Muse Spark 1.1 是 Meta 的多模態推理模型，專為代理型任務而設計。它接受異常廣泛的輸入——文字、圖片、視訊、音訊和 PDF 文件——並輸出文字，在 1M token 的上下文視窗內跨模態進行原生推理。它支援可配置的推理強度和原生工具呼叫，使其非常適合多模態代理、跨混合媒體的深度研究以及長上下文分析。 憑藉高效的推理和廣泛的輸入範圍，Muse Spark 1.1 針對結合文件、螢幕截圖、錄音、視訊與文字的工作負載——從分析長篇報告和媒體庫，到驅動必須超越純文字推理的多步驟代理管線。
Meta Muse Spark 1.1 是 Meta 推出的多模態大型語言模型，能在單一上下文中處理文字、圖片、影片、檔案與音訊。其上下文視窗大小為 1,048,576 個 tokens（約一百萬個 tokens），可應對極長或多模混合輸入。該模型透過 OrcaRouter 的 OpenAI 相容 API 存取，模型識別碼為…
Muse Spark 1.1 的主要優勢在於其能夠處理並推理包含多種媒體類型的超長上下文（1,048,576 個令牌）。它可一次性分析一份內嵌圖片的 500 頁 PDF，或一部長達 2 小時的影片及其音訊逐字稿。這消除了對分段處理或獨立模型的需求。該模型還能遵循詳細指令，並執行跨混合媒體輸入的複雜推理任務，例如摘要、問答及實體提取。
當您的任務確實需要較大的上下文視窗和多種輸入模態時，請使用 Muse Spark 1.1。如果您只需要生成短文本（例如 1,000 個 token）且無需圖片或音訊，那麼更便宜、上下文較小的純文字模型更具成本效益。然而，對於端到端的多模態理解——例如總結帶有視覺細節和音訊的影片——Muse Spark 1.1 可以避免多次呼叫模型，從而降低系統複雜度和延遲。
最佳使用案例包括法律文件審查（掃描的 PDF 與音訊證詞）、病歷分析（結合影像與筆記）、影片內容審核（分析畫面與音訊），以及學術研究論文理解（含圖表和表格）。任何需要單一提示涵蓋長篇且異質輸入的場景，都能受益於此模型。它也適用於建構多模態 RAG 管道，讓上下文窗口可容納完整文件及相關圖片。
該模型並非為極快速、低延遲的回應而最佳化——較大的上下文會增加處理時間。此外，它目前（撰寫本文時）也不支援串流輸出。對於需要即時互動的任務（例如聊天機器人），較小的模型更為合適。同時，每個token的成本高於許多純文字模型，因此在純文字任務中可能顯得大材小用。該模型在基準測試任務中的表現尚未公開，使用者應自行以數據評估。
Meta 尚未公開 Muse Spark 1.1 的基準測試分數。建議用戶針對代表性任務自行評估。該模型的大型上下文與多模態輸入，預示其在文檔理解與視覺問答方面應有良好表現，但提供的事實中並無標準化數據。OrcaRouter 不提供額外的基準測試資料，效能表現以 Meta 交付的結果為準。
處理1,048,576個多模態數據的令牌在計算上花費高昂。延遲取決於輸入長度、圖像或視頻幀數，以及輸出令牌數量。對於非常長的上下文，預期時間為分鐘而非秒鐘。OrcaRouter並未發布此模型的延遲基準測試。用戶應以實際工作負載進行測試，以確定其應用可接受的響應時間。
主要限制是缺乏公開的效能數據，使得在沒有自訂測試的情況下難以與其他模型進行比較。該模型也不支援文字以外的輸出模態——它無法生成圖像或音訊。此外，1M token的上下文是理論上的；在實際應用中，對於某些任務，在最大長度時準確度可能會下降。與所有大型模型一樣，不同提示風格的結果可能不一致。
由於處理大型多模態上下文時可能產生高延遲，此模型不建議用於即時應用，例如互動式聊天機器人或即時轉錄。它更適合用於批次處理、離線分析及非同步工作流程，在這些場景中，幾秒到幾分鐘的處理時間是可接受的。對於低延遲需求，請考慮透過 OrcaRouter 提供的更小、更快的模型。
定價為每100萬個輸入令牌1.25美元，每100萬個輸出令牌4.25美元。令牌依據模型的標記器計數；輸入令牌包含所有文字、圖像令牌（通常每張圖像170個令牌）、影片幀、音訊及檔案內容。輸出令牌則為生成的文字。OrcaRouter以零加成的方式傳遞供應商費率，因此成本即為上述數字，無任何額外平台費用。
由於模型支援高達100萬個輸入tokens，單次處理長文件時，僅輸入tokens就可能花費1.25美元或更多。對於短輸入（例如幾千個tokens），成本則低得多——每1,000個輸入tokens約為0.0013美元。取捨在於：僅需少量上下文的任務，採用每次tokens費率較低的經濟型模型更划算；而對於需要大篇幅上下文的多模態任務，相比將工作分散到多個模型，此模型可能更具成本效益。
