Muse Spark 1.2 是 Meta 針對複雜代理式任務推出的推理模型，也是 Muse Spark 系列目前的檢查點。Meta 將其描述為相較於 Muse Spark 1.1 的更新檢查點，效能略為提升，並以相同定價在同一個 Standard 層級提供服務——屬於可直接替換的升級，而非新的層級。 它接受異常廣泛的輸入形式——文字、圖片、影片、音訊與 PDF 文件——並回傳文字，在 1M-token 的上下文窗口內原生地跨模態進行推理。它支援可設定的推理強度、原生工具呼叫與結構化輸出，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。 Muse Spark 1.2 鎖定的工作負載結合了文件、螢幕截圖、錄音、影片與文字——從分析長篇報告與媒體庫，到驅動必須超越純文字進行推理的多步驟代理式管線。Meta 同時推出 muse-spark-1.2-contributor，即部署於其 Contributor 層級的同一檢查點。
Muse Spark 1.2 是 Meta 生產的語言模型，透過 OrcaRouter 提供服務。它接受文字、圖像、影片、檔案和音訊輸入，並產生文字輸出。該模型的上下文視窗為 1,048,576 個 token，這是它在產生回應時所能考慮的最大輸入內容量。OrcaRouter 透過 OpenAI 相容的 API 在 https://api.orcarouter.ai/v1 公開此模型，模型 ID…
根據所提供的資訊，Muse Spark 1.2 可以接收文字、圖片、影片、檔案和音訊，並以文字回應。因此，它適合多模態理解任務，例如摘要、擷取、音訊內容翻譯，以及回答與視覺或音訊素材相關的問題。1,048,576 個 token 的上下文視窗意味著它可以將大量來源素材作為上下文使用。模型會以相同的 token 預算來衡量所有輸入模態。所提供的後設資料中沒有關於特殊功能的資訊，例如工具呼叫、結構化輸出或微調。OrcaRouter 透過標準 API 提供此模型，因此 API 所公開的任何功能都可以使用。對於模型卡未涵蓋的任何事項，請在投入生產前，使用您自己的提示（prompts）和負載（payloads）測試模型。
最佳的應用場景來自多模態輸入與大上下文的結合。你可以針對長影片提出問題、總結音訊錄音、在輔助文字旁檢視圖片，或在同一對話中處理檔案附件。1,048,576 個 token 的上下文視窗也支援長文件與多檔案語料庫。當任務原本需要多個模型或多次分塊呼叫時，請使用 Muse Spark 1.2。如果輸入主要是文字且篇幅短，較便宜的模型可能提供更好的價值。OrcaRouter 按供應商費率計費，因此成本與你傳送的 token 數量成比例。為了將成本控制在可管理範圍，請預先篩選內容，只傳送檔案、圖片或音訊中相關的部分。此模型並非用於產生媒體；其輸出為文字。
Muse Spark 1.2 定位為高脈絡多模態模型。對於純文字的短查詢，較小的模型通常會更快且更便宜。提供的每 1M 輸出 token 定價為 $4.25，相較於許多輕量文字模型屬於溢價費率，但確切比較取決於替代方案。所提供的資訊中沒有具體的 token 預算或基準數字，因此決策取決於任務複雜度。如果您的內容是少於幾千個 token 的純文字，請使用較便宜的模型。如果您的任務涉及長音訊、影片、圖片或檔案，多模態輸入支援和 1M 上下文可以證明這個價格合理。OrcaRouter 讓您可以透過變更 model 參數來切換模型，因此您可以將簡單任務路由到較便宜的模型，並保留 Muse Spark 1.2 給較困難的多模態任務。
模型輸出文字。它不會生成圖片、影片或音訊。它接受這些媒體作為輸入，但回應是文字補全。提供的後設資料中沒有明確的輸出 token 限制，但標準 API 設定（例如 max_tokens）可以限制回應的長度。由於未提供基準測試數據，準確性和能力聲明應使用您自己的數據進行驗證。如果其表示超過 1,048,576 個 token 的上下文視窗，模型可能無法處理極長的影片。也無法保證在預期多模態理解範圍之外的任務上表現良好。使用 OrcaRouter 時，API 會對超過上下文預算或違反提供者輸入限制的請求回傳錯誤。
所提供的模型資料並未包含 Muse Spark 1.2 的任何基準評分或評測表格。這並不表示該模型未經測試；而是表示此目錄條目提供的後設資料未列出這些數字。若要評估模型，請自行執行測試範例，並在特定任務的指標上比較輸出結果。OrcaRouter 不會在此條目中發布第三方模型的基準測試結果。在缺乏基準資料的情況下，讀者應依賴質性能力，例如 1,048,576 個 token 的上下文視窗以及多模態輸入支援。您在其他地方看到的任何效能數字，應直接來自 Meta 或獨立評測。Muse Spark 1.2 此名稱不應與此處的特定基準宣稱產生關聯。如果您需要量化品質指標，請設計一個小型評測集，涵蓋您預期的輸入類型，包括文字、圖像、影片、檔案和音訊。衡量任務準確度、輸出一致性與成本。缺乏已發布的基準資料也突顯了在正式部署前進行測試的必要性。
