Muse Spark 1.2 é o modelo de raciocínio da Meta para tarefas agênticas complexas e o checkpoint atual da família Muse Spark. A Meta o descreve como um checkpoint atualizado em relação ao Muse Spark 1.1, com desempenho ligeiramente superior, servido no mesmo nível Standard com preços idênticos — uma atualização substituta, e não um novo nível. Ele aceita uma superfície de entrada excepcionalmente ampla — texto, imagens, vídeo, áudio e documentos PDF — e retorna texto, raciocinando nativamente entre modalidades em uma janela de contexto de 1M tokens. Suporta esforço de raciocínio configurável, chamada nativa de ferramentas e saídas estruturadas, sendo muito adequado para agentes multimodais, pesquisa aprofundada sobre mídia mista e análise de contexto longo. O Muse Spark 1.2 é direcionado a cargas de trabalho que combinam documentos, capturas de tela, gravações e vídeo com texto — desde a análise de relatórios longos e bibliotecas de mídia até a condução de pipelines agênticos de várias etapas que precisam raciocinar além de apenas texto. A Meta também disponibiliza o muse-spark-1.2-contributor, o mesmo checkpoint em seu nível Contributor.
Muse Spark 1.2 é um modelo de linguagem produzido pela Meta, servido via OrcaRouter. Ele aceita entradas de texto, imagem, vídeo, arquivo e áudio, e produz saídas de texto. O modelo possui uma janela…
Com base nos fatos fornecidos, o Muse Spark 1.2 pode receber texto, imagem, vídeo, arquivo e áudio, e responder com texto. Portanto, é adequado para tarefas de compreensão multimodal, como resumo, extração, tradução de conteúdo de áudio e respostas a perguntas sobre material visual ou de áudio. Uma janela de contexto de 1.048.576 tokens significa que ele pode usar material de origem substancial como contexto. O modelo pondera todas as modalidades de entrada em relação ao mesmo orçamento de tokens. Não há informações nos metadados fornecidos sobre capacidades especiais, como chamada de ferramentas, saída estruturada ou ajuste fino. O OrcaRouter oferece o modelo por meio de uma API padrão, portanto, quaisquer capacidades expostas pela API podem ser utilizadas. Para qualquer coisa não coberta pelo cartão do modelo, teste o modelo com seus próprios prompts e payloads antes de colocá-lo em produção.
Os melhores casos de uso vêm da combinação de entrada multimodal e grande contexto. Você pode fazer perguntas sobre um vídeo longo, resumir uma gravação de áudio, inspecionar imagens junto com texto de apoio ou trabalhar com anexos de arquivos na mesma conversa. A janela de contexto de 1.048.576 tokens também suporta documentos longos e conjuntos de múltiplos arquivos. Use o Muse Spark 1.2 quando uma tarefa exigiria, de outra forma, vários modelos ou muitas chamadas em partes. Se a entrada for majoritariamente texto e curta, um modelo mais barato pode oferecer melhor valor. A OrcaRouter cobra pela taxa do provedor, então o custo é proporcional aos tokens que você envia. Para manter o custo gerenciável, pré-filtre o conteúdo e envie apenas as partes de arquivos, imagens ou áudio que forem relevantes. Este modelo não foi projetado para gerar mídia; sua saída é texto.
O Muse Spark 1.2 é posicionado como um modelo multimodal de alto contexto. Para consultas curtas apenas com texto, um modelo menor normalmente será mais rápido e menos caro. O preço fornecido de US$ 4,25 por 1M de tokens de saída é uma tarifa premium em comparação a muitos modelos de texto leves, embora comparações exatas dependam das alternativas. Não há orçamentos de tokens específicos nem números de benchmark nos fatos fornecidos, então a decisão se baseia na complexidade da tarefa. Se o seu conteúdo for texto simples com poucos milhares de tokens, use um modelo mais barato. Se a sua tarefa envolver áudio longo, vídeo, imagens ou arquivos, o suporte a entrada multimodal e o contexto de 1M podem justificar o preço. O OrcaRouter permite alternar modelos alterando o parâmetro de modelo, então você pode direcionar tarefas simples para um modelo mais barato e reservar o Muse Spark 1.2 para tarefas multimodais mais difíceis.
