Kan jag köra Muse Spark 1.3 Contributor lokalt?

Nej. Vikterna är inte öppna och det finns inget Hugging Face-förråd, så lokal eller självhostad drift är inte möjlig.

Vad innebär Contributor-nivån för mina data?

Meta uppger att prompts och output som skickas via denna nivå kan användas för att förbättra deras produkter, så du bör undvika att skicka konfidentiell eller känslig information.

Hur skiljer sig denna från högre nivåer av Muse Spark 1.3?

Meta har inte publicerat en detaljerad jämförelse, men Contributor-märkningen och det låga priset ($0,10/$0,20 per miljon tokens) indikerar att detta är instegsnivån med fokus på experiment snarare än en produktionsmodell.

▲

47.3%

den här veckan

Muse Spark 1.3 Contributor

9134°

#llm #meta #vision #video #resonemang #agenter

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Meta | 1 048 576 tokens kontext | $0.10/M input, $0.20/M output. Muse Spark 1.3 Contributor är den kostnadseffektiva bidragsnivån i Metas multimodala resonemangsmodell för experiment, lärande och tidiga agent-, multi-agent- och kodningsarbetsflöden. Den är designad för att följa information över utökade uppgifter, arbeta igenom motstridiga indata och begära förtydliganden eller bekräftelser vid behov. Prompter och utdata kan användas för att förbättra Metas produkter.

Guider för denna modell

De 10 billigaste ChatGPT-alternativen 2026: gratis lokala modeller, gratisnivåer och fastprisplaner

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Muse Spark 1.3 Contributor är Metas kostnadseffektiva nivå av en multimodal resonemangsmodell som hanterar syn- och videoingångar tillsammans med text över ett kontextfönster på en miljon tokens. Den är byggd för experiment och tidiga agentbaserade arbetsflöden: spåra tillstånd över långa uppgifter, lösa motstridiga indata och veta när den ska be om förtydligande. Med $0,10/$0,20 per miljon tokens är den prissatt för iteration snarare än produktion.

Känd för

Kontextfönster på en miljon tokens för långa, flerstegsuppgifter
Multimodal: accepterar text, syn och video
Designad för att hantera motstridig information och be om förtydligande vid behov
Byggd med agent- och multi-agentarbetsflöden i åtanke
Mycket låg tokenkostnad lämpad för högvolymsexperiment

Se upp för

Contributor-nivån innebär att dina prompts och output kan användas för att träna Metas produkter — inte lämpligt för konfidentiellt arbete.
Vikterna är inte öppna; du kan inte köra den lokalt eller självhosta.
Positionerad som en experimentnivå, så produktionsstabilitet är inte huvudmålet.

Bäst för

Agenter och verktygsanvändning

Promptar att prova

Flerstegs agentplan

Du koordinerar en datarörledning i tre steg. Steg ett skrapar en offentlig API, steg två rensar och deduplicerar poster, steg tre skriver resultat till en databas. Lista verktyg och funktionsanrop som behövs i varje steg, markera varje steg där du skulle behöva be användaren om förtydligande innan du går vidare och förklara varför.

Lösning av motstridiga indata

Här är tre interna meddelanden om samma produktlanseringsdatum: Meddelande A säger 14 mars, Meddelande B säger 21 mars, Meddelande C refererar till 'veckan efter Berlinmässan' utan datum. Identifiera konflikten, ange vad du kan lösa utifrån given information och lista exakt vad du behöver få bekräftat innan du fastställer ett slutgiltigt datum.

Resonemang kring videoscen

Jag bifogar ett kort videoklipp från en tillverkningslinje. Identifiera varje steg i sekvensen där ordningen på operationerna verkar inkonsekvent med ett standardmonteringsflöde, beskriv vad du ser vid det tillfället och föreslå vilken ytterligare film eller dokumentation som skulle hjälpa dig att bekräfta om det är ett faktiskt fel.

