Muse Spark 1.1은 Meta의 멀티모달 추론 모델로, 에이전트 작업을 위해 설계되었습니다. 텍스트, 이미지, 비디오, 오디오 및 PDF 문서 등 비정상적으로 다양한 입력을 수용하며, 100만 토큰 컨텍스트 창 내에서 모달리티 전반에 걸쳐 기본적으로 추론하여 텍스트를 반환합니다. 구성 가능한 추론 노력과 기본 도구 호출을 지원하므로 멀티모달 에이전트, 혼합 미디어에 대한 심층 연구, 장문 맥락 분석에 적합합니다. 효율적인 추론과 광범위한 입력 표면을 갖춘 Muse Spark 1.1은 문서, 스크린샷, 녹음, 비디오와 텍스트를 결합한 작업(긴 보고서 및 미디어 라이브러리 분석부터 텍스트 이상을 추론해야 하는 다단계 에이전트 파이프라인 구동까지)을 대상으로 합니다.
Meta Muse Spark 1.1은 Meta에서 개발한 멀티모달 대규모 언어 모델로, 텍스트, 이미지, 비디오, 파일, 오디오를 단일 컨텍스트에서 처리할 수 있습니다. 컨텍스트 윈도우는 1,048,576 토큰(약 100만 토큰)으로, 매우 긴 입력이나 혼합 미디어 입력을 처리할 수 있습니다. 이 모델은 OrcaRouter의 OpenAI 호환 API를…
Muse Spark 1.1의 주요 강점은 여러 미디어 유형을 포함하는 매우 긴 컨텍스트(1,048,576 토큰)를 처리하고 추론할 수 있다는 점입니다. 이 모델은 이미지가 포함된 500페이지 분량의 PDF나 오디오 대본이 포함된 2시간 분량의 비디오를 한 번에 분석할 수 있습니다. 이로 인해 청킹이나 별도의 모델이 필요하지 않습니다. 또한 복잡한 지침을 따르고, 혼합 미디어 입력에 걸쳐 요약, 질문 응답, 개체 추출과 같은 복잡한 추론 작업을 수행할 수 있습니다.
작업이 큰 컨텍스트 윈도우와 여러 입력 모달리티로부터 진정으로 이점을 얻을 수 있는 경우 Muse Spark 1.1을 사용하세요. 짧은 텍스트 생성(예: 1,000개의 토큰)만 필요하고 이미지나 오디오가 필요하지 않다면, 더 작은 컨텍스트를 가진 저렴한 텍스트 전용 모델이 더 비용 효율적입니다. 그러나 비디오의 시각적 세부 사항과 오디오를 요약하는 것과 같은 종단간 멀티모달 이해의 경우, Muse Spark 1.1은 여러 모델 호출을 피함으로써 시스템 복잡성과 지연 시간을 줄일 수 있습니다.
최적의 사용 사례로는 스캔된 PDF와 오디오 증언을 통한 법률 문서 검토, 이미지와 메모를 결합한 의료 기록 분석, 비디오 콘텐츠 검토(프레임 및 오디오 분석), 그리고 도표와 표가 포함된 학술 연구 논문 이해 등이 있습니다. 단일 프롬프트로 길고 이질적인 입력을 다뤄야 하는 모든 시나리오에서 이 모델의 이점을 누릴 수 있습니다. 또한 전체 문서와 관련 이미지를 포함할 수 있는 컨텍스트 창을 활용하여 멀티모달 RAG 파이프라인을 구축하는 데에도 적합합니다.
이 모델은 매우 빠른 저지연 응답에 최적화되어 있지 않습니다. 큰 컨텍스트는 처리 시간을 증가시킵니다. 또한 (글을 쓰는 시점에서) 스트리밍 출력을 지원하지 않습니다. 실시간 상호작용(예: 챗봇)이 필요한 작업에는 더 작은 모델이 바람직합니다. 또한 토큰당 비용이 많은 텍스트 전용 모델보다 높기 때문에 순수 텍스트 작업에는 과할 수 있습니다. 이 모델의 벤치마크 작업 성능은 공개되지 않았습니다. 사용자는 자신의 데이터로 평가해야 합니다.
Meta는 Muse Spark 1.1에 대한 벤치마크 점수를 공개적으로 발표하지 않았습니다. 사용자는 대표적인 작업에 대해 자체 평가를 수행하는 것이 좋습니다. 모델의 큰 컨텍스트와 멀티모달 입력은 문서 이해 및 시각적 QA에서 좋은 성능을 보일 것으로 예상되지만, 제공된 사실에는 표준화된 수치가 존재하지 않습니다. OrcaRouter는 추가적인 벤치마킹 데이터를 제공하지 않으며, 성능은 Meta가 제공한 그대로입니다.
