Muse Spark 1.2は、複雑なエージェント型タスク向けに設計されたMetaの推論モデルであり、Muse Sparkファミリーの現在のチェックポイントです。MetaはこれをMuse Spark 1.1の更新版チェックポイントと説明しており、パフォーマンスがわずかに向上し、同じStandardティアで同一価格で提供されています。新しいティアではなく、そのまま置き換え可能なアップグレードです。 テキスト、画像、動画、音声、PDFドキュメントという異例に幅広い入力を受け付け、1Mトークンのコンテキストウィンドウ内でモダリティをまたいだネイティブな推論によりテキストを返します。設定可能な推論努力、ネイティブのツール呼び出し、構造化出力をサポートしており、マルチモーダルエージェント、複合メディアを対象とした深い調査、長文コンテキスト分析に最適です。 Muse Spark 1.2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を対象としています。長いレポートやメディアライブラリの分析から、テキストだけでなくより広範な対象について推論する必要のある多段階のエージェント型パイプラインの駆動まで対応します。Metaはまた、同じチェックポイントをContributorティアで提供するmuse-spark-1.2-contributorも提供しています。
Muse Spark 1.2 は、OrcaRouter を通じて提供される Meta 製の言語モデルです。テキスト、画像、動画、ファイル、音声の入力を受け付け、テキスト出力を生成します。このモデルのコンテキストウィンドウは 1,048,576 トークンで、これは応答生成時に考慮できる入力コンテンツの最大量です。OrcaRouter は、このモデルを OpenAI 互換 API…
提供された事実に基づき、Muse Spark 1.2はテキスト、画像、動画、ファイル、音声を入力として受け取り、テキストで応答することができます。したがって、要約、抽出、音声コンテンツの翻訳、視覚・音声素材に関する質問への回答など、マルチモーダル理解タスクに適しています。1,048,576トークンのコンテキストウィンドウにより、大量のソース素材をコンテキストとして使用できます。このモデルは、すべての入力モダリティを同じトークン予算に対して重み付けします。提供されたメタデータには、ツール呼び出し、構造化出力、ファインチューニングなどの特別な機能に関する情報はありません。OrcaRouterは標準APIを通じてモデルを提供しているため、APIが公開する任意の機能を使用できます。モデルカードに記載されていない事項については、本番環境に導入する前に、独自のプロンプトとペイロードでモデルをテストしてください。
最良のユースケースは、マルチモーダル入力と大規模コンテキストの組み合わせから生まれます。長い動画について質問したり、音声録音を要約したり、補助テキストとともに画像を調べたり、同じ会話の中でファイル添付を扱ったりできます。1,048,576トークンのコンテキストウィンドウは、長い文書や複数ファイルのコーパスもサポートします。そうでなければ複数のモデルや多くのチャンク分割呼び出しが必要になるタスクには、Muse Spark 1.2を使用してください。入力が主にテキストで短い場合、より安価なモデルの方が価値が高い場合があります。OrcaRouterはプロバイダーレートで請求されるため、コストは送信するトークンに比例します。コストを管理可能にするには、コンテンツを事前にフィルタリングし、関連するファイル、画像、オーディオの一部のみを送信してください。このモデルはメディア生成用に設計されておらず、その出力はテキストです。
Muse Spark 1.2 は、ハイコンテキストなマルチモーダルモデルとして位置づけられています。短いテキストのみのクエリの場合、通常、より小さいモデルの方が高速で安価です。提供されている価格である出力トークン100万件あたり4.25ドルは、多くの軽量テキストモデルと比較するとプレミアムレートですが、正確な比較は代替案によって異なります。提供された事実には、特定のトークンバジェットやベンチマーク数値は含まれていないため、決定はタスクの複雑さに基づいています。コンテンツが数千トークン未満のプレーンテキストである場合は、より安価なモデルを使用してください。タスクに長いオーディオ、ビデオ、画像、またはファイルが含まれる場合、マルチモーダル入力のサポートと100万トークンのコンテキストによって価格が正当化される可能性があります。OrcaRouterを使用すると、モデルパラメータを変更することでモデルを切り替えることができるため、単純なジョブをより安価なモデルにルーティングし、Muse Spark 1.2 をより困難なマルチモーダルタスク用に確保できます。