Jämför med

Muse Glimmer 30B
Öppen vikt-modell
131,072 tokens kontext · $0.30/M indata, $1.20/M utdata
Muse Spark 1.3
Endast API-modell
1,048,576 tokens kontext · $1.25/M indata, $4.25/M utdata
Muse Wonder
Endast API-modell
1,048,576 tokens kontext · $4.00/M indata, $20.00/M utdata
Muse Spark 1.2
Endast API-modell
1,048,576 tokens kontext · $1.25/M indata, $4.25/M utdata

Fler textmodeller från meta

Vanliga frågor

Kan jag köra Muse Spark 1.3 Contributor lokalt?: Nej. Vikterna är inte öppna och det finns inget Hugging Face-förråd, så lokal eller självhostad drift är inte möjlig.
Vad innebär Contributor-nivån för mina data?: Meta uppger att prompts och output som skickas via denna nivå kan användas för att förbättra deras produkter, så du bör undvika att skicka konfidentiell eller känslig information.
Hur skiljer sig denna från högre nivåer av Muse Spark 1.3?: Meta har inte publicerat en detaljerad jämförelse, men Contributor-märkningen och det låga priset ($0,10/$0,20 per miljon tokens) indikerar att detta är instegsnivån med fokus på experiment snarare än en produktionsmodell.

Kaptens omdöme
Ett verkligt billigt sätt att utforska långkontextagentbaserat och multimodalt resonemang—men håll dina känsliga data långt borta från den.

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Popularitetstrend för Muse Spark 1.3 Contributor

Värmenpoäng sedan 2 Sep 2026

Värmescore

9,134°

Den här veckan

▲

47.3%

9,083° då, 9,134° nu

Den här månaden

▲

979%

8,821° då, 9,134° nu

Senaste året

n/a

Inte släppt/spårad än

7,000°

Golvet

Skalan går från 0° till 9 999°. Allt under 7,000° är reserverat för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta. 7,000° är där mätta data börjar: en modell med riktiga data men nästan inga nedladdningar ligger på golvet, och mätningarna fyller graderna ovanför. Golvet säger inget om modellen; det gör bara graderna ovanför, och det är de som skiljer en modell från en annan.

+1,784°

OpenRouter-token

8,847,442,276,267 token som denna modell bearbetat via OpenRouter de senaste 30 dagarna, både prompts och svar. Varje 10,000,000 token räknas som en nedladdning i nedladdningsterm, totalt 884,744; token från senaste dagen räknas in i användningstakten. Källa: OpenRouter (openrouter.ai/rankings).

+350°

Adoptionshastighet

Ungefär 46,090 nedladdningar per dag, mätt mellan två avläsningar av källorna, aldrig uppskattat från ett livstidsgenomsnitt. Hastigheten väger en fjärdedel av nedladdningstermen, så en ny våg syns utan att en dags toppar slår ut år av användning.

Visa detaljerad uppdelning

Varje siffra på den här sidan kan kontrolleras. Den här modellens heat-poäng är 9,134°, och här byggs den upp en ingrediens i taget, med löpande total efter varje: golvet, graderna varje källa lägger till, bonusen för modelltypen och vad vikternas ålder drar bort. Färgerna är banden i diagrammet ovan. Ordlistan i slutet förklarar varje term.

1
Börja vid golvet.
Varför 7,000° och inte noll: skalan går från 0° till 9 999°, och delen under 7,000° är reserverad för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta och aldrig rankas högre än en modell med data. 7,000° är där mätta data börjar. En modell med riktiga data men nästan inga nedladdningar ligger här; allt som följer är mätning, och utrymmet ovanför golvet rymmer tio tiofaldiga steg i nedladdningar på 300° vardera. Golvet är detsamma för varje modell, så det avgör inget; det gör graderna ovanför.
7,000°
löpande total
2
Lägg till nedladdningarna.
884,744 nedladdnings-ekvivalenter totalt, från OpenRouter-token. Tio gånger nedladdningarna ger samma 300°, så storlek spelar roll men tar aldrig över poängen.
+1,784°
8,784°
löpande total
3
Lägg till adoptionshastigheten.
Ungefär 46,090 nedladdningar per dag just nu, mätt mellan två mätningar, med en fjärdedels vikt.
+350°
9,134°
löpande total
=
Heat-poängen.
Var den här modellen står på varje lista på den här sidan. Ingenting annat ändrar den.
9,134°

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Hur den här modellens popularitet har rört sig jämfört med resten av katalogen: dess tillväxt i nedladdningar, gillningar och användning under varje period, mätt mot en typisk modells tillväxt under samma period, med dess heat-poäng vid den tiden. Över den typiska tillväxten ses som en uppgång, under som en nedgång. Det förflutna rekonstrueras från dagens totalsummor, modellens första dag och dess uppmätta nedladdningshastighet där två mätningar finns; en modell som inte fanns i början av en period visar n/a.

Liknande modeller

Nemotron 3.5 Content Safety

AI-modeller för bild-, video- och textgenerering

Muse Spark 1.3 Contributor är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm meta vision video resonemang agenter lång kontext budget

Bläddra efter modellfamilj