API do Muse Spark 1.3: como usar o modelo de raciocínio da Meta sem respostas vazias

O Muse Spark 1.3 é um modelo de raciocínio de uso geral da Meta com chamada de ferramentas, modo JSON e um contexto de 1M de tokens. O GetVibe API o disponibiliza pelo endpoint compatível com OpenAI padrão, então você pode chamá-lo com o código que já tem. Há uma coisa que você precisa saber antes de começar: o Muse Spark pensa bastante antes de responder e, se você deixar max_tokens baixo, receberá uma resposta vazia. Este guia mostra o ID do modelo, o preço, o que medimos e como configurá-lo para funcionar logo na primeira vez.

A única configuração que importa: max_tokens

Assim como outros modelos de raciocínio, o Muse Spark escreve tokens de raciocínio ocultos antes da resposta visível. Esses tokens contam para max_tokens e são cobrados como saída. O que diferencia o Muse Spark é o quanto ele raciocina: aproximadamente 650 a 5,400 tokens de raciocínio em uma pergunta curta, de acordo com os números do nosso catálogo.

Vimos o mesmo padrão por conta própria. Fizemos uma pergunta de aritmética de uma linha (quanto dura uma viagem de trem das 14:35 às 18:10) e recebemos uma resposta correta de uma frase, mas veja a divisão dos tokens:

Resposta visível: cerca de 20 tokens (“A viagem dura 3 horas e 35 minutos.”)
Raciocínio: 514 tokens
Total de saída cobrado: 534 tokens

Se max_tokens fosse 256, o modelo ficaria sem orçamento no meio do raciocínio e retornaria uma mensagem vazia com finish_reason: "length". A solução é simples: dê espaço suficiente. Para perguntas curtas, use pelo menos 4,000; para tarefas de programação ou com várias etapas, de 8,000 a 16,000 é razoável. Você paga apenas pