Muse Spark 1.1はMetaのマルチモーダル推論モデルであり、エージェント型タスク向けに構築されています。テキスト、画像、動画、音声、PDF文書という異常に幅広い入力を処理し、100万トークンのコンテキストウィンドウ内でモダリティを横断してネイティブに推論した結果をテキストとして返します。設定可能な推論努力とネイティブツール呼び出しをサポートしており、マルチモーダルエージェント、メディア混合の深いリサーチ、長文コンテキスト分析に適しています。 効率的な推論と広範な入力面により、Muse Spark 1.1は、文書、スクリーンショット、録音、動画とテキストを組み合わせたワークロード（長文レポートやメディアライブラリの分析から、テキストだけでは不十分なマルチステップのエージェント型パイプラインの駆動まで）を対象としています。
Meta Muse Spark 1.1は、テキスト、画像、動画、ファイル、音声を単一のコンテキストで処理できる、Meta社が開発したマルチモーダル大規模言語モデルです。そのコンテキストウィンドウは1,048,576トークン（約100万トークン）であり、非常に長いまたは混合メディアの入力を扱うことができます。このモデルには、OrcaRouterのOpenAI互換APIを介して、モデル識別子「meta…
Muse Spark 1.1の主な強みは、複数のメディアタイプを含む非常に長いコンテキスト（1,048,576トークン）を処理し、推論できることです。画像が埋め込まれた500ページのPDFや、音声トランスクリプトと一緒に2時間の動画を一度に分析できます。これにより、チャンキングや別々のモデルが不要になります。また、このモデルは詳細な指示に従い、複数メディアの入力にわたって要約、質問応答、エンティティ抽出などの複雑な推論タスクを実行することもできます。
Muse Spark 1.1は、大きなコンテキストウィンドウと複数の入力モダリティが真に有益なタスクに使用してください。短いテキスト生成（例：1,000トークン）のみで画像や音声が不要な場合は、より安価なテキスト専用モデルでコンテキストが小さいものの方がコスト効率が良いでしょう。しかし、ビデオの視覚的な詳細や音声を含む要約のようなエンドツーエンドのマルチモーダル理解には、Muse Spark 1.1を使用することで複数のモデル呼び出しを回避し、システムの複雑さとレイテンシを低減できます。
最適なユースケースとしては、スキャンされたPDFや音声の証言録取書を用いた法的文書レビュー、画像とメモを組み合わせた医療記録の分析、動画コンテンツのモデレーション（フレームと音声の分析）、図表を含む学術研究論文の理解などが挙げられます。単一のプロンプトで長大かつ異種混合の入力をカバーしなければならないあらゆるシナリオで、このモデルは威力を発揮します。また、コンテキストウィンドウに文書全体と関連画像を保持できる、マルチモーダルRAGパイプラインの構築にも適しています。
このモデルは、極めて高速で低遅延な応答には最適化されていません – 大きなコンテキストは処理時間を増加させます。また、（現時点では）ストリーミング出力をサポートしていません。リアルタイムの対話（例：チャットボット）が必要なタスクには、より小規模なモデルが適しています。さらに、トークンあたりのコストが多くのテキスト専用モデルよりも高いため、純粋なテキストタスクには過剰な場合があります。このモデルのベンチマークタスクにおける性能は開示されていません。ユーザーは自身のデータで評価する必要があります。
MetaはMuse Spark 1.1のベンチマークスコアを公開していません。ユーザーは代表的なタスクで自身の評価を行うことを推奨します。このモデルの大きなコンテキストとマルチモーダル入力は、文書理解やビジュアルQAで良好なパフォーマンスを示すことが示唆されますが、提供された情報には標準化された数値は存在しません。OrcaRouterは追加のベンチマークデータを提供しておらず、パフォーマンスはMetaが提供したままです。
1,048,576トークンのマルチモーダルデータを処理するのは計算コストが高い。レイテンシは入力長、画像や動画フレームの数、出力トークン数に依存する。非常に長いコンテキストでは、秒単位ではなく分単位の時間がかかることが予想される。OrcaRouterはこのモデルのレイテンシベンチマークを公開していない。ユーザーは実際のワークロードでテストし、自社アプリケーションに許容可能な応答時間を判断すべきである。
主な制限事項は、パブリックに利用可能なパフォーマンスデータが不足しているため、カスタムテストなしでは代替モデルとの比較が難しい点です。また、このモデルはテキスト以外の出力モダリティをサポートしておらず、画像や音声を生成することはできません。さらに、100万トークンのコンテキストは理論上のものであり、実際の精度は一部のタスクにおいて最大長で低下する可能性があります。他の大規模モデルと同様に、プロンプトスタイルによって結果に一貫性がなくなることもあります。
大規模マルチモーダルコンテキストを処理する際に高レイテンシが発生する可能性があるため、このモデルはインタラクティブなチャットボットやライブ文字起こしなどのリアルタイムアプリケーションには推奨されません。バッチ処理、オフライン分析、および数秒から数分の処理時間が許容される非同期ワークフローに適しています。低レイテンシが必要な場合は、OrcaRouter で提供される、より小型で高速なモデルを検討してください。
料金は、入力トークン100万件あたり1.25ドル、出力トークン100万件あたり4.25ドルです。トークンはモデルのトークナイザーに従ってカウントされます。入力トークンには、すべてのテキスト、画像トークン（通常、画像1枚あたり170トークン）、ビデオフレーム、音声、ファイルコンテンツが含まれます。出力トークンは生成されたテキストです。OrcaRouterはプロバイダーの料金をゼロマークアップでそのまま適用するため、コストはこれらの数値とまったく同じになります。追加のプラットフォーム料金はありません。
モデルは最大100万トークンの入力に対応しているため、長いドキュメントを1回の呼び出しで処理すると、入力トークンだけで1.25ドル以上かかる可能性があります。短い入力（例：数千トークン）の場合はコストがはるかに低く、1,000入力トークンあたり約0.0013ドルです。トレードオフとして、小さなコンテキストしか必要としないタスクでは、トークンあたりのレートが低い安価なモデルの方が経済的です。大規模なコンテキストのマルチモーダルタスクでは、複数のモデルに作業を分割するよりも、このモデルの方が費用対効果が高い場合があります。
