Model
.ai
śledzimy otwarte modele AI
Muse Spark 1.3 Contributor
Meta | kontekst 1 048 576 tokenów | $0.10/M wejście, $0.20/M wyjście. Muse Spark 1.3 Contributor to ekonomiczna warstwa współtwórców modelu multimodalnego do rozumowania Meta, przeznaczona do eksperymentów, nauki oraz wczesnych etapów przepływów pracy agentowych, wieloagentowych i kodujących. Zaprojektowany do śledzenia informacji w rozciągłych zadaniach, rozwiązywania sprzecznych danych wejściowych oraz proszenia o wyjaśnienia lub potwierdzenia w razie potrzeby. Prompty i wyniki mogą być używane do ulepszania produktów Meta.
Poradniki do tego modelu
Wszystkie poradniki
Muse Spark 1.3 Contributor to ekonomiczny poziom modelu multimodalnego Meta, obsługujący wejścia tekstowe, wizualne i wideo w ramach miliona tokenów kontekstu. Został zaprojektowany do eksperymentów i wczesnych etapów pracy agentowej: śledzenia stanu w długich zadaniach, rozwiązywania sprzecznych informacji i wiedzy, kiedy poprosić o wyjaśnienie. Przy cenie 0,10/0,20 USD za milion tokenów jest przeznaczony do iteracji, a nie produkcji.

Znany z

  • Okno kontekstowe miliona tokenów do długich, wieloetapowych zadań
  • Multimodalny: przyjmuje tekst, obraz i wideo
  • Zaprojektowany do radzenia sobie ze sprzecznymi informacjami i proszenia o wyjaśnienia
  • Stworzony z myślą o przepływach agentowych i wieloagentowych
  • Bardzo niska cena tokena, odpowiednia do eksperymentów na dużą skalę

Uważaj na

  • Poziom Contributor oznacza, że twoje zapytania i odpowiedzi mogą być używane do trenowania produktów Meta — nie nadaje się do pracy poufnej.
  • Brak otwartych wag; nie można uruchomić lokalnie ani samodzielnie hostować.
  • Poziom eksperymentalny, więc niezawodność produkcyjna nie jest celem.

Podpowiedzi do wypróbowania

Wieloetapowy plan agentowy
Koordynujesz trzyetapowy pipeline danych. Etap pierwszy pobiera dane z publicznego API, etap drugi czyści i usuwa duplikaty, etap trzeci zapisuje wyniki do bazy danych. Wypisz narzędzia i wywołania funkcji potrzebne na każdym etapie, zaznacz, gdzie trzeba poprosić użytkownika o wyjaśnienie przed kontynuacją i wyjaśnij dlaczego.
Rozwiązywanie sprzecznych informacji
Oto trzy wewnętrzne notatki dotyczące tej samej daty premiery produktu: Notatka A mówi 14 marca, Notatka B mówi 21 marca, Notatka C odnosi się do „tygodnia po targach w Berlinie” bez podania daty. Zidentyfikuj konflikt, powiedz, co można rozstrzygnąć na podstawie dostępnych informacji i wypisz, co trzeba potwierdzić przed ustaleniem ostatecznej daty.
Analiza sceny wideo
Załączam krótki klip wideo z linii produkcyjnej. Wskaż każdy krok, w którym kolejność operacji wydaje się niezgodna ze standardowym procesem montażu, opisz, co widzisz w tym momencie i zasugeruj, jakie dodatkowe nagrania lub dokumentacja pomogłyby potwierdzić, czy to faktyczny błąd.

Porównaj z

  • Muse Glimmer 30B
    Model z otwartymi wagami
    Kontekst 131,072 tokenów · $0.30/M wejście, $1.20/M wyjście
  • Muse Spark 1.3
    Model tylko z API
    Kontekst 1,048,576 tokenów · $1.25/M wejście, $4.25/M wyjście
  • Muse Wonder
    Model tylko z API
    Kontekst 1,048,576 tokenów · $4.00/M wejście, $20.00/M wyjście
  • Muse Spark 1.2
    Model tylko z API
    Kontekst 1,048,576 tokenów · $1.25/M wejście, $4.25/M wyjście
Więcej modeli tekstowych od meta

