beberapa variabel: total panjang input, jumlah modalitas, kompleksitas prompt, dan beban dari sisi penyedia. Permintaan yang melibatkan video dan audio mungkin lebih lambat daripada permintaan teks saja karena data terkait harus diproses sebelum inferensi. Panjang output juga memengaruhi waktu; menghasilkan banyak token membutuhkan waktu lebih lama daripada menghasilkan beberapa token. Tidak ada tingkat kecepatan atau ketersediaan yang dijamin untuk model ini. Untuk mendapatkan pengukuran latensi yang andal, lakukan benchmark API melalui OrcaRouter dengan permintaan yang representatif. Jika Anda memerlukan latensi yang sangat rendah untuk prompt sederhana, gunakan model yang lebih kecil. Untuk pemrosesan multimodal konteks panjang, latensi cenderung lebih tinggi secara alami karena beban kerja.
OrcaRouter menagih Muse Spark 1.2 sebesar $1.25 per 1,000,000 token masukan dan $4.25 per 1,000,000 token keluaran. Angka-angka ini berasal dari fakta yang disediakan dan diteruskan pada tarif penyedia dengan markup nol. Token masukan adalah token yang dikirim oleh klien, termasuk teks, konten file, dan representasi gambar, video, atau audio apa pun. Token keluaran adalah token yang dikembalikan dalam teks yang dihasilkan. Oleh karena itu, total biaya satu panggilan adalah token masukan dikali $1.25/1M ditambah token keluaran dikali $4.25/1M. Karena OrcaRouter tidak menambahkan markup, ini adalah tarif per item baris yang harus Anda gunakan untuk penganggaran. Jendela konteksnya adalah 1,048,576 token, sehingga masukan konteks penuh akan memakan biaya sedikit lebih dari $1.25 pada tarif masukan. Perkiraan tersebut mengasumsikan token masukan maksimum secara tepat; permintaan aktual bervariasi.
Biaya token input $1,25 per juta. Biaya token output $4,25 per juta. Token output dihargai lebih tinggi daripada token input, yang umum terjadi pada model generatif. Untuk banyak tugas, output berupa penyelesaian singkat sementara input berisi sejumlah besar materi sumber. Dalam kasus itu, biaya token input mendominasi. Sebaliknya, jika Anda meminta teks panjang yang dihasilkan, biaya output bisa menjadi signifikan. Karena jendela konteks adalah 1.048.576 token, Anda dapat mengirim mendekati batas itu dan dikenakan biaya input. Anda dapat mengurangi biaya input dengan mengirim hanya bagian file yang relevan, membatasi panjang video atau audio, dan memangkas riwayat percakapan. OrcaRouter tidak menambahkan markup, jadi perbedaan biaya apa pun berasal dari volume penggunaan dan pilihan.
Fakta yang diberikan tidak mencakup informasi harga cache atau diskon untuk Muse Spark 1.2. Beberapa penyedia menawarkan harga lebih rendah untuk token input yang di-cache, tetapi tidak ada angka seperti itu yang tercantum di sini. Jika OrcaRouter atau Meta mengaktifkan caching prompt untuk model ini, harga cache yang tersedia akan didokumentasikan secara terpisah. Tanpa dokumentasi tersebut, asumsikan bahwa setiap token input ditagih dengan tarif penuh $1.25 per juta. Jangan merencanakan anggaran Anda berdasarkan penghematan cache kecuali Anda telah mengonfirmasi ketentuan saat ini. Caching juga bergantung pada penggunaan ulang prompt; permintaan dengan input yang unik atau sangat bervariasi tidak akan mendapatkan manfaat. Periksa halaman harga OrcaRouter atau hubungi dukungan untuk melihat apakah harga cache tersedia untuk meta/muse-spark-1.2.