1,048,576개의 멀티모달 데이터 토큰을 처리하는 것은 계산 비용이 많이 듭니다. 지연 시간은 입력 길이, 이미지 또는 비디오 프레임 수, 출력 토큰 수에 따라 달라집니다. 매우 긴 컨텍스트의 경우 초 단위가 아닌 분 단위가 소요될 수 있습니다. OrcaRouter는 이 모델에 대한 지연 시간 벤치마크를 공개하지 않습니다. 사용자는 실제 작업 부하로 테스트하여 자신의 애플리케이션에서 허용 가능한 응답 시간을 결정해야 합니다.
주요 제한점은 공개된 성능 데이터가 부족하여 맞춤 테스트 없이 다른 모델과 비교하기 어렵다는 점입니다. 또한 이 모델은 텍스트 외의 출력 형식을 지원하지 않아 이미지나 오디오를 생성할 수 없습니다. 추가로, 1M 토큰 컨텍스트는 이론적인 수치이며, 일부 작업에서는 최대 길이에서 실제 정확도가 저하될 수 있습니다. 대규모 모델의 일반적인 특성상 프롬프트 스타일에 따라 결과가 일관되지 않을 수 있습니다.
대규모 멀티모달 컨텍스트를 처리할 때 높은 지연 시간이 발생할 가능성이 있으므로, 이 모델은 대화형 챗봇이나 실시간 자막과 같은 실시간 애플리케이션에는 권장되지 않습니다. 배치 처리, 오프라인 분석, 그리고 몇 초에서 몇 분의 처리 시간이 허용되는 비동기 워크플로에 더 적합합니다. 낮은 지연 시간이 필요한 경우 OrcaRouter를 통해 제공되는 더 작고 빠른 모델을 고려하세요.
가격은 입력 토큰 100만 개당 $1.25, 출력 토큰 100만 개당 $4.25입니다. 토큰은 모델의 토크나이저에 따라 계산되며, 입력 토큰에는 모든 텍스트, 이미지 토큰(일반적으로 이미지당 170개의 토큰), 비디오 프레임, 오디오 및 파일 내용이 포함됩니다. 출력 토큰은 생성된 텍스트입니다. OrcaRouter는 공급업체 요금을 마크업 없이 그대로 전달하므로 비용은 정확히 이 금액입니다. 추가 플랫폼 수수료는 없습니다.
모델이 최대 1M 입력 토큰을 지원하기 때문에, 긴 문서를 한 번 호출하면 입력 토큰만으로 $1.25 이상의 비용이 발생할 수 있습니다. 짧은 입력(예: 수천 개의 토큰)의 경우 비용이 훨씬 낮아서, 1,000 입력 토큰당 약 $0.0013입니다. 절충점은 소량의 컨텍스트만 필요한 작업의 경우, 토큰당 요율이 낮은 더 저렴한 모델이 더 경제적이라는 것입니다. 대규모 컨텍스트의 멀티모달 작업의 경우, 이 모델이 여러 모델에 작업을 분할하는 것보다 비용 효율적일 수 있습니다.
OrcaRouter는 현재 Muse Spark 1.1에 대해 캐싱이나 볼륨 할인을 제공하지 않습니다. 가격은 토큰당 종량제로 책정됩니다. 사용량에 따른 계층형 가격은 없습니다. 사용자는 특히 대용량 멀티모달 입력의 경우 토큰 소비를 모니터링하여 비용을 관리해야 합니다. 제로 마크업 정책은 비용이 기본 공급자 가격을 정확히 반영하도록 보장합니다.
아니요. OrcaRouter는 제공자 요율에 따라 토큰 소비에 대해서만 비용을 청구하며, 마크업이 전혀 없습니다. 요청 수수료, 월 최소 사용량, 스트리밍 추가 요금도 없습니다(단, 현재 모델은 스트리밍을 지원하지 않습니다). 유일한 비용은 입력 토큰 $1.25/1M 및 출력 토큰 $4.25/1M입니다. 사용자는 API로 미디어를 인코딩하거나 전송하는 데 드는 모든 비용(네트워크 대역폭)에 대한 책임이 있습니다.
