Muse Spark 1.3 Contributorをローカルで実行できますか？

Meta | 1,048,576トークンコンテキスト | 入力$0.10/M、出力$0.20/M。Muse Spark 1.3 ContributorはMetaのマルチモーダル推論モデルのコスト効率の良い貢献者ティアで、実験、学習、初期段階のエージェント、多エージェント、コーディングワークフロー向けです。拡張タスクにわたる情報追跡、矛盾する入力の処理、必要に応じた確認や明確化の要求を目的としています。プロンプトと出力はMetaの製品改善に利用される場合があります。

このモデルのガイド

2026年の最も安いChatGPT代替品10選：無料のローカルモデル、無料プラン、定額プラン

オープンウェイト、オープンソース、API専用：実際に何ができるのか

すべてのガイド

キャプテンのメモ

Captainによる、ハウスエディター執筆

2026-10-13のメモ

Muse Spark 1.3 ContributorはMetaのコスト効率に優れたマルチモーダル推論モデルのティアで、テキストに加え視覚・動画入力を1百万トークンのコンテキストウィンドウ内で扱います。実験や初期段階のエージェント作業向けに設計されており、長期タスクの状態追跡、矛盾する入力の解決、必要に応じた確認要求が可能です。トークン単価は0.10ドル／0.20ドルと低価格で、量を重ねた実験に適しています。

得意分野

長く多段階のタスクに対応する100万トークンのコンテキストウィンドウ
マルチモーダル対応：テキスト、視覚、動画入力を受け付ける
矛盾する情報を扱い、必要に応じて確認を求める設計
エージェントおよびマルチエージェントワークフローを念頭に置いて構築
大量実験に適した非常に低いトークン価格

注意点

Contributorティアはプロンプトや出力がMetaの製品改善に使われる可能性があり、機密作業には不向きです。
ウェイトは非公開で、ローカルやセルフホストはできません。
実験用ティアとして位置付けられており、本番環境の信頼性は保証されていません。

最適な用途

試してみるプロンプト

多段階エージェント計画

3段階のデータパイプラインを調整しています。第1段階は公開APIのスクレイピング、第2段階はレコードのクレンジングと重複排除、第3段階は結果をデータベースに書き込みます。各段階で必要なツールや関数呼び出しをリストアップし、進行前にユーザーに確認が必要なステップを指摘し、その理由を説明してください。

矛盾する入力の解決

同じ製品発売日に関する3つの社内メモがあります。メモAは3月14日、メモBは3月21日、メモCは「ベルリン見本市の翌週」とだけ記載。矛盾点を特定し、与えられた情報から解決できることを述べ、最終決定前に確認すべき事項を正確にリストアップしてください。

動画シーン推論

製造ラインの短い動画クリップを添付します。標準的な組み立て作業の順序と異なる操作がある箇所を特定し、その時点で見える内容を説明し、実際のエラーかどうか確認するために必要な追加映像や資料を提案してください。

比較する

Muse Glimmer 30B
オープンウェイトモデル
131,072トークンのコンテキスト · $0.30/M 入力、$1.20/M 出力
Muse Spark 1.3
API専用モデル
1,048,576トークンのコンテキスト · $1.25/M 入力、$4.25/M 出力
Muse Wonder
API専用モデル
1,048,576トークンのコンテキスト · $4.00/M 入力、$20.00/M 出力
Muse Spark 1.2
API専用モデル
1,048,576トークンのコンテキスト · $1.25/M 入力、$4.25/M 出力

metaの他のテキストモデル

よくある質問

Muse Spark 1.3 Contributorをローカルで実行できますか？: いいえ。ウェイトは非公開でHugging Faceリポジトリもなく、ローカルやセルフホストは不可能です。
Contributorティアは私のデータにどう影響しますか？: Metaはこのティアを通じて送信されたプロンプトや出力を製品改善に使用する可能性があると明言しているため、機密情報やセンシティブな情報の送信は避けてください。
Muse Spark 1.3の上位ティアとどう違いますか？: Metaは詳細な比較を公開していませんが、Contributorラベルと低価格（0.10ドル／0.20ドル／百万トークン）から、これは実験用のエントリーレベルティアであり、本番向けではないことが示唆されます。

キャプテンの評価
長いコンテキストのエージェント型かつマルチモーダル推論を手軽に試せる非常に安価な手段ですが、機密データは十分に注意してください。

キャプテンはモデルの説明とモデルカードからこれらのメモを書いています。価格やコンテキストサイズは執筆時点の提供元のもので、変更されることがあります。

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #14 Hottest Text / LLM model · #14 Hottest Text / LLM text model

Not this creator?