このモデルはテキストを出力します。画像、動画、音声は生成しません。これらのメディアを入力として受け付けますが、応答はテキストによる補完です。提供されたメタデータには明示された出力トークン上限はありませんが、max_tokensなどの標準的なAPI設定によって応答の長さを制限できます。ベンチマークの数値が提供されていないため、精度や能力に関する主張は、ご自身のデータで検証する必要があります。表現が1,048,576トークンのコンテキストウィンドウを超える場合、モデルは非常に長い動画を処理できない可能性があります。また、想定されるマルチモーダル理解の範囲外のタスクでは、良好なパフォーマンスが保証されるわけでもありません。OrcaRouterを使用する場合、コンテキスト予算を超えるリクエストや、プロバイダーの入力制約に違反するリクエストに対して、APIはエラーを返します。
提供されたモデルファクトには、Muse Spark 1.2のベンチマークスコアや評価表は含まれていません。これはモデルがテストされていないという意味ではなく、このカタログエントリ用に提供されたメタデータにそれらの数値が記載されていないだけです。モデルを評価するには、独自のテスト例を実行し、タスク固有の指標で出力を比較してください。OrcaRouterは、このエントリ内でサードパーティモデルのベンチマーク結果を公開していません。ベンチマークデータがない場合、読者は1,048,576トークンのコンテキストウィンドウやマルチモーダル入力サポートなどの定性的な機能に頼るべきです。他の場所で見られる性能数値は、Metaから直接、または独立した評価によるものであるべきです。Muse Spark 1.2という表現は、ここでの特定のベンチマーク主張と結び付けるべきではありません。定量的な品質指標が必要な場合は、テキスト、画像、ビデオ、ファイル、オーディオを含む予想される入力タイプをカバーする小さな評価セットを設計してください。タスクの正確性、出力の一貫性、コストを測定してください。公開されたベンチマークがないことも、本番環境へのデプロイ前にテストを行う必要性を強調しています。
コンテキストウィンドウは1,048,576トークンです。これは、提供された事実に記載されている通り、モデルが1回の呼び出しで処理できる最大入力サイズです。トークンはテキスト処理の単位であり、1,048,576トークンはおおよそ大量のテキストデータに相当しますが、単語数はトークンごとに異なります。このコンテキスト制限は、動画、画像、ファイル、音声入力から変換されたコンテンツにも適用されます。大規模なコンテキストにより、モデルはドキュメント全体、長い文字起こし、多数のソースファイルを分割せずに一度に参照できます。また、メディアファイルをアップロードする際にはトークン使用量に注意する必要があることも意味します。リクエストの総トークン数がコンテキストウィンドウを超えると、API呼び出しは失敗します。OrcaRouterのトークン計数ツールを使用するか、ご自身で見積もって制限内に収めるようにしてください。
提供されたメタデータには、レイテンシやスループットの数値は含まれていません。実際の応答時間は、入力全体の長さ、モダリティの数、プロンプトの複雑さ、プロバイダ側の負荷など、複数の変数に依存します。動画と音声を含むリクエストは、推論の前に関連データを処理する必要があるため、テキストのみのリクエストよりも遅くなる可能性があります。出力の長さも時間に影響します。多数のトークンを生成する方が、少数のトークンを生成するよりも時間がかかります。このモデルに関して、保証された速度や可用性レベルは明記されていません。信頼性の高いレイテンシ測定を行うには、代表的なリクエストを使用して OrcaRouter 経由で API をベンチマークしてください。シンプルなプロンプトで極めて低いレイテンシが必要な場合は、より小さなモデルを使用してください。長文脈のマルチモーダル処理の場合、ワークロードの性質上、レイテンシはおそらく高くなります。
OrcaRouterはMuse Spark 1.2を、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ドルで請求します。これらの数値は提供されたファクトに基づいており、プロバイダーレートでそのまま渡され、マークアップは一切ありません。入力トークンとは、クライアントが送信するトークンであり、テキスト、ファイルコンテンツ、画像・動画・音声の表現を含みます。出力トークンとは、生成されたテキストで返されるトークンです。したがって、1回の呼び出しの総コストは、入力トークン×1.25ドル/100万 + 出力トークン×4.25ドル/100万となります。OrcaRouterはマークアップを追加しないため、予算を立てる際にはこの内訳レートを使用する必要があります。コンテキストウィンドウは1,048,576トークンであるため、コンテキスト全体を入力とした場合、入力レートで1.25ドルをわずかに超えるコストになります。この見積もりは、正確に最大入力トークン数を仮定したものです。実際のリクエストは異なります。