O modelo produz texto. Ele não gera imagens, vídeo ou áudio. Ele aceita essas mídias como entradas, mas a resposta é uma completion textual. Não há um limite de tokens de saída declarado nos metadados fornecidos, mas as configurações padrão da API, como max_tokens, podem limitar o comprimento de uma resposta. Como não são fornecidos números de benchmark, as afirmações de precisão e capacidade devem ser verificadas com seus próprios dados. O modelo pode não conseguir processar vídeos extremamente longos se a representação exceder a janela de contexto de 1,048,576 tokens. Também não há garantia de bom desempenho em tarefas fora do espaço esperado de compreensão multimodal. Ao usar o OrcaRouter, a API retorna erros para solicitações que excedem o orçamento de contexto ou violam as restrições de entrada do provedor.
Os fatos do modelo fornecidos não incluem nenhuma pontuação de benchmark ou tabelas de avaliação para o Muse Spark 1.2. Isso não significa que o modelo não foi testado; significa que os metadados fornecidos para esta entrada de catálogo não listam esses números. Para avaliar o modelo, execute seus próprios exemplos de teste e compare as saídas em métricas específicas da tarefa. O OrcaRouter não publica resultados de benchmark para modelos de terceiros nesta entrada. Sem dados de benchmark, os leitores devem se basear em capacidades qualitativas, como uma janela de contexto de 1.048.576 tokens e suporte a entrada multimodal. Quaisquer números de desempenho que você vir em outros lugares devem vir diretamente da Meta ou de avaliações independentes. A frase Muse Spark 1.2 não deve ser associada a afirmações específicas de benchmark aqui. Se você precisar de uma medida quantitativa de qualidade, projete um pequeno conjunto de avaliação que cubra os tipos de entrada esperados, incluindo texto, imagem, vídeo, arquivo e áudio. Meça a precisão da tarefa, a consistência da saída e o custo. A ausência de benchmarks publicados também ressalta a necessidade de testes antes da implantação em produção.
A janela de contexto é de 1.048.576 tokens. Este é o tamanho máximo de entrada que o modelo pode processar em uma única chamada, conforme declarado nos fatos fornecidos. Um token é uma unidade de processamento de texto; 1.048.576 tokens correspondem, aproximadamente, a uma grande quantidade de dados textuais, embora o número exato de palavras por token varie. Esse limite de contexto também se aplica a conteúdo extraído de entradas de vídeo, imagem, arquivo e áudio depois de convertidos em tokens. Um contexto grande permite que o modelo veja um documento inteiro, uma transcrição longa ou muitos arquivos de origem sem dividi-los em partes. Também significa que você deve estar atento ao uso de tokens ao enviar arquivos de mídia. Se a contagem total de tokens de uma solicitação exceder a janela de contexto, a chamada à API falhará. Use as ferramentas de contagem de tokens do OrcaRouter ou sua própria estimativa para permanecer dentro do limite.
Não há valores de latência ou throughput incluídos nos metadados fornecidos. O tempo de resposta real depende de várias variáveis: comprimento total da entrada, número de modalidades, complexidade do prompt e carga do lado do provedor. Uma solicitação envolvendo vídeo e áudio pode ser mais lenta que uma solicitação somente de texto, porque os dados associados precisam ser processados antes da inferência. O comprimento da saída também afeta o tempo; gerar muitos tokens leva mais tempo do que gerar poucos tokens. Não há nível de velocidade ou disponibilidade garantida declarado para este modelo. Para obter medições confiáveis de latência, faça benchmark da API por meio do OrcaRouter com solicitações representativas. Se você precisar de latência extremamente baixa para prompts simples, use um modelo menor. Para processamento multimodal de contexto longo, a latência provavelmente será maior por natureza da carga de trabalho.
A OrcaRouter cobra pelo Muse Spark 1.2 a US$ 1,25 por 1.000.000 de tokens de entrada e US$ 4,25 por 1.000.000 de tokens de saída. Esses valores vêm dos fatos fornecidos e são repassados à taxa do provedor com margem zero. Tokens de entrada são os tokens enviados pelo cliente, incluindo texto, conteúdo de arquivos e qualquer representação de imagem, vídeo ou áudio. Tokens de saída são os tokens retornados no texto gerado. O custo total de uma chamada é, portanto, tokens de entrada vezes US$ 1,25/1M mais tokens de saída vezes US$ 4,25/1M. Como a OrcaRouter não adiciona margem, essa é a taxa de item de linha que você deve usar para orçamento. A janela de contexto é de 1.048.576 tokens, então uma entrada de contexto completo custaria um pouco mais de US$ 1,25 na taxa de entrada. Essa estimativa pressupõe exatamente o máximo de tokens de entrada; as solicitações reais variam.
