Model
.ai
memantau model AI terbuka
Muse Spark 1.2
Meta | konteks token 1.048.576 | $1,25/M input, $4,25/M output. Muse Spark 1.2 adalah model penalaran dari Meta, dirancang untuk tugas agen kompleks. Model ini menerima teks, gambar, video, dan dokumen PDF, mengembalikan teks, dan menawarkan jendela konteks 1 juta token. Model ini dibangun untuk mendukung alur kerja multi-agen, baik sebagai agen utama yang merencanakan dan mendelegasikan maupun sebagai subagen yang menjalankan secara paralel. Model ini bekerja di berbagai kerangka pengkodean dan mendukung output terstruktur, pemanggilan fungsi paralel, dan upaya penalaran yang dapat dikonfigurasi. Dalam pengujian Meta, model ini tampil baik pada refaktor multi-berkas, sesi debugging panjang, generasi seluruh repositori, dan tugas yang melampaui satu prompt.
Panduan untuk model ini
Semua panduan
Muse Spark 1.2 adalah model reasoning dari Meta yang dibuat untuk pekerjaan agen multi-langkah yang kompleks. Model ini menerima teks, gambar, video, dan PDF, memiliki jendela konteks satu juta token, dan dirancang untuk beroperasi sebagai agen perencana atau subagen paralel. Jika pekerjaan Anda melibatkan basis kode besar, debugging panjang, atau mengorkestrasi model lain, ini adalah tingkatan yang dituju.

Dikenal untuk

  • Jendela konteks satu juta token menangani tugas seluruh repositori dan multi-file
  • Upaya reasoning yang dapat dikonfigurasi memungkinkan pertukaran kecepatan dengan kedalaman
  • Pemanggilan fungsi paralel dan keluaran terstruktur cocok untuk pipeline otomatis
  • Menerima teks, gambar, video, dan dokumen PDF dalam satu panggilan
  • Dirancang untuk bertindak sebagai pengorkestrasi atau subagen paralel dalam alur kerja multi-agen

Waspadai

  • Hanya API, bobot tertutup — Anda tidak bisa menjalankan lokal atau memeriksa modelnya
  • Harga output $4,25 per juta token cepat membengkak untuk jejak reasoning panjang
  • Meta belum mempublikasikan angka benchmark independen untuk rilis ini

Prompt untuk dicoba

Rencana refaktor multi-file
Saya memiliki REST API Node.js yang terbagi dalam sekitar 30 file. Logika autentikasi saat ini tersebar di handler rute dan middleware. Usulkan rencana refaktor konkret: file mana yang berubah, apa yang dipindahkan ke mana, dan urutan agar tidak merusak suite pengujian di setiap langkah. Sebutkan nama file dan tanda tangan fungsi secara spesifik.
Sesi debugging agen
Anda sedang debugging pipeline data Python yang diam-diam menghilangkan baris saat menggabungkan dua DataFrame. Pipeline berjalan dalam tiga tahap: ingest, transform, merge. Jelaskan setiap tahap secara metodis, sebutkan apa yang akan Anda cek pertama dan mengapa, tulis kode diagnostik untuk setiap cek, dan jelaskan bagaimana Anda mengonfirmasi perbaikan tanpa menjalankan ulang pipeline penuh.
Analisis kontrak PDF
Terlampir adalah perjanjian layanan perangkat lunak. Ekstrak setiap klausul yang membatasi tanggung jawab atau ganti rugi, ringkas masing-masing dalam bahasa sederhana, tandai yang berat sebelah, dan daftar perlindungan standar yang tampaknya hilang. Kembalikan hasil sebagai daftar terstruktur.

Bandingkan dengan

  • Muse Glimmer 30B
    Model dengan bobot terbuka
    konteks 131,072 token · $0.30/M input, $1.20/M output
  • Muse Spark 1.3 Contributor
    Model hanya API
    konteks 1,048,576 token · $0.10/M input, $0.20/M output
  • Muse Spark 1.3
    Model hanya API
    konteks 1,048,576 token · $1.25/M input, $4.25/M output
  • Muse Wonder
    Model hanya API
    konteks 1,048,576 token · $4.00/M input, $20.00/M output
Model teks lain dari meta

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Muse Spark 1.2 secara lokal?
Tidak. Bobotnya tidak publik dan tidak ada repositori Hugging Face — hanya tersedia via API melalui platform Meta.
Berapa biaya Muse Spark 1.2 dan seberapa besar konteksnya?
Harga adalah $1,25 per juta token input dan $4,25 per juta token output, dengan jendela konteks satu juta token.
Apa yang membedakan ini dari model chat atau instruksi standar?
Model ini dibuat khusus untuk beban kerja agenik dan reasoning — upaya reasoning yang dapat dikonfigurasi, pemanggilan fungsi paralel, keluaran terstruktur, dan kemampuan bertindak sebagai agen pengorkestrasi atau subagen paralel dalam pipeline multi-model.
Putusan Kapten
Model reasoning agenik serius dengan jendela satu juta token yang asli — layak biaya outputnya hanya jika tugas Anda benar-benar membutuhkannya.
Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.
Ranking badge
Updated Oct 22, 2026
Muse Spark 1.2 di ModelTrends.ai: Heat 5,004°
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Bagaimana skor ini dihitung
Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.
Glosarium: istilah yang dipakai di sini
Skor heat
Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai
7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan
Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log
Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka
Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi
Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan
Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder
Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde
Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi
Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter
Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint)
Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding
File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot
Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia
Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga
Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti
Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang)
Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren
Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa
Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.