入力トークンは100万トークンあたり$1.25です。出力トークンは100万トークンあたり$4.25です。出力トークンは入力トークンよりも高価格に設定されており、これは生成モデルでは一般的です。多くのタスクでは、出力は短い補完文である一方、入力には大量のソース資料が含まれます。その場合、入力トークンのコストが支配的になります。逆に、長い生成テキストを要求する場合は、出力コストが重要になることがあります。コンテキストウィンドウは1,048,576トークンであるため、その上限近くまで送信して入力料金が発生する可能性があります。ファイルの関連セクションのみを送信したり、動画や音声の長さを制限したり、会話履歴を短くすることで、入力コストを削減できます。OrcaRouterはマークアップを追加しないため、コストの差は使用量と選択によるものです。
提供された事実には、Muse Spark 1.2のキャッシュ価格や割引情報は含まれていません。一部のプロバイダーはキャッシュ済み入力トークンに対して低い価格を提供していますが、ここにはそのような数値は記載されていません。OrcaRouterまたはMetaがこのモデルに対してプロンプトキャッシュを有効にしている場合、利用可能なキャッシュ価格は別途文書化されるはずです。その文書がなければ、すべての入力トークンが1メガトークンあたり$1.25の全額で課金されると想定してください。現在の条件を確認しない限り、キャッシュによる節約を前提に予算を計画しないでください。キャッシュはプロンプトの再利用にも依存しており、一意または非常に変化に富んだ入力を持つリクエストはその恩恵を受けられません。meta/muse-spark-1.2のキャッシュ価格が存在するかどうかは、OrcaRouterの価格ページを確認するか、サポートに連絡して確認してください。
OrcaRouterは、Muse Spark 1.2がプロバイダー料金で請求され、マークアップがゼロであるとしています。つまり、トークンあたりの支払い価格はプロバイダーの表示料金と一致します。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。OrcaRouterはこのエントリにトークンあたりの手数料やサービス料を上乗せしていません。マークアップゼロの料金は、請求明細がモデルのリスト価格と一致するため、コスト見積もりを簡素化します。ただし、OrcaRouterがAPIアカウントに基本サブスクリプション料金やインフラ料金を請求する場合、それらの固定費がないという意味ではありません。提供された内容はトークン単位の請求についてのみ述べています。固定費の有無については、必ずOrcaRouterのプランを確認してください。ゼロマークアップはモデル料金に適用され、他のモデルとのコスト比較の基準となります。
OrcaRouter経由でMuse Spark 1.2を呼び出すには、ベースURLをhttps://api.orcarouter.ai/v1に設定し、モデルIDとしてmeta/muse-spark-1.2を使用します。クライアントは、OpenAI互換のチャット補完形式に従うリクエストを送信する必要があります。OrcaRouter APIキーをAuthorizationヘッダーに含めてください。messages配列には、処理するコンテンツを含めることができます。マルチモーダル入力の場合、画像、動画、ファイル、音声のコンテンツ形式は、OrcaRouterがサポートするスキーマによって異なります。OpenAI互換のインターフェースでは通常、コンテンツパーツが許可されます。正確なフィールド名はAPIリファレンスに記載されています。リクエストの合計トークン数が1,048,576トークンのコンテキストウィンドウ内に収まるようにしてください。OpenAI SDKを使用する場合は、base_urlパラメータとmodelパラメータを適宜設定してください。
OrcaRouter は OpenAI 互換の API を公開しているため、temperature、top_p、max_tokens、stop sequences などの標準的な推論パラメータが利用できる場合があります。これらは一般的な OpenAI API パラメータであるため、その動作は API 仕様に従います。提供されたファクトには、Muse Spark 1.2 のモデル固有のパラメータは記載されていません。また、会話の一部として、システムメッセージ、ユーザーメッセージ、アシスタントメッセージを渡すこともできます。マルチモーダル入力の場合、リクエスト形式には、含まれるメディアに対応する正しい content パーツを含める必要があります。すべての OpenAI パラメータがすべてのプロバイダーでサポートされるとは限らないため、移行時に各パラメータをテストしてください。モデル ID は meta/muse-spark-1.2 を正確に使用してください。パラメータがサポートされていない場合、OrcaRouter はエラーメッセージを返します。API ドキュメントで確認してください。