OrcaRouterは現在、Muse Spark 1.1に対してキャッシュや数量割引を提供していません。価格はトークンごとの従量課金制です。使用量に基づく段階的価格設定はありません。ユーザーは、特に大規模なマルチモーダル入力の場合、コスト管理のためにトークン消費量を監視する必要があります。ゼロマークアップポリシーにより、コストは基礎となるプロバイダ価格を正確に反映します。
いいえ。OrcaRouterは、プロバイダーのレートでのトークン消費のみを課金し、マークアップは一切ありません。リクエスト料金、月額最低料金、ストリーミングに対する追加料金は一切ありません（ただし、現在モデルはストリーミングをサポートしていません）。唯一のコストは、入力トークンが$1.25/1M、出力トークンが$4.25/1Mです。ユーザーは、APIへのメディアのエンコードや送信に関連するコスト（ネットワーク帯域幅）を負担する責任があります。
OpenAI互換のチャット完了エンドポイントを使用します。`base_url` を `https://api.orcarouter.ai/v1` に設定します。リクエストボディでは、`model` を `"meta/muse-spark-1.1"` に設定します。メッセージは標準のOpenAI形式で含めます。マルチモーダルコンテンツの場合は、`role` が `"user"` で `content` が `text`、`image_url` などのパーツの配列であるメッセージを使用します。認証はOrcaRouterが提供するAPIキーを介して行われます。Pythonでの例（openaiライブラリ使用）： client = OpenAI(base_url='https://api.orcarouter.ai/v1', api_key='your-key')
APIは標準パラメータをサポートしています：max_tokens（出力トークン制限）、temperature（0-2、デフォルト1）、top_p（0-1）、frequency_penalty、presence_penalty、stop sequences、および決定論的出力のためのseed。現時点では、モデルはストリーミングや関数呼び出しをサポートしていません。nパラメータ（完了数）もサポートされておらず、リクエストごとに1つの完了のみです。コンテキストウィンドウの制限は、入力と出力を合わせて合計1,048,576トークンです。
現在別のプロバイダーをご利用の場合は、ベースURLをhttps://api.orcarouter.ai/v1に変更し、モデル名を"meta/muse-spark-1.1"に変更してください。ダッシュボードからOrcaRouter APIキーを取得してください。リクエストボディの形式はOpenAIのAPIと同じです。マルチモーダルコンテンツ（画像、動画、ファイル、音声）は、OpenAIのビジョンエンドポイントと同じ形式を使用します。その他のコード変更は必要ありません。小さなリクエストでテストし、トークン化とコストを確認してください。
現時点では、Muse Spark 1.1はストリーミングをサポートしていません。リクエストは同期であり、生成が完了すると応答が返されます。長いコンテキストのプロンプトの場合、これにはかなりの時間がかかる可能性があります。OrcaRouterは将来的にストリーミングサポートを追加するかもしれませんが、現時点では非ストリーミングのみ利用可能です。非同期処理は、アプリケーションからリクエストを並列に送信することで実現できます。
Muse Spark 1.1のコンテキストウィンドウは1,048,576トークンであり、これは利用可能な最大級のもので、他のプロバイダーのモデルと競合します。しかし、マルチモーダルモデルであるため、特に混合入力を処理するように設計されています。純粋なテキストベースの大規模コンテキストモデルは、テキストのみのタスクではトークンあたりのコストが安くなる可能性があります。提供された事実にはベンチマーク比較は明記されていないため、ユーザーは自身のマルチモーダルニーズに基づいて評価する必要があります。
小規模なマルチモーダルモデル（例：128Kコンテキスト）は高速かつ低コストですが、1回の呼び出しで処理できる情報量が限られています。Muse Spark 1.1は、ドキュメント全体や長い動画を取り込む能力と引き換えに、速度とコストを犠牲にしています。チャンク分割可能なタスクでは、小規模モデルの方が効率的な場合があります。適切な選択は、アプリケーションが本当に非常に大きな入力をワンショットで処理する必要があるかどうかに依存します。
画像、動画、音声を含まない入力には、テキスト専用モデルを使用してください。同等のコンテキストサイズを持つテキスト専用モデルは、トークンあたりのコストが低いことがよくあります。例えば、視覚要素のない100万トークンのテキスト文書を要約するタスクでは、100万入力トークンあたり1.25ドル未満のコストの純テキストモデルの方が費用対効果が高くなります。Muse Spark 1.1の価格設定はマルチモーダルタスクでは競争力がありますが、純テキストではそうではありません。
OrcaRouterは、統一されたOpenAI互換のインターフェースを提供します。一方、Metaの直接APIは独自のプロトコルを使用する場合があります。OrcaRouterは手数料を一切上乗せしないため、トークンコストは同じです（Metaが同じ料金を請求する場合）。OrcaRouterは、APIキー管理、使用状況追跡、プロバイダ間の負荷分散などの追加機能を提供する可能性があります。選択は、複数のモデルにわたって一貫したAPI抽象化を好むかどうかに依存します。
OpenAI 互換——今お使いの SDK のまま
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| 入力 / 1M tokens | $1.25 |
| 出力 / 1M tokens | $4.25 |
| キャッシュ読み取り / 1M | $0.150 |
| 通貨 | USD |
表示価格に基づく概算
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
@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