Get your own badge

Muse Spark 1.3 Contributor の人気トレンド

2 Sep 2026以降のヒートスコア

ヒートスコア

9,134°

今週

▲

47.3%

9,083° 当時、9,134° 今

今月

▲

978%

8,821° 当時、9,134° 今

過去1年

n/a

まだリリース/追跡されていません

7,000°

基準値

スケールは0°から9,999°までです。7,000°未満はまだどのソースも報告していないモデル用に確保されており、リストを完全に保つために仮の数値が割り当てられています。7,000°が実際のデータが始まる地点で、実データがほとんどないモデルはここに位置し、それより上の度数が測定値です。基準値自体はモデルについて何も示さず、上の度数だけがモデル間の違いを示します。

+1,784°

OpenRouterトークン

このモデルは過去30日間にOpenRouter経由で8,847,442,276,267トークンを処理しました。プロンプトと回答の合計です。10,000,000トークンごとに1ダウンロードとしてカウントし、合計884,744です。最終日のトークンは採用率に加算されます。出典：OpenRouter (openrouter.ai/rankings)。

+350°

普及率

ソースの2回の読み取り間で測定された1日あたり約46,090回のダウンロードです。生涯平均からの推測ではありません。速度はダウンロード項目の4分の1の重みで、新しい急増を示しつつ、1日の急激な増加が何年もの使用を上回らないようにしています。

詳細な内訳を表示

このサイトのすべての数字は確認できます。このモデルのヒートスコアは9,134°で、ここでは一つずつ要素を積み上げていき、各段階の合計を示しています：基準値、各ソースが加える度数、モデルの種類によるボーナス、そして重みの年齢による減算。色は上のチャートの帯を表しています。最後の用語集で全ての用語を定義しています。

1
基準値から始めます。
なぜ7,000°でゼロではないのか：スケールは0°から9,999°までで、7,000°未満はまだどのソースも報告していないモデル用に確保されており、仮の数値が割り当てられてリストを完全に保ち、データのあるモデルより上位にならないようにしています。7,000°が実際のデータが始まる地点です。実データがほとんどないモデルはここに位置し、それ以降が測定値で、基準値の上には10段階の10倍増が300°ずつあります。基準値はすべてのモデルで同じなので、何も決めません。違いを決めるのはその上の度数です。
7,000°
累計合計
2
ダウンロード数を加算します。
合計でOpenRouterトークンから884,744のダウンロード相当数。ダウンロード数が10倍になると同じ300°が加算されるので、サイズは重要ですがスコアを独占することはありません。
+1,784°
8,784°
累計合計
3
普及率を追加します。
現在、2回の計測間で約46,090ダウンロード/日で、重みは4分の1です。
+350°
9,134°
累計合計
=
ヒートスコア。
このモデルがこのサイトのすべてのリストでどの位置にいるか。これ以外の調整はありません。
9,134°

用語集：ここで使われている用語

ヒートスコア: モデルが今どれだけ使われていて求められているかを示す1つの数字。0°から9,999°まで。ここで「最も熱い」と言われるすべてのリストはこれで並べられています。
フロア: 実データのあるすべてのモデルが7,000°からスタートする基準点。スケールは0°から9,999°までで、フロア以下はデータのないモデル用に確保されているので、データのあるモデルは必ず上位になります。フロアは全員共通で順位には影響しません。フロアを超えた度数が実際の評価です。
ダウンロード相当数: スコアがダウンロードとして扱うすべてのものを合計：ダウンロードそのもの、各トレントシーダーは1,000、各AI Horde画像と生成サイトでの実行は1としてカウント。
対数スケール: 1ずつではなく10ずつ数えます：1,000から10,000ダウンロードに増えるのは、10,000から100,000に増えるのと同じ度数を加算。巨大なものが他を圧倒しないようにしています。
いいね: すべてのソースからのサムズアップといいね。対数スケールでダウンロードの半分の価値があります。
普及率: 2回の計測の差からわかる、今の1日あたりのダウンロード数。ダウンロード項目の4分の1の重みです。
測定済みと推定: 測定済みは、あるソースの2つの読み取り値が存在し、その差が実際のものであることを意味します。推定は、今日の合計だけがわかっていて、過去の値はモデルの寿命にわたって分配されていることを意味します。サイトはどちらを表示しているかを示します。
シーダー: トレント経由で他の人がダウンロードできるように重みのコピーをオンラインで保持している人、または同じことをするホストされたミラーのことです。それぞれが1,000ダウンロードとしてカウントされます。
AI Horde: 寄付されたコンピューターで無料で画像を生成するボランティアネットワークです。モデルで作成した画像の数は公開されており、それぞれが1ダウンロードとしてカウントされます。
生成サイト: PixAI、SeaArt、Yodayoのように、自分のモデルのコピーをホストして人々が生成できるサイトです。これらのダウンロードはCivitaiのものと同じようにカウントされ、各生成実行が1ダウンロードとして数えられます。
OpenRouterトークン: ClaudeやGPTのようなAPI経由で提供されるテキストモデルはダウンロードする重みがなく、その利用はトークン数で測定されます。トークンとはOpenRouterを通じて読み書きされたテキストの断片で、OpenRouterは多くのアプリが利用するゲートウェイです。過去30日間のトークン数を10,000,000トークンごとに1ダウンロードとしてカウントします。出典：OpenRouter (openrouter.ai/rankings)、CC BY 4.0。
完全モデル（チェックポイント）: 重みそのもので、単独で生成を行うファイルです。アドオンがこれに依存しているためボーナスがつきます。
LoRAと埋め込み: 他人の重みを特定のスタイル、キャラクター、コンセプトに向けて調整する小さなアドオンファイルです。単独では動作しません。
ファミリーと重み: モデルが基づいているベースで、SD 1.5、SDXL、Flux、Wanなどがあります。すべてのモデルはそのファミリーの重みのリリース日を継承します。
年齢: ファミリーの重みがリリースされてからの経過時間に応じて減点されます：1年で150°、最大750°まで。古いダウンロードはリストの上位を凍結して積み上げられます。
ファミリーブースト: このサイトが現在推しているファミリーのLoRAに対する小さく制限された後押しで、常に内訳に表示されます。
代替スコア: まだソースから報告がないモデルに与えられる安定した最低値で、リストが完全なままでいられます。データのあるモデルより上位には決してなりません。
新着！(猶予期間): 7日未満の新しいモデルはスコアの代わりに「新着！」と表示され、ランキングには入りません。スコアは初日から計算されますが、1日目のモデルは非常に急速に成長するため、猶予期間なしでは常に昨日リリースされたモデルが今週の#1になってしまいます。
トレンド: ある期間におけるモデルの成長が、同じ期間の典型的なモデルの成長と比べてどうかを示します。典型より速ければ上昇、遅ければ下降と読みます。
典型的なモデル: カタログの真ん中にあたるモデルで、数値があるモデルの半分はこの期間により速く成長し、半分は遅く成長しています。

このモデルの人気がカタログ全体と比べてどう動いたかを示してるよ。期間ごとのダウンロード数、いいね数、使用数の伸びを、同じ期間の普通のモデルの伸びと比べてる。熱スコアもその時点のものだよ。普通の伸びより上なら人気が上がってる、下なら下がってるってこと。過去のデータは今日の合計、モデルの初日、ダウンロード速度の2回の計測から再構成してる。期間の初めに存在しなかったモデルはn/aになるよ。

類似モデル

Command R7B (12 2024)

TEXT / LLM

gpt oss 120b Ultra

TEXT / LLM

画像・動画・テキスト生成のための AI モデル

Muse Spark 1.3 Contributor は Text / LLM ファミリー向けのテキストモデルで、オープンソース AI 画像・動画・テキストモデルの読み取り専用カタログ ModelTrends.ai に掲載されています。他の Text / LLM モデルと比較し、ヒートスコアでトレンドを確認できます。

Text / LLM のモデルをもっと見る Text / LLM のテキスト / LLMをもっと見る llm メタビジョンビデオ推論エージェント長いコンテキスト予算

モデルファミリーから探す