OrcaRouter目前不提供快取或大量折扣給Muse Spark 1.1。定價是按Token即用即付，沒有根據使用量分級的價格方案。使用者應監控自己的Token消耗量，特別是處理大型多模態輸入時，以管理成本。零加價政策確保費用完全反映底層供應商的價格。
不。OrcaRouter僅按提供商費率收取令牌消耗費用，無任何加成。沒有請求費用、無每月最低消費，且串流（streaming）不另收費（不過該模型目前不支援串流）。唯一成本為輸入令牌每100萬個$1.25，輸出令牌每100萬個$4.25。用戶需自行承擔將媒體編碼或傳輸至API所產生的相關費用（網路頻寬）。
使用 OpenAI 相容的聊天補全端點。設定 base_url 為 https://api.orcarouter.ai/v1。在請求主體中，設定 model 為 "meta/muse-spark-1.1"。以標準 OpenAI 格式包含 messages。對於多模態內容，使用 role 為 "user" 且 content 為零件陣列（text、image_url 等）的 message。透過 OrcaRouter 提供的 API 金鑰進行身份驗證。Python 中搭配 openai 函式庫的範例：client = OpenAI(base_url='https://api.orcarouter.ai/v1', api_key='your-key')。
此 API 支援標準參數：max_tokens（輸出 token 限制）、temperature（0-2，預設為 1）、top_p（0-1）、frequency_penalty、presence_penalty、stop sequences，以及用於確定性輸出的 seed。目前該模型不支援 streaming 或 function calling。n 參數（完成數量）也不支援——每次請求僅能產生一個完成。上下文視窗限制為總計 1,048,576 個 token（包含輸入和輸出）。
若您目前使用其他服務商，請將基礎網址更改為 https://api.orcarouter.ai/v1，模型名稱改為 "meta/muse-spark-1.1"。從控制台取得 OrcaRouter API 金鑰。請求主體格式與 OpenAI 的 API 完全相同。多模態內容（圖片、影片、檔案、音訊）採用與 OpenAI 視覺端點相同的格式。無需修改其他程式碼。先以少量請求測試，以確認分詞與費用。
目前，Muse Spark 1.1 不支援串流。請求是同步的；回應會在生成完成後返回。對於長上下文提示，這可能需要較長時間。OrcaRouter 未來可能會加入串流支援，但目前僅提供非串流方式。可透過從您的應用程式並行發送請求來實現非同步處理。
Muse Spark 1.1 的上下文窗口擁有 1,048,576 個 token，屬於目前可用範圍最大的之一，可與其他供應商的模型競爭。然而，作為一個多模態模型，它專為處理混合輸入而設計。純文字的大型上下文模型在純文字任務中，每個 token 的成本可能更低。提供的資訊並未指定基準測試比較，因此使用者應根據自身的多模態需求進行評估。
較小的多模態模型（例如，具有128K上下文）速度更快且成本更低，但無法在單次調用中處理那麼多資訊。Muse Spark 1.1 犧牲了速度和成本，以換取能夠處理整個文件或長影片的能力。對於可以分塊處理的任務，使用較小的模型可能更有效率。正確的選擇取決於您的應用程式是否真正需要一次性處理非常大的輸入。
当您的输入不包含图像、视频或音频时，请使用纯文本模型。具有相似上下文大小的纯文本模型通常每个 token 更便宜。例如，如果您的任务是总结一个 1M token 的纯文本文档，不包含任何视觉元素，那么一个输入成本低于 $1.25/1M 的纯文本模型将更具成本效益。Muse Spark 1.1 的定价对于多模态任务具有竞争力，但对于纯文本任务则不然。
OrcaRouter提供統一的OpenAI兼容介面，而Meta的直接API可能使用自己的協定。OrcaRouter零加成，因此token成本相同（假設Meta收取相同費率）。OrcaRouter可能提供額外功能，如API金鑰管理、使用追蹤以及跨供應商的負載平衡。選擇取決於您是否偏好跨多個模型的一致API抽象層。
相容 OpenAI——沿用你現有的 SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| 輸入 / 1M tokens | $1.25 |
| 輸出 / 1M tokens | $4.25 |
| 快取讀取 / 1M | $0.150 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
@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