Muse Spark 1.2 è il modello di ragionamento di Meta per attività agente complesse, e il checkpoint attuale della famiglia Muse Spark. Meta lo descrive come un checkpoint aggiornato rispetto a Muse Spark 1.1 con prestazioni leggermente superiori, fornito sullo stesso livello Standard con prezzi identici — un aggiornamento sostitutivo piuttosto che un nuovo livello. Accetta una superficie di input insolitamente ampia — testo, immagini, video, audio e documenti PDF — e restituisce testo, ragionando nativamente tra le modalità all'interno di una finestra di contesto di 1 milione di token. Supporta uno sforzo di ragionamento configurabile, chiamate di strumenti native e output strutturati, rendendolo particolarmente adatto per agenti multimodali, ricerca approfondita su media misti e analisi di contesti lunghi. Muse Spark 1.2 è pensato per carichi di lavoro che combinano documenti, screenshot, registrazioni e video con testo — dall'analisi di report lunghi e librerie multimediali alla gestione di pipeline agente multi-step che devono ragionare su più del solo testo. Meta distribuisce anche muse-spark-1.2-contributor, lo stesso checkpoint nel suo livello Contributor.
Muse Spark 1.2 è un modello linguistico prodotto da Meta e servito tramite OrcaRouter. Accetta input di testo, immagini, video, file e audio e produce output di testo. Il modello ha una finestra di…
Basandosi sui fatti forniti, Muse Spark 1.2 può accettare testo, immagini, video, file e audio, e rispondere con testo. È quindi adatto per attività di comprensione multimodale come riepilogo, estrazione, traduzione di contenuti audio e risposta a domande su materiale visivo o audio. Una finestra di contesto di 1.048.576 token significa che può utilizzare una quantità considerevole di materiale sorgente come contesto. Il modello valuta tutte le modalità di input rispetto allo stesso budget di token. Non ci sono informazioni nei metadati forniti su capacità speciali come chiamate di strumenti, output strutturato o fine-tuning. OrcaRouter offre il modello tramite un'API standard, quindi qualsiasi funzionalità esposta dall'API può essere utilizzata. Per qualsiasi cosa non coperta dalla scheda del modello, testa il modello con i tuoi prompt e payload prima di metterlo in produzione.
I migliori casi d'uso derivano dalla combinazione di input multimodali e ampio contesto. Puoi fare domande su un video lungo, riassumere una registrazione audio, ispezionare immagini insieme a testo di supporto, o lavorare con allegati di file nella stessa conversazione. La finestra di contesto di 1.048.576 token supporta anche documenti lunghi e corpora multi-file. Usa Muse Spark 1.2 quando un'attività richiederebbe altrimenti più modelli o molte chiamate in blocchi. Se l'input è prevalentemente testo ed è breve, un modello più economico può offrire un valore migliore. OrcaRouter fattura alla tariffa del fornitore, quindi il costo è proporzionale ai token che invii. Per mantenere il costo gestibile, pre-filtra il contenuto e invia solo le porzioni di file, immagini o audio che sono rilevanti. Questo modello non è progettato per generare contenuti multimediali; il suo output è testo.
Muse Spark 1.2 è posizionato come un modello multimodale ad alto contesto. Per query brevi di solo testo, un modello più piccolo sarà tipicamente più veloce e meno costoso. Il prezzo fornito di $4.25 per 1M token di output è una tariffa premium rispetto a molti modelli di testo leggeri, anche se i confronti esatti dipendono dalle alternative. Non ci sono budget di token specifici né numeri di benchmark nei fatti forniti, quindi la decisione si basa sulla complessità del compito. Se il tuo contenuto è testo semplice sotto qualche migliaio di token, usa un modello più economico. Se il tuo compito coinvolge audio lungo, video, immagini o file, il supporto all'input multimodale e il contesto di 1M possono giustificare il prezzo. OrcaRouter ti consente di cambiare modello modificando il parametro del modello, quindi puoi instradare i lavori semplici verso un modello più economico e riservare Muse Spark 1.2 per compiti multimodali più difficili.
Il modello genera testo. Non genera immagini, video o audio. Accetta questi media come input, ma la risposta è un completamento testuale. Non c'è un limite esplicito di token di output nei metadati forniti, ma le impostazioni API standard come max_tokens possono limitare la lunghezza di una risposta. Poiché non vengono forniti dati di benchmark, le affermazioni su accuratezza e capacità dovrebbero essere verificate con i propri dati. Il modello potrebbe non essere in grado di elaborare video estremamente lunghi se la rappresentazione supera la finestra di contesto di 1.048.576 token. Inoltre, non è garantito che funzioni bene su compiti al di fuori dello spazio di comprensione multimodale previsto. Quando si utilizza OrcaRouter, l'API restituisce errori per richieste che superano il budget di contesto o violano i vincoli di input del provider.
I dati forniti sul modello non includono punteggi benchmark o tabelle di valutazione per Muse Spark 1.2. Questo non significa che il modello non sia testato; significa che i metadati forniti per questa voce di catalogo non elencano quei numeri. Per valutare il modello, esegui i tuoi esempi di test e confronta i risultati su metriche specifiche per attività. OrcaRouter non pubblica risultati benchmark per modelli di terze parti in questa voce. Senza dati benchmark, i lettori dovrebbero fare affidamento su capacità qualitative come la finestra di contesto da 1.048.576 token e il supporto all'input multimodale. Qualsiasi numero di prestazioni visto altrove dovrebbe provenire direttamente da Meta o da valutazioni indipendenti. L'espressione Muse Spark 1.2 non dovrebbe essere associata a specifiche affermazioni benchmark qui. Se hai bisogno di una misura quantitativa della qualità, progetta un piccolo set di valutazione che copra i tipi di input previsti, inclusi testo, immagine, video, file e audio. Misura l'accuratezza dell'attività, la coerenza dell'output e il costo. L'assenza di benchmark pubblicati sottolinea inoltre la necessità di test prima della distribuzione in produzione.
La finestra di contesto è di 1.048.576 token. Questa è la dimensione massima di input che il modello può gestire in una singola chiamata, come indicato nelle informazioni fornite. Un token è un'unità di elaborazione del testo; 1.048.576 token equivalgono approssimativamente a una grande quantità di dati testuali, sebbene il numero esatto di parole per token vari. Questo limite di contesto si applica anche ai contenuti provenienti da input video, immagine, file e audio, una volta convertiti in token. Un contesto ampio consente al modello di visualizzare un intero documento, una lunga trascrizione o molti file sorgente senza doverli suddividere in blocchi. Significa anche che devi essere consapevole dell'utilizzo dei token quando carichi file multimediali. Se il numero totale di token di una richiesta supera la finestra di contesto, la chiamata API fallirà. Utilizza gli strumenti di conteggio dei token di OrcaRouter o la tua stima personale per rimanere entro il limite.
Nessuna cifra di latenza o throughput è inclusa nei metadati forniti. Il tempo di risposta effettivo dipende da diverse variabili: lunghezza totale dell'input, numero di modalità, complessità del prompt e carico lato provider. Una richiesta che coinvolge video e audio può essere più lenta di una richiesta solo testuale perché i dati associati devono essere elaborati prima dell'inferenza. Anche la lunghezza dell'output influisce sul tempo; generare molti token richiede più tempo che generarne pochi. Non esiste un livello di velocità o disponibilità garantito dichiarato per questo modello. Per ottenere misurazioni di latenza affidabili, esegui il benchmark dell'API tramite OrcaRouter con richieste rappresentative. Se hai bisogno di latenza estremamente bassa per prompt semplici, usa un modello più piccolo. Per l'elaborazione multimodale a contesto lungo, la latenza è probabilmente più alta per natura del carico di lavoro.
OrcaRouter fattura Muse Spark 1.2 a $1,25 per 1.000.000 di token di input e $4,25 per 1.000.000 di token di output. Queste cifre derivano dai fatti forniti e vengono applicate alla tariffa del provider senza alcun margine. I token di input sono i token inviati dal cliente, inclusi testo, contenuto di file e qualsiasi rappresentazione di immagini, video o audio. I token di output sono i token restituiti nel testo generato. Il costo totale di una chiamata è quindi: token di input moltiplicati per $1,25/1M più token di output moltiplicati per $4,25/1M. Poiché OrcaRouter non aggiunge margini, questa è la tariffa in voce da utilizzare per il budget. La finestra di contesto è di 1.048.576 token, quindi un input a contesto completo costerebbe leggermente più di $1,25 alla tariffa di input. Questa stima presuppone esattamente il massimo dei token di input; le richieste effettive variano.
I token di input costano $1,25 per milione. I token di output costano $4,25 per milione. I token di output hanno un prezzo più alto rispetto ai token di input, il che è comune per i modelli generativi. Per molte attività, l'output è una breve completazione mentre l'input contiene una grande quantità di materiale sorgente. In quel caso, il costo dei token di input domina. Al contrario, se si richiede un testo generato lungo, il costo dell'output può diventare significativo. Poiché la finestra di contesto è di 1.048.576 token, è possibile inviare una quantità vicina a quel limite e incorrere in costi di input. È possibile ridurre il costo di input inviando solo le sezioni pertinenti dei file, limitando la lunghezza di video o audio e riducendo la cronologia della conversazione. OrcaRouter non applica alcun margine, quindi qualsiasi differenza di costo deriva dai volumi di utilizzo e dalle scelte.
I dati forniti non includono informazioni su prezzi di cache o sconti per Muse Spark 1.2. Alcuni provider offrono prezzi inferiori per token di input in cache, ma nessuna tariffa di questo tipo è elencata qui. Se OrcaRouter o Meta abilita la memorizzazione nella cache dei prompt per questo modello, i prezzi della cache disponibili sarebbero documentati separatamente. Senza tale documentazione, presupponi che ogni token di input venga fatturato alla tariffa intera di $1,25 per milione. Non pianificare il tuo budget basandoti su risparmi dalla cache a meno che tu non abbia confermato le condizioni attuali. La memorizzazione nella cache dipende anche dal riutilizzo dei prompt; le richieste con input unici o altamente variabili non ne trarranno beneficio. Controlla la pagina dei prezzi di OrcaRouter o contatta l'assistenza per verificare se esistono prezzi della cache per meta/muse-spark-1.2.
OrcaRouter afferma che Muse Spark 1.2 viene fatturato alla tariffa del fornitore con ricarico zero. Ciò significa che il prezzo per token che paghi corrisponde alla tariffa indicata dal fornitore: $1.25 per 1 milione di token di input e $4.25 per 1 milione di token di output. OrcaRouter non aggiunge una commissione per token né una commissione di servizio su questa voce. Una tariffa con ricarico zero semplifica la proiezione dei costi perché la riga della fattura corrisponde al prezzo di listino del modello. Ciò non significa che non esista una tariffa base di abbonamento o infrastruttura, qualora OrcaRouter la addebiti per l'account API; i fatti forniti descrivono solo la fatturazione per token. Controlla sempre il tuo piano OrcaRouter per eventuali costi fissi. Il ricarico zero si applica alla tariffa del modello e costituisce la base per il confronto dei costi con altri modelli.
Per chiamare Muse Spark 1.2 tramite OrcaRouter, imposta l'URL di base su https://api.orcarouter.ai/v1 e usa l'ID del modello meta/muse-spark-1.2. Il tuo client deve inviare una richiesta che segue il formato di completamento chat compatibile con OpenAI. Includi la tua chiave API OrcaRouter nell'intestazione Authorization. L'array messages può contenere il contenuto che desideri elaborare. Per l'input multimodale, il formato del contenuto per immagine, video, file e audio dipende dallo schema supportato da OrcaRouter; l'interfaccia compatibile con OpenAI in genere consente parti di contenuto. I nomi esatti dei campi sono documentati nel riferimento API. Assicurati che il numero totale di token della richiesta rimanga entro la finestra di contesto di 1.048.576 token. Se usi l'SDK OpenAI, imposta di conseguenza i parametri base_url e model.
OrcaRouter espone un'API compatibile con OpenAI, quindi parametri di inferenza standard come temperature, top_p, max_tokens e sequenze di stop potrebbero essere disponibili. Poiché questi sono parametri generali dell'API OpenAI, il loro comportamento segue le specifiche dell'API. I fatti forniti non elencano parametri specifici del modello per Muse Spark 1.2. È anche possibile passare un messaggio di sistema, messaggi utente e messaggi dell'assistente come parte della conversazione. Per l'input multimodale, il formato della richiesta dovrebbe includere le parti di contenuto corrette per i media inclusi. Non vi è alcuna garanzia che ogni parametro OpenAI sia supportato da ogni fornitore, quindi testa ogni parametro durante la migrazione. Usa esattamente l'ID modello meta/muse-spark-1.2. Se un parametro non è supportato, OrcaRouter restituirà un messaggio di errore; verifica nella documentazione dell'API.
Per migrare un'integrazione esistente compatibile con OpenAI a OrcaRouter, modifica l'URL di base dal tuo endpoint attuale a https://api.orcarouter.ai/v1 e imposta il modello su meta/muse-spark-1.2. Mantieni la stessa struttura dei messaggi se utilizzavi le chat completion standard di OpenAI. Sostituisci la tua chiave API con una chiave OrcaRouter. Se le tue richieste esistenti includono estensioni specifiche del modello, rimuovile o adattale in base alla documentazione API di OrcaRouter. La finestra di contesto è di 1.048.576 token, che potrebbe essere più grande rispetto al tuo modello precedente, consentendo alla stessa richiesta di rientrare senza troncamenti. Controlla la formattazione degli input per immagini, video, file e audio se hai utilizzato campi specifici del provider. Testa prima con una richiesta di piccole dimensioni. Poiché Muse Spark 1.2 genera testo, la migrazione è semplice per gli strumenti basati su testo.
I dati forniti sul modello non contengono termini relativi al trattamento, alla conservazione o alla privacy dei dati per Muse Spark 1.2 o OrcaRouter. In generale, le richieste vengono inviate al fornitore del modello per generare le risposte. OrcaRouter può conservare log API o dati di utilizzo per esigenze operative, ma la policy specifica non è descritta qui. Se la privacy dei dati è importante, consulta i termini di servizio e l'informativa sulla privacy di OrcaRouter e verifica se i termini del fornitore Meta si applicano ai contenuti che invii. Non dare per scontato che video, audio o file di input vengano eliminati automaticamente dopo l'inferenza. Per dati riservati, valuta l'oscuramento e la pre-elaborazione locale. Questa sezione non deve essere interpretata come consulenza legale. Contatta il supporto di OrcaRouter per ottenere l'accordo vigente sul trattamento dei dati. L'utilizzo dell'API implica l'accettazione dei termini applicabili.
Muse Spark 1.2 si differenzia dai modelli linguistici solo testo perché accetta input di immagini, video, file e audio. Un modello solo testo può elaborare solo contenuti scritti. Per attività multimodali, Muse Spark 1.2 elimina la necessità di estrarre e trascrivere i media prima di chiamare un LLM. La sua finestra di contesto di 1.048.576 token consente inoltre di gestire input molto più lunghi rispetto a molti modelli standard. D'altra parte, i modelli solo testo sono spesso meno costosi e possono eseguire più velocemente per lavori di testo semplice. Il prezzo di output di $4,25 per milione di token è più alto rispetto a molti modelli di testo leggeri. Se il tuo progetto è interamente testuale e non necessita di un contesto lungo, un modello solo testo potrebbe essere più adatto. Se il tuo flusso di lavoro invia già immagini, audio o video, questo modello offre un percorso a chiamata singola.
I modelli solo-audio e solo-immagine in genere si specializzano in una singola modalità e possono produrre etichette, embedding o trascrizioni. Muse Spark 1.2 unifica testo, immagini, video, file e audio in un'unica interfaccia di generazione di testo. Questo può semplificare le pipeline che in precedenza combinavano un trascrittore audio, un generatore di didascalie per immagini e un LLM. Tuttavia, i modelli specialistici possono essere ottimizzati meglio per attività come il riconoscimento vocale o il rilevamento di oggetti. Per Muse Spark 1.2 non vengono forniti punteggi benchmark, quindi non ci sono dati per confrontarlo con i modelli specialistici. La scelta appropriata dipende dal fatto che serva una comprensione generale o un'accuratezza dedicata. Per un ragionamento generale su più modalità, un singolo modello multimodale può essere più facile da mantenere. Per una rigorosa accuratezza di produzione su un singolo tipo di media, testare alternative specialistiche.
Le uniche cifre di prezzo fornite per Muse Spark 1.2 sono $1,25 per 1 milione di token di input e $4,25 per 1 milione di token di output, fatturati senza alcun ricarico tramite OrcaRouter. I confronti con altri modelli richiederebbero i loro listini prezzi, che non fanno parte di questa voce. In generale, i modelli multimodali sono più costosi da eseguire rispetto ai semplici modelli di testo perché elaborano input più ricchi. La finestra di contesto di 1.048.576 token può aumentare i costi se si inviano grandi quantità di contenuti multimediali. Per un prompt di testo breve, il costo di input è molto basso. Per una richiesta con diversi minuti di video e un output lungo, il costo sarà più elevato. Utilizza le tariffe per token e il numero di token previsto per stimare se un modello alternativo sarebbe più economico. Poiché OrcaRouter non applica alcun ricarico, la tariffa del fornitore è il punto di riferimento rilevante.
Compatibile con OpenAI: mantieni il tuo SDK
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 |
| Lettura cache / 1M | $0.150 |
| Valuta | USD |
Stima basata sul prezzo di listino
Solo una stima — il numero effettivo di token dipende dal tokenizzatore del provider.
Di cosa parlano gli sviluppatori questa settimana
GET /api/public/models/meta/muse-spark-1.2Apri @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