Kan jag köra Muse Spark 1.2 lokalt?

Nej. Vikterna är inte offentliga och det finns ingen Hugging Face-repo – det är endast API via Metas plattform.

Vad kostar Muse Spark 1.2 och hur stort är kontextfönstret?

Priset är $1,25 per miljon inmatningstokens och $4,25 per miljon utmatningstokens, med ett kontextfönster på en miljon tokens.

Vad skiljer denna från en vanlig chatt- eller instruktionsmodell?

Den är byggd specifikt för agent- och resonemangsarbetsbelastningar – konfigurerbar resonemangsinsats, parallella funktionsanrop, strukturerad utdata och förmåga att agera som orkestrerande agent eller parallell subagent i multi-modellpipelines.

Muse Spark 1.2

5004°

#llm #meta #vision #video #resonemang #kodning

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 token kontext | $1.25/M input, $4.25/M output. Muse Spark 1.2 är en resonemangsmodell från Meta, designad för komplexa agentuppgifter. Den accepterar text, bilder, video och PDF-dokument, returnerar text och erbjuder ett 1M-token kontextfönster. Modellen är byggd för att stödja multi-agent arbetsflöden, antingen som huvudagent som planerar och delegerar eller som underagent som kör parallellt. Den fungerar över flera kodningsramverk och stödjer strukturerade utdata, parallella funktionsanrop och konfigurerbar resonemangsinsats. I Metas tester presterar den väl vid multi-filrefaktorisering, förlängda felsökningssessioner, helförvaringsgenerering och uppgifter som sträcker sig långt bortom en enda prompt.

Guider för denna modell

Hur du väljer en AI-modell i oktober 2026: nyheter om stängd källkod och öppna vikter värda att ladda ner

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

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

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Muse Spark 1.2 är en resonemangsmodell från Meta byggd för komplexa, flerstegs agentuppgifter. Den accepterar text, bilder, video och PDF:er, har ett kontextfönster på en miljon tokens och är designad för att fungera som planeringsagent eller parallell subagent. Om ditt arbete involverar stora kodbaser, utökad felsökning eller orkestrering av andra modeller är detta nivån den är riktad mot.

Känd för

Kontextfönster på en miljon tokens hanterar hela kodförråd och flerfiluppgifter
Konfigurerbar resonemangsinsats låter dig byta mellan hastighet och djup
Parallella funktionsanrop och strukturerad utdata passar automatiserade pipelines
Accepterar text, bilder, video och PDF-dokument i ett enda anrop
Designad för att agera som orkestrerare eller subagent i multi-agentarbetsflöden

Se upp för

Endast API, stängda vikter – du kan inte köra lokalt eller inspektera modellen
Utdata kostar $4,25 per miljon tokens vilket snabbt blir dyrt vid långa resonemangsspår
Meta har inte publicerat oberoende benchmark-siffror för denna version

Bäst för

Kodning

Agenter och verktygsanvändning

Resonemang

Lång kontext

Syn

Promptar att prova

Refaktorplan för flera filer

Jag har en Node.js REST API uppdelad på cirka 30 filer. Den nuvarande autentiseringslogiken är utspridd i route handlers och middleware. Föreslå en konkret refaktorplan: vilka filer som ändras, vad som flyttas vart och i vilken ordning för att undvika att testsviten går sönder vid varje steg. Var specifik med filnamn och funktionssignaturer.

Agentbaserad felsökningssession

Du felsöker en Python-datapipeline som tyst tappar rader vid sammanslagning av två DataFrames. Pipen körs i tre steg: ingest, transform, merge. Gå metodiskt igenom varje steg, ange vad du skulle kontrollera först och varför, skriv diagnostisk kod för varje kontroll och förklara hur du skulle bekräfta fixen utan att köra om hela pipelinen.

PDF-kontraktsanalys

Bifogat finns ett avtal om mjukvarutjänster. Extrahera varje klausul som begränsar ansvar eller skadestånd, sammanfatta varje i enkelt språk, markera ovanligt ensidiga klausuler och lista eventuella standardskydd som saknas. Returnera resultaten som en strukturerad lista.

Jämför med

Muse Glimmer 30B
Öppen vikt-modell
131,072 tokens kontext · $0.30/M indata, $1.20/M utdata
Muse Spark 1.3 Contributor
Endast API-modell
1,048,576 tokens kontext · $0.10/M indata, $0.20/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

Fler textmodeller från meta

Vanliga frågor

Kan jag köra Muse Spark 1.2 lokalt?: Nej. Vikterna är inte offentliga och det finns ingen Hugging Face-repo – det är endast API via Metas plattform.
Vad kostar Muse Spark 1.2 och hur stort är kontextfönstret?: Priset är $1,25 per miljon inmatningstokens och $4,25 per miljon utmatningstokens, med ett kontextfönster på en miljon tokens.
Vad skiljer denna från en vanlig chatt- eller instruktionsmodell?: Den är byggd specifikt för agent- och resonemangsarbetsbelastningar – konfigurerbar resonemangsinsats, parallella funktionsanrop, strukturerad utdata och förmåga att agera som orkestrerande agent eller parallell subagent i multi-modellpipelines.

Kaptens omdöme
En seriös agentbaserad resonemangsmodell med ett verkligt kontextfönster på en miljon tokens – värd utgiftskostnaden endast om dina uppgifter verkligen kräver det.

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

Not this creator?

Get your own badge

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

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.

Liknande modeller

AI-modeller för bild-, video- och textgenerering

Muse Spark 1.2 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 kodning agenter lång kontext

Bläddra efter modellfamilj