Pytania, które ludzie zadają

Czy mogę uruchomić Muse Spark 1.3 Contributor lokalnie?
Nie. Wagi nie są otwarte, nie ma repozytorium na Hugging Face, więc lokalne lub samodzielne uruchomienie nie jest możliwe.
Co oznacza poziom Contributor dla moich danych?
Meta informuje, że zapytania i odpowiedzi przesyłane przez ten poziom mogą być używane do ulepszania jej produktów, więc należy unikać przesyłania poufnych lub wrażliwych informacji.
Czym różni się ten poziom od wyższych poziomów Muse Spark 1.3?
Meta nie opublikowała szczegółowego porównania, ale oznaczenie Contributor i niska cena (0,10/0,20 USD za milion tokenów) wskazują, że jest to poziom podstawowy, skoncentrowany na eksperymentach, a nie produkt produkcyjny.
Wyrok kapitana
Naprawdę tani sposób na badanie długiego kontekstu agentowego i rozumowania multimodalnego — tylko trzymaj wrażliwe dane z daleka.
Kapitan pisze te notatki na podstawie opisu modelu i karty modelu. Ceny i rozmiary kontekstu pochodzą od dostawcy w momencie pisania i mogą się zmieniać.
Ranking badge
Updated Oct 22, 2026
Muse Spark 1.3 Contributor na ModelTrends.ai: #33 Hottest AI model
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #14 Hottest Text / LLM model · #14 Hottest Text / LLM text model
Not this creator?
Trend popularności: Muse Spark 1.3 Contributor
Wynik heat od 2 Sep 2026
Wskaźnik popularności
9,134°
Ten tydzień
▲
47.3%
9,083° wtedy, 9,134° teraz
Ten miesiąc
▲
981%
8,821° wtedy, 9,134° teraz
Ostatni rok
n/a
Jeszcze nie wydano/śledzono
Muse Spark 1.3 Contributor: Wynik heat od 2 Sep 20267,000°7,598°8,195°8,793°9,390°3 Sep12 Sep23 Sep2 Oct12 Oct22 Oct9,134°ModelTrends.ai
7,000°
Podstawa
Skala idzie od 0° do 9 999°. Wszystko poniżej 7,000° jest zarezerwowane dla modeli, o których żadne źródło jeszcze nie raportuje, które mają tam zastępczą wartość, by listy były kompletne. 7,000° to punkt startowy dla danych pomiarowych: model z prawdziwymi danymi, ale prawie bez pobrań, stoi na tej podstawie, a pomiary wypełniają stopnie powyżej niej. Podstawa nic nie mówi o modelu; to stopnie powyżej niej robią różnicę i to one rozróżniają modele.
+1,784°
Tokeny OpenRouter
8,847,442,276,267 tokenów przetworzonych przez ten model przez OpenRouter w ciągu ostatnich 30 dni, razem zapytania i odpowiedzi. Każde 10,000,000 tokenów liczy się jako jedno pobranie w terminie pobrań, łącznie 884,744; tokeny z ostatniego dnia wchodzą do wskaźnika adopcji. Źródło: OpenRouter (openrouter.ai/rankings).
+350°
Tempo adopcji
Około 46,090 pobrań dziennie, mierzone między dwoma odczytami źródeł, nigdy nie szacowane na podstawie średniej z całego czasu. Prędkość waży ćwierć składnika pobrań, więc świeży wzrost jest widoczny, ale jednodniowy skok nie przebije lat użycia.
Pokaż szczegóły
Każdą liczbę na tej stronie można sprawdzić. Wynik popularności tego modelu to 9,134°, a tutaj jest zbudowany krok po kroku, z bieżącym sumowaniem po każdym składniku: podstawa, stopnie dodawane przez każde źródło, bonus za rodzaj modelu oraz odejmowanie za wiek wag. Kolory odpowiadają zakresom na wykresie powyżej. Na końcu znajduje się słownik, który wyjaśnia każde pojęcie.
  1. 1
    Zacznij od podstawy.
    Dlaczego 7,000°, a nie zero: skala idzie od 0° do 9 999°, a część poniżej 7,000° jest zarezerwowana dla modeli, o których żadne źródło jeszcze nie raportuje, które mają tam zastępczą wartość, by listy były kompletne i nigdy nie wyprzedzały modeli z danymi. 7,000° to punkt startowy dla danych pomiarowych. Model z prawdziwymi danymi, ale prawie bez pobrań, stoi tutaj; wszystko co dalej to pomiary, a przestrzeń powyżej podstawy mieści dziesięć dziesięciokrotnych kroków w pobraniach po 300° każdy. Podstawa jest taka sama dla każdego modelu, więc nic nie decyduje; decydują stopnie powyżej niej.
    7,000°
    bieżąca suma
  2. 2
    Dodaj pobrania.
    884,744 równoważników pobrań łącznie, z Tokeny OpenRouter. Dziesięć razy więcej pobrań dodaje ten sam 300°, więc rozmiar ma znaczenie, ale nigdy nie dominuje wyniku.
    +1,784°
    8,784°
    bieżąca suma
  3. 3
    Dodaj tempo adopcji.
    Około 46,090 pobrań dziennie teraz, mierzone między dwoma odczytami, z wagą ćwierć pobrania.
    +350°
    9,134°
    bieżąca suma
  4. =
    Wynik heat.
    Pozycja tego modelu na każdej liście na tej stronie. Nic innego tego nie zmienia.
    9,134°
Słowniczek: używane tu terminy
Wynik heat
Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
Podstawa
7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
Równoważniki pobrań
Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
Skala logarytmiczna
Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
Polubienia
Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
Tempo adopcji
Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
Zmierzony i szacowany
Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
Seeder
Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
AI Horde
Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
Strony generujące
Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
Tokeny OpenRouter
Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Pełny model (checkpoint)
Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
LoRA i embedding
Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
Rodzina i wagi
Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
Wiek
Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
Wzmocnienie rodziny
Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
Wynik zastępczy
Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
Nowy! (okres karencji)
Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
Trend
Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
Typowy model
Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.
Jak popularność tego modelu zmieniała się w porównaniu do reszty katalogu: jego wzrost w pobraniach, polubieniach i użyciu w każdym okresie, mierzony względem typowego wzrostu modelu w tym samym czasie, wraz z jego wynikiem heat score. Powyżej typowego wzrostu oznacza wzrost, poniżej spadek. Przeszłość jest odtwarzana na podstawie dzisiejszych sum, pierwszego dnia modelu i zmierzonej prędkości pobrań, jeśli są dwa odczyty; model, który nie istniał na początku okresu, pokazuje n/d.