OpenAI 호환 채팅 완료 엔드포인트를 사용하세요. base_url을 https://api.orcarouter.ai/v1로 설정하세요. 요청 본문에서 model을 "meta/muse-spark-1.1"로 설정하세요. 메시지는 표준 OpenAI 형식으로 포함하세요. 멀티모달 콘텐츠의 경우, role이 "user"이고 content가 text, image_url 등의 부분 배열인 메시지를 사용하세요. 인증은 OrcaRouter에서 제공하는 API 키를 통해 이루어집니다. Python openai 라이브러리를 사용한 예시: client = OpenAI(base_url='https://api.orcarouter.ai/v1', api_key='your-key')
API는 표준 매개변수를 지원합니다: max_tokens(출력 토큰 제한), temperature(0-2, 기본값 1), top_p(0-1), frequency_penalty, presence_penalty, stop sequences, seed(결정론적 출력용). 현재 모델은 스트리밍이나 함수 호출을 지원하지 않습니다. n 매개변수(완성 횟수)도 지원되지 않습니다 – 요청당 하나의 완성만 가능합니다. 컨텍스트 윈도우 제한은 입력과 출력을 합쳐 총 1,048,576 토큰입니다.
현재 다른 제공자를 사용 중인 경우, 기본 URL을 https://api.orcarouter.ai/v1로 변경하고 모델 이름을 "meta/muse-spark-1.1"로 설정하세요. 대시보드에서 OrcaRouter API 키를 발급받으십시오. 요청 본문 형식은 OpenAI의 API와 동일합니다. 멀티모달 콘텐츠(이미지, 비디오, 파일, 오디오)는 OpenAI의 vision 엔드포인트와 동일한 형식을 사용합니다. 다른 코드 변경은 필요하지 않습니다. 토큰화 및 비용을 확인하기 위해 소규모 요청으로 테스트해 보세요.
현재 Muse Spark 1.1은 스트리밍을 지원하지 않습니다. 요청은 동기식이며, 생성이 완료되면 응답이 반환됩니다. 긴 컨텍스트 프롬프트의 경우 상당한 시간이 소요될 수 있습니다. OrcaRouter는 향후 스트리밍 지원을 추가할 수 있지만, 현재는 비스트리밍만 가능합니다. 비동기 처리는 애플리케이션에서 요청을 병렬로 전송하여 수행할 수 있습니다.
Muse Spark 1.1의 1,048,576 토큰 컨텍스트 윈도우는 현재 사용 가능한 것 중 가장 큰 수준으로, 다른 제공업체의 모델과 경쟁합니다. 그러나 멀티모달 모델로서 혼합 입력을 처리하도록 특별히 설계되었습니다. 순수 텍스트 기반의 대규모 컨텍스트 모델은 텍스트 전용 작업에서 토큰당 더 저렴할 수 있습니다. 제공된 정보에는 벤치마크 비교가 명시되어 있지 않으므로, 사용자는 자신의 멀티모달 요구 사항에 따라 평가해야 합니다.
더 작은 멀티모달 모델(예: 128K 컨텍스트)은 더 빠르고 저렴하지만 단일 호출에서 많은 정보를 처리할 수 없습니다. Muse Spark 1.1은 속도와 비용을 희생하여 전체 문서나 긴 비디오를 처리할 수 있습니다. 청크로 나눌 수 있는 작업의 경우 작은 모델을 사용하는 것이 더 효율적일 수 있습니다. 올바른 선택은 애플리케이션이 매우 큰 입력을 한 번에 처리해야 하는지 여부에 달려 있습니다.
입력에 이미지, 동영상 또는 오디오가 없을 때는 텍스트 전용 모델을 사용하세요. 비슷한 컨텍스트 크기를 가진 텍스트 전용 모델은 일반적으로 토큰당 비용이 더 저렴합니다. 예를 들어, 시각적 요소가 없는 1M-token 텍스트 문서를 요약하는 작업이라면, 입력 1M당 $1.25 미만의 비용이 드는 순수 텍스트 모델이 더 비용 효율적입니다. Muse Spark 1.1의 가격은 멀티모달 작업에는 경쟁력이 있지만, 순수 텍스트에는 그렇지 않습니다.
OrcaRouter는 통합된 OpenAI 호환 인터페이스를 제공하는 반면, Meta의 직접 API는 자체 프로토콜을 사용할 수 있습니다. OrcaRouter는 마크업을 추가하지 않으므로 토큰 비용이 동일합니다(Meta가 동일한 요율을 부과한다고 가정). OrcaRouter는 API 키 관리, 사용량 추적, 여러 공급자 간 로드 밸런싱과 같은 추가 기능을 제공할 수 있습니다. 선택은 여러 모델에서 일관된 API 추상화를 선호하는지 여부에 달려 있습니다.
OpenAI 호환 — 쓰던 SDK 그대로
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| 입력 / 1M tokens | $1.25 |
| 출력 / 1M tokens | $4.25 |
| 캐시 읽기 / 1M | $0.150 |
| 통화 | USD |
정가 기준 추정치
추정치일 뿐입니다 — 실제 토큰 수는 제공자의 토크나이저에 따라 달라집니다.
@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