Tokens de entrada custam $1,25 por milhão. Tokens de saída custam $4,25 por milhão. Tokens de saída são mais caros que tokens de entrada, o que é comum em modelos generativos. Para muitas tarefas, a saída é um complemento curto, enquanto a entrada contém uma grande quantidade de material de origem. Nesse caso, o custo dos tokens de entrada domina. Por outro lado, se você solicitar um texto longo gerado, o custo de saída pode se tornar significativo. Como a janela de contexto é de 1.048.576 tokens, é possível enviar perto desse limite e incorrer em cobranças de entrada. Você pode reduzir o custo de entrada enviando apenas as seções relevantes dos arquivos, limitando a duração de vídeo ou áudio e aparando o histórico da conversa. O OrcaRouter não adiciona margem de lucro, portanto qualquer diferença de custo vem dos volumes de uso e das escolhas.
Os fatos fornecidos não incluem nenhuma informação de preço ou desconto de cache para o Muse Spark 1.2. Alguns provedores oferecem preços mais baixos para tokens de entrada em cache, mas nenhum desses valores está listado aqui. Se a OrcaRouter ou a Meta habilitar o cache de prompt para este modelo, os preços de cache disponíveis seriam documentados separadamente. Sem essa documentação, assuma que cada token de entrada é cobrado pela tarifa integral de US$ 1,25 por milhão. Não planeje seu orçamento com base em economia de cache, a menos que tenha confirmado os termos atuais. O cache também depende da reutilização do prompt; solicitações com entradas únicas ou altamente variáveis não se beneficiarão. Verifique a página de preços da OrcaRouter ou entre em contato com o suporte para saber se existe preço de cache para meta/muse-spark-1.2.
A OrcaRouter afirma que o Muse Spark 1.2 é cobrado pela tarifa do provedor com margem zero (zero markup). Isso significa que o preço por token que você paga corresponde à tarifa listada pelo provedor: US$ 1,25 por 1M de tokens de entrada e US$ 4,25 por 1M de tokens de saída. A OrcaRouter não adiciona uma taxa por token nem uma taxa de serviço sobre esse valor. Uma tarifa com margem zero simplifica a projeção de custos porque o item da sua fatura corresponde ao preço de tabela do modelo. Isso não significa que não haja taxa de assinatura base ou taxa de infraestrutura, caso a OrcaRouter cobre alguma pela conta da API; os fatos fornecidos descrevem apenas a cobrança por token. Sempre verifique seu plano da OrcaRouter para custos fixos. A margem zero se aplica à tarifa do modelo e é a base para comparações de custo com outros modelos.
Para chamar o Muse Spark 1.2 por meio do OrcaRouter, defina a URL base como https://api.orcarouter.ai/v1 e use o ID do modelo meta/muse-spark-1.2. O seu cliente deve enviar uma solicitação que siga o formato de conclusão de chat compatível com a OpenAI. Inclua sua chave de API do OrcaRouter no cabeçalho Authorization. O array messages pode conter o conteúdo que você deseja processar. Para entrada multimodal, o formato do conteúdo para imagem, vídeo, arquivo e áudio depende do schema suportado pelo OrcaRouter; a interface compatível com a OpenAI normalmente permite partes de conteúdo. Os nomes exatos dos campos estão documentados na referência da API. Certifique-se de que a contagem total de tokens da solicitação permaneça dentro da janela de contexto de 1.048.576 tokens. Se você usar o SDK da OpenAI, defina os parâmetros base_url e model de acordo.
OrcaRouter expõe uma API compatível com OpenAI, portanto parâmetros de inferência padrão como temperature, top_p, max_tokens e stop sequences podem estar disponíveis. Como esses são parâmetros gerais da API OpenAI, seu comportamento segue a especificação da API. Os fatos fornecidos não listam parâmetros específicos de modelo para o Muse Spark 1.2. Você também pode passar mensagens de sistema, mensagens de usuário e mensagens de assistente como parte da conversa. Para entrada multimodal, o formato da solicitação deve incluir as partes de conteúdo corretas para a mídia incluída. Não há garantia de que cada parâmetro OpenAI seja suportado por todos os provedores, portanto, teste cada parâmetro ao migrar. Use o ID do modelo meta/muse-spark-1.2 exatamente. Se um parâmetro não for suportado, o OrcaRouter retornará uma mensagem de erro; verifique a documentação da API.
