Day 0 支援：Meta Muse Spark 1.3

LiteLLM 現在透過 Meta Model API 上的 meta/ 路由，於 Day 0 提供 muse-spark-1.3 與 muse-spark-1.3-contributor。Meta 今天在 Muse Code 與 Model API 中推出 1.3，針對長期代理式與程式撰寫工作進行調校，並在內部回報相較於 1.2，大約少了 20% 的工具呼叫與 25% 的 token。

定價​

標準定價與 1.2 相同。

貢獻者方案在輸入上便宜 12.5 倍、在輸出上便宜 21 倍，且沒有結束日期。速率限制也不同：貢獻者方案為 100 RPM，標準方案為 3,000 RPM，且是按團隊而非按金鑰強制執行。網頁搜尋 grounding 在兩者皆以每 1,000 次查詢 $2.50 計費。

快速入門​

from litellm import completion

response = completion(
    model="meta/muse-spark-1.3",
    messages=[{"role": "user", "content": "Summarize this article in 3 bullet points."}],
)

print(response.choices[0].message.content)

model_list:
  - model_name: muse-spark-1.3
    litellm_params:
      model: meta/muse-spark-1.3
      api_key: os.environ/META_API_KEY

  # Cheaper tier, but Meta may train on your prompts and completions
  - model_name: muse-spark-1.3-contributor
    litellm_params:
      model: meta/muse-spark-1.3-contributor
      api_key: os.environ/META_API_KEY

litellm --config /path/to/config.yaml

curl -X POST http://localhost:4000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <YOUR-LITELLM-KEY>" \
  -d '{
    "model": "muse-spark-1.3",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

推理、多模態與音訊​

Muse Spark 1.3 是一個推理模型。LiteLLM 以 OpenAI 格式傳遞 reasoning_effort，可接受 minimal、low、medium、high 與 xhigh。Meta 的公告提到較高的「max reasoning」模式，但目前尚未提供，因此 xhigh 是目前的上限。推理 token 會以輸出 token 計費。

文字、圖片、影片與 PDF 輸入的運作方式與 1.2 相同，涵蓋 /v1/chat/completions、/v1/responses，以及 /v1/messages，並具有 1,048,576-token 的上下文視窗。

回饋​

透過 LiteLLM 執行 Muse Spark 1.3 時遇到意料之外的情況嗎？請在 GitHub discussions 分享。