OrcaRouter menyatakan bahwa Muse Spark 1.2 ditagih dengan tarif penyedia tanpa markup sama sekali. Artinya, harga per token yang Anda bayar sesuai dengan tarif yang tercantum oleh penyedia: $1,25 per 1 juta token input dan $4,25 per 1 juta token output. OrcaRouter tidak menambahkan biaya per token atau biaya layanan di atas tarif dasar ini. Tingkat markup nol memudahkan proyeksi biaya karena baris pada faktur Anda sesuai dengan harga daftar model. Ini tidak berarti tidak ada biaya langganan dasar atau biaya infrastruktur jika OrcaRouter mengenakan biaya tersebut untuk akun API; fakta yang diberikan hanya menjelaskan penagihan per token. Selalu periksa paket OrcaRouter Anda untuk mengetahui biaya tetap apa pun. Markup nol berlaku untuk tarif model dan menjadi dasar perbandingan biaya dengan model lain.
Untuk memanggil Muse Spark 1.2 melalui OrcaRouter, atur base URL ke https://api.orcarouter.ai/v1 dan gunakan model id meta/muse-spark-1.2. Klien Anda harus mengirim permintaan yang mengikuti format chat completion yang kompatibel dengan OpenAI. Sertakan kunci API OrcaRouter Anda di header Authorization. Array messages dapat berisi konten yang ingin Anda proses. Untuk input multimodal, format konten untuk gambar, video, file, dan audio bergantung pada skema yang didukung OrcaRouter; antarmuka yang kompatibel dengan OpenAI biasanya mengizinkan bagian konten. Nama bidang yang tepat didokumentasikan dalam referensi API. Pastikan jumlah total token permintaan tetap berada dalam jendela konteks 1.048.576 token. Jika Anda menggunakan SDK OpenAI, atur parameter base_url dan model sesuai.
OrcaRouter mengekspos API yang kompatibel dengan OpenAI, sehingga parameter inferensi standar seperti temperature, top_p, max_tokens, dan stop sequences mungkin tersedia. Karena ini adalah parameter API umum OpenAI, perilakunya mengikuti spesifikasi API. Fakta yang diberikan tidak mencantumkan parameter khusus model untuk Muse Spark 1.2. Anda juga dapat mengirim pesan sistem, pesan pengguna, dan pesan asisten sebagai bagian dari percakapan. Untuk input multimodal, format permintaan harus menyertakan bagian konten yang benar untuk media yang disertakan. Tidak ada jaminan bahwa setiap parameter OpenAI didukung oleh setiap penyedia, jadi uji setiap parameter saat Anda bermigrasi. Gunakan ID model meta/muse-spark-1.2 secara persis. Jika parameter tidak didukung, OrcaRouter akan mengembalikan pesan kesalahan; verifikasi dengan dokumentasi API.
Untuk memigrasikan integrasi yang kompatibel dengan OpenAI yang sudah ada ke OrcaRouter, ubah base URL dari endpoint Anda saat ini menjadi https://api.orcarouter.ai/v1 dan atur model ke meta/muse-spark-1.2. Pertahankan struktur pesan yang sama jika Anda menggunakan chat completions OpenAI standar. Ganti API key Anda dengan kunci OrcaRouter. Jika permintaan yang sudah ada menyertakan ekstensi khusus model, hapus atau sesuaikan berdasarkan dokumentasi API OrcaRouter. Jendela konteksnya adalah 1.048.576 token, yang mungkin lebih besar dari model sebelumnya, sehingga permintaan yang sama dapat muat tanpa pemotongan. Periksa format input Anda untuk gambar, video, file, dan audio jika Anda menggunakan bidang khusus penyedia. Uji dengan permintaan kecil terlebih dahulu. Karena Muse Spark 1.2 menghasilkan keluaran teks, migrasi menjadi mudah untuk alat berbasis teks.
Fakta model yang disediakan tidak memuat ketentuan penanganan data, retensi, atau privasi untuk Muse Spark 1.2 atau OrcaRouter. Pada umumnya, permintaan dikirim ke penyedia model untuk menghasilkan pelengkap (completions). OrcaRouter dapat menyimpan log API atau data penggunaan untuk operasional, tetapi kebijakan spesifiknya tidak dijelaskan di sini. Jika privasi data penting bagi Anda, tinjau ketentuan layanan dan kebijakan privasi OrcaRouter, serta pastikan apakah ketentuan penyedia Meta berlaku untuk konten yang Anda kirim. Jangan berasumsi bahwa video, audio, atau file masukan otomatis dihapus setelah inferensi. Untuk data rahasia, pertimbangkan redaksi dan pra-pemrosesan lokal. Bagian ini tidak boleh dianggap sebagai nasihat hukum. Hubungi dukungan OrcaRouter untuk mendapatkan perjanjian pemrosesan data terkini. Penggunaan API Anda merupakan persetujuan terhadap ketentuan yang berlaku.
Muse Spark 1.2 berbeda dari model bahasa teks-saja karena ia menerima input gambar, video, file, dan audio. Model teks-saja hanya dapat memproses konten tertulis. Untuk tugas multimodal, Muse Spark 1.2 menghilangkan kebutuhan untuk mengekstrak dan mentranskripsi media sebelum memanggil LLM. Jendela konteksnya yang mencapai 1.048.576 token juga memungkinkannya menampung input yang jauh lebih panjang daripada banyak model standar. Di sisi lain, model teks-saja sering kali lebih murah dan dapat berjalan lebih cepat untuk pekerjaan teks biasa. Harga keluaran $4.25 per juta token lebih tinggi daripada banyak model teks ringan. Jika proyek Anda sepenuhnya teks dan tidak memerlukan konteks panjang, model teks-saja mungkin lebih cocok. Jika alur kerja Anda sudah mengirim gambar, audio, atau video, model ini menawarkan jalur panggilan tunggal.
Model khusus audio dan khusus gambar biasanya berspesialisasi dalam satu modalitas dan dapat mengeluarkan label, embedding, atau transkripsi. Muse Spark 1.2 menyatukan teks, gambar, video, file, dan audio dalam satu antarmuka generasi teks. Ini dapat menyederhanakan pipeline yang sebelumnya menggabungkan transkriber audio, pembuat caption gambar, dan LLM. Namun, model khusus dapat disetel lebih baik untuk tugas-tugas seperti pengenalan ucapan atau deteksi objek. Tidak ada skor tolok ukur yang diberikan untuk Muse Spark 1.2, jadi tidak ada data di sini untuk membandingkan dengan model khusus. Pilihan yang tepat bergantung pada apakah Anda membutuhkan pemahaman umum atau akurasi khusus. Untuk penalaran umum di berbagai modalitas, model multimodal tunggal dapat lebih mudah dipelihara. Untuk akurasi produksi yang ketat pada satu jenis media, uji alternatif model khusus.
Satu-satunya angka harga yang diberikan untuk Muse Spark 1.2 adalah $1,25 per 1 juta token masukan dan $4,25 per 1 juta token keluaran, ditagih tanpa markup melalui OrcaRouter. Perbandingan dengan model lain memerlukan daftar harga model tersebut, yang tidak termasuk dalam entri ini. Umumnya, model multimodal lebih mahal untuk dijalankan daripada model teks sederhana karena model tersebut memproses input yang lebih kaya. Jendela konteks 1.048.576 token dapat meningkatkan biaya jika Anda mengirim media dalam jumlah besar. Untuk prompt teks pendek, biaya input sangat kecil. Untuk permintaan dengan video beberapa menit dan output yang panjang, biayanya akan lebih tinggi. Gunakan tarif per token dan perkiraan jumlah token Anda untuk memperkirakan apakah model alternatif akan lebih ekonomis. Karena OrcaRouter tidak menambahkan markup, tarif penyedia adalah tolok ukur yang relevan.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
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-1.2",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensreasoningreasoning_effortrepetition_penaltyresponse_formatstructured_outputstemperaturetool_choicetoolstop_ktop_p| Input / 1M token | $1.25 |
| Output / 1M token | $4.25 |
| Baca cache / 1M | $0.150 |
| Mata uang | USD |
Perkiraan berdasarkan harga daftar
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
Yang dibicarakan developer minggu ini
GET /api/public/models/meta/muse-spark-1.2Buka @misc{orcarouter_muse_spark_1_2,
title = {Muse Spark 1.2 API},
author = {Meta},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/meta/muse-spark-1.2}
}Meta. (2026). Muse Spark 1.2 API. OrcaRouter. https://www.orcarouter.ai/models/meta/muse-spark-1.2