Para migrar uma integração existente compatível com OpenAI para o OrcaRouter, altere a URL base do seu endpoint atual para https://api.orcarouter.ai/v1 e defina o modelo como meta/muse-spark-1.2. Mantenha a mesma estrutura de mensagens se você estava usando conclusões de chat padrão da OpenAI. Substitua sua chave de API por uma chave do OrcaRouter. Se suas solicitações existentes incluírem extensões específicas do modelo, remova-as ou adapte-as com base na documentação da API do OrcaRouter. A janela de contexto é de 1.048.576 tokens, que pode ser maior que a do seu modelo anterior, permitindo que a mesma solicitação caiba sem truncamento. Verifique a formatação de entrada para imagem, vídeo, arquivo e áudio se você usou campos específicos do provedor. Teste com uma solicitação pequena primeiro. Como o Muse Spark 1.2 gera texto, a migração é simples para ferramentas baseadas em texto.
As informações fornecidas sobre o modelo não contêm termos de tratamento, retenção ou privacidade de dados para o Muse Spark 1.2 ou o OrcaRouter. Em geral, as solicitações são enviadas ao provedor do modelo para gerar respostas. O OrcaRouter pode armazenar registros de API ou dados de uso para operações, mas a política específica não é descrita aqui. Se a privacidade dos dados for importante, revise os termos de serviço e a política de privacidade do OrcaRouter e confirme se os termos do provedor da Meta se aplicam ao conteúdo que você envia. Não presuma que vídeo, áudio ou arquivos de entrada sejam excluídos automaticamente após a inferência. Para dados confidenciais, considere a ocultação e o pré-processamento local. Esta seção não deve ser interpretada como aconselhamento jurídico. Entre em contato com o suporte do OrcaRouter para obter o acordo atual de processamento de dados. O uso da API constitui concordância com os termos aplicáveis.
Muse Spark 1.2 difere dos modelos de linguagem somente de texto porque aceita entradas de imagem, vídeo, arquivo e áudio. Um modelo somente de texto só pode processar conteúdo escrito. Para tarefas multimodais, o Muse Spark 1.2 elimina a necessidade de extrair e transcrever mídia antes de chamar um LLM. Sua janela de contexto de 1.048.576 tokens também permite armazenar entradas muito mais longas do que muitos modelos padrão. Por outro lado, os modelos somente de texto costumam ser menos caros e podem executar mais rapidamente para trabalho com texto simples. O preço de saída de US$ 4,25 por milhão de tokens é mais alto do que o de muitos modelos de texto leves. Se o seu projeto é inteiramente baseado em texto e não precisa de contexto longo, um modelo somente de texto pode ser mais adequado. Se o seu fluxo de trabalho já envia imagens, áudio ou vídeo, este modelo oferece um caminho de chamada única.
Modelos somente de áudio e somente de imagem normalmente se especializam em uma única modalidade e podem gerar rótulos, embeddings ou transcrições. O Muse Spark 1.2 unifica texto, imagem, vídeo, arquivo e áudio em uma única interface de geração de texto. Isso pode simplificar pipelines que antes combinavam um transcritor de áudio, um gerador de legendas para imagens e um LLM. No entanto, modelos especialistas podem ser mais bem ajustados para tarefas como reconhecimento de fala ou detecção de objetos. Nenhuma pontuação de benchmark é fornecida para o Muse Spark 1.2, portanto não há dados aqui para comparar com modelos especialistas. A escolha adequada depende de você precisar de compreensão geral ou precisão dedicada. Para raciocínio geral em múltiplas modalidades, um único modelo multimodal pode ser mais fácil de manter. Para precisão estrita de produção em um único tipo de mídia, teste alternativas especializadas.
Os únicos valores de preço fornecidos para o Muse Spark 1.2 são US$ 1,25 por 1M de tokens de entrada e US$ 4,25 por 1M de tokens de saída, cobrados sem margem adicional por meio do OrcaRouter. Comparações com outros modelos exigiriam suas listas de preços, que não fazem parte deste registro. Em geral, modelos multimodais são mais caros de operar do que modelos de texto simples, porque processam entradas mais ricas. A janela de contexto de 1.048.576 tokens pode aumentar o custo se você enviar grandes quantidades de mídia. Para um prompt de texto curto, o custo de entrada é muito pequeno. Para uma solicitação com vários minutos de vídeo e uma saída longa, o custo será maior. Use as taxas por token e suas contagens de tokens esperadas para estimar se um modelo alternativo seria mais econômico. Como o OrcaRouter não adiciona margem, a taxa do provedor é a referência relevante.
Compatível com OpenAI — mantenha seu 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| Entrada / 1M tokens | $1.25 |
| Saída / 1M tokens | $4.25 |
| Leitura de cache / 1M | $0.150 |
| Moeda | USD |
Estimativa com base no preço de tabela
Apenas uma estimativa — a contagem real de tokens depende do tokenizador do provedor.
Do que os desenvolvedores estão falando esta semana
GET /api/public/models/meta/muse-spark-1.2Abrir @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