既存のOpenAI互換インテグレーションをOrcaRouterに移行するには、ベースURLを現在のエンドポイントからhttps://api.orcarouter.ai/v1に変更し、モデルをmeta/muse-spark-1.2に設定してください。標準のOpenAIチャット補完を使用していた場合は、同じメッセージ構造を維持してください。APIキーをOrcaRouterキーに置き換えてください。既存のリクエストにモデル固有の拡張機能が含まれている場合は、OrcaRouterのAPIドキュメントに基づいて削除または適応させてください。コンテキストウィンドウは1,048,576トークンであり、以前のモデルより大きい場合があるため、同じリクエストを切り詰めずに収めることができます。プロバイダー固有のフィールドを使用していた場合は、画像、動画、ファイル、音声の入力形式を確認してください。まず小さなリクエストでテストしてください。Muse Spark 1.2はテキストを出力するため、テキストベースのツールにとって移行は簡単です。
提供されたモデルファクトには、Muse Spark 1.2またはOrcaRouterに関するデータ処理、保持、またはプライバシー条件は含まれていません。一般に、リクエストは補完を生成するためにモデルプロバイダーに送信されます。OrcaRouterは運用のためにAPIログや利用データを保存する場合がありますが、具体的なポリシーはここでは説明されていません。データプライバシーが重要な場合は、OrcaRouterの利用規約とプライバシーポリシーを確認し、Metaのプロバイダー条件が送信するコンテンツに適用されるかどうかを確認してください。入力されたビデオ、オーディオ、またはファイルが推論後に自動的に削除されることを想定しないでください。機密データについては、編集（リダクション）とローカルでの前処理を検討してください。このセクションは法的助言として読まれるべきではありません。現在のデータ処理契約を取得するには、OrcaRouterサポートに連絡してください。APIの使用は、該当する条件への同意を構成します。
Muse Spark 1.2は、画像・動画・ファイル・音声の入力を受け付けられる点で、テキストのみの言語モデルとは異なります。テキストのみのモデルは、書かれたコンテンツしか処理できません。マルチモーダルなタスクでは、Muse Spark 1.2はLLMを呼び出す前にメディアを抽出・文字起こしする必要をなくします。また、1,048,576トークンのコンテキストウィンドウにより、多くの標準モデルよりはるかに長い入力を保持できます。一方、テキストのみのモデルは多くの場合、コストが低く、プレーンテキストの作業では高速に実行できる可能性があります。出力価格は100万トークンあたり4.25ドルで、多くの軽量テキストモデルより高めです。プロジェクトが完全にテキストのみで、長いコンテキストを必要としない場合、テキストのみのモデルの方が適しているかもしれません。ワークフローで既に画像・音声・動画を送信している場合は、このモデルが単一呼び出しの経路を提供します。
音声のみ、または画像のみのモデルは、通常1つのモダリティに特化しており、ラベル、埋め込み、または文字起こしを出力することがあります。Muse Spark 1.2 は、テキスト、画像、動画、ファイル、音声を1つのテキスト生成インターフェースに統合します。これにより、以前は音声文字起こしツール、画像キャプション生成ツール、LLMを組み合わせていたパイプラインを簡素化できます。ただし、専門モデルは音声認識や物体検出などのタスク向けにより適切に調整できます。Muse Spark 1.2 についてはベンチマークスコアが提供されていないため、専門モデルと比較するためのデータはここにはありません。適切な選択は、一般的な理解が必要か、特化した精度が必要かによって異なります。複数のモダリティにわたる一般的な推論には、単一のマルチモーダルモデルの方が保守が容易な場合があります。1つのメディアタイプで厳格な本番精度を求める場合は、専門の代替モデルを試してください。
Muse Spark 1.2について提供されている価格データは、入力トークン100万トークンあたり1.25ドル、出力トークン100万トークンあたり4.25ドルのみで、OrcaRouter経由でマークアップなしで請求されます。他のモデルとの比較には、各モデルの価格リストが必要ですが、それらはこのエントリには含まれていません。一般に、マルチモーダルモデルは、よりリッチな入力を処理するため、単純なテキストモデルよりも実行コストが高くなります。1,048,576トークンのコンテキストウィンドウは、大量のメディアを送信するとコストが増加する可能性があります。短いテキストプロンプトの場合、入力コストは非常に小さくなります。数分のビデオと長い出力を含むリクエストの場合、コストは高くなります。トークン単価と予想トークン数を使用して、代替モデルの方が経済的かどうかを推定してください。OrcaRouterはマークアップを追加しないため、プロバイダー料金が比較の基準となります。
OpenAI 互換——今お使いの SDK のまま
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| 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。
今週の開発者の声
@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