上下文視窗為 1,048,576 個 token。這是模型在單次呼叫中能處理的最大輸入大小，如所提供的資料所述。Token 是文字處理的單位；1,048,576 個 token 大約是大量的文字資料，不過每個 token 對應的詞數會有所差異。此上下文限制也適用於影片、圖片、檔案和音訊輸入在轉換為 token 之後的內容。較大的上下文讓模型能一次看到整份文件、長篇逐字稿或許多原始碼檔案，而無需分段。這也意味著你在上傳媒體檔案時必須注意 token 的使用量。如果請求的 token 總數超過上下文視窗，API 呼叫就會失敗。請使用 OrcaRouter 的 token 計數工具或自行估算，以保持在限制範圍內。
提供的後設資料中未包含延遲或吞吐量數據。實際回應時間取決於多個變數：輸入總長度、模態數量、提示詞的複雜度，以及提供者端的負載。涉及影片和音訊的請求可能比純文字請求慢，因為相關資料必須在推論前進行處理。輸出長度也會影響時間；生成許多 token 比生成少量 token 花費更長時間。此模型未聲明任何保證的速度或可用性等級。若要取得可靠的延遲測量結果，請透過 OrcaRouter 使用具代表性的請求對 API 進行基準測試。如果您需要針對簡單提示詞的極低延遲，請使用較小的模型。對於長上下文多模態處理，延遲很可能因工作負載的特性而較高。
OrcaRouter 以每 1,000,000 個輸入 token 1.25 美元、每 1,000,000 個輸出 token 4.25 美元計費 Muse Spark 1.2。這些數字來自所提供的資訊，並以供應商費率直接傳遞，零加價。輸入 token 是客戶端傳送的 token，包括文字、檔案內容，以及任何圖片、影片或音訊表示。輸出 token 是生成文字中回傳的 token。因此，單次呼叫的總成本為輸入 token 數乘以 1.25 美元/1M，再加上輸出 token 數乘以 4.25 美元/1M。由於 OrcaRouter 不加價，這便是您在編列預算時應使用的明細費率。上下文視窗為 1,048,576 個 token，因此滿上下文輸入在輸入費率下會略高於 1.25 美元。該估算假設正好使用最大輸入 token 數；實際請求會有所不同。
輸入 tokens 每百萬個成本 $1.25。輸出 tokens 每百萬個成本 $4.25。輸出 tokens 的定價高於輸入 tokens，這在生成式模型中很常見。對於許多任務，輸出只是簡短的補全，而輸入包含大量來源資料。在這種情況下，輸入 token 成本佔主導地位。相反地，如果你要求生成較長文字，輸出成本就可能變得可觀。由於上下文視窗為 1,048,576 個 tokens，因此有可能傳送接近該上限的內容而產生輸入費用。你可以透過只傳送檔案的相关區段、限制影片或音訊長度，以及修剪對話歷史來降低輸入成本。OrcaRouter 不會加價，因此任何成本差異都來自使用量和選擇。
提供的資料並未包含 Muse Spark 1.2 的任何快取定價或折扣資訊。部分供應商會針對快取輸入 token 提供較低價格，但此處並未列出此類數據。若 OrcaRouter 或 Meta 為此模型啟用了提示詞快取，相關的快取定價會另行記載於文件中。在缺乏該文件的情況下，請假設每個輸入 token 皆以全額每百萬個 $1.25 的費率計費。除非您已確認目前的條款，否則請勿將預算規劃建立在快取節省的假設上。快取效果也取決於提示詞的重複使用；輸入內容獨特或高度變化的請求將無法從中受益。請查看 OrcaRouter 的定價頁面或聯絡支援人員，以確認 meta/muse-spark-1.2 是否存在快取定價。
OrcaRouter 表示 Muse Spark 1.2 以供應商費率計費，且零加價。這表示你支付的每 token 價格與供應商列出的費率一致：輸入 token 每 1M 個為 $1.25，輸出 token 每 1M 個為 $4.25。OrcaRouter 並未在此項目之上額外收取每 token 費用或服務費。零加價費率簡化了成本預估，因為你的帳單明細會與模型的定價一致。這並不表示若 OrcaRouter 對 API 帳戶收取基本訂閱費或基礎設施費，就不存在這些費用；目前提供的資訊僅描述每 token 計費方式。請務必查閱你的 OrcaRouter 方案，確認是否有任何固定成本。零加價適用於模型費率，並可作為與其他模型進行成本比較的基準。
若要透過 OrcaRouter 呼叫 Muse Spark 1.2，請將基礎 URL 設為 https://api.orcarouter.ai/v1，並使用模型 ID meta/muse-spark-1.2。您的用戶端應傳送遵循 OpenAI 相容的聊天完成格式的要求。在 Authorization 標頭中包含您的 OrcaRouter API 金鑰。messages 陣列可包含您要處理的內容。對於多模態輸入，圖片、影片、檔案和音訊的內容格式取決於 OrcaRouter 支援的架構；OpenAI 相容介面通常允許內容部分。確切的欄位名稱記載於 API 參考文件中。請確保要求的總 token 數保持在 1,048,576 token 的上下文視窗內。如果您使用 OpenAI SDK，請相應地設定 base_url 和 model 參數。
OrcaRouter 提供與 OpenAI 相容的 API，因此標準推論參數（如 temperature、top_p、max_tokens 和 stop sequences）可能可以使用。由於這些是通用的 OpenAI API 參數，其行為遵循 API 規範。提供的資訊並未列出 Muse Spark 1.2 的模型特定參數。您也可以在對話中傳遞系統訊息、使用者訊息和助理訊息。對於多模態輸入，請求格式應包含所包含媒體的正確內容部分。無法保證每個 OpenAI 參數都受每個提供者支援，因此請在遷移時測試每個參數。請確切使用模型 ID meta/muse-spark-1.2。如果參數不受支援，OrcaRouter 將回傳錯誤訊息；請與 API 文件核對。
若要將現有的 OpenAI 相容整合遷移至 OrcaRouter，請將 base URL 從目前的端點改為 https://api.orcarouter.ai/v1，並將模型設定為 meta/muse-spark-1.2。如果您使用的是標準的 OpenAI chat completions，請保持相同的訊息結構。將您的 API 金鑰替換為 OrcaRouter 金鑰。如果您現有的請求包含模型特定的擴充功能，請根據 OrcaRouter 的 API 文件移除或調整它們。上下文視窗為 1,048,576 個 token，這可能比您先前的模型還大，讓相同的請求可以無需截斷地放入。檢查您針對圖片、影片、檔案和音訊的輸入格式，如果您使用了供應商特定的欄位。先用一個小型請求進行測試。由於 Muse Spark 1.2 輸出文字，因此對於以文字為基礎的工具，遷移是直接明瞭的。
所提供的模型資料並未包含 Muse Spark 1.2 或 OrcaRouter 的資料處理、保留或隱私條款。一般而言，請求會傳送至模型提供者以產生完成內容。OrcaRouter 可能會儲存 API 紀錄或使用資料以進行營運，但此處並未說明具體政策。如果資料隱私對您很重要，請審閱 OrcaRouter 的服務條款和隱私權政策，並確認 Meta 的提供者條款是否適用於您傳送的內容。請勿假設輸入的影片、音訊或檔案在推論後會自動刪除。對於機密資料，請考慮進行編輯修飾和本機預先處理。本節內容不應被視為法律建議。請聯絡 OrcaRouter 支援以取得目前的資料處理協議。您使用 API 即表示同意適用的條款。
Muse Spark 1.2 與純文字語言模型不同，因為它接受影像、影片、檔案和音訊輸入。純文字模型只能處理書面內容。對於多模態任務，Muse Spark 1.2 無需在呼叫 LLM 前先擷取和轉錄媒體。其 1,048,576 個 token 的上下文視窗，也比許多標準模型能容納更長的輸入。另一方面，純文字模型通常價格較低，且處理純文字工作時可能執行得更快。每百萬個 token 的輸出價格為 4.25 美元，高於許多輕量級文字模型。如果您的專案完全是文字，且不需要長上下文，純文字模型可能更合適。如果您的工作流程已經傳送影像、音訊或影片，此模型提供單次呼叫的途徑。
僅音訊和僅影像的模型通常專精於單一模態，可能輸出標籤、嵌入或轉錄結果。Muse Spark 1.2 在單一文字生成介面中統一了文字、影像、影片、檔案和音訊。這可以簡化原本需要結合音訊轉錄器、影像標題產生器和大型語言模型（LLM）的管線。然而，專用模型可以針對語音辨識或物體偵測等任務進行更佳的調校。Muse Spark 1.2 未提供基準測試分數，因此這裡沒有資料可與專用模型進行比較。適當的選擇取決於您需要的是通用理解還是專門的精確度。對於跨多種模態的通用推理，單一多模態模型可能更容易維護。若要在單一媒體類型上達到嚴格的生產準確度，請測試專業的替代方案。
Muse Spark 1.2 提供的唯一定價數字是每 100 萬輸入 tokens 1.25 美元，每 100 萬輸出 tokens 4.25 美元，透過 OrcaRouter 計費，零加價。與其他模型的比較需要它們的定價清單，而這些不屬於本條目的範圍。一般來說，多模態模型的運行成本高於純文字模型，因為它們處理更豐富的輸入。1,048,576 個 tokens 的上下文視窗若傳送大量媒體，可能會增加成本。對於簡短文字提示，輸入成本非常低。對於包含數分鐘影片和長輸出的請求，成本會較高。使用每 token 費率和您預期的 token 數量來估算替代模型是否更經濟。由於 OrcaRouter 不加價，供應商費率即為相關基準。
相容 OpenAI——沿用你現有的 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| 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。
本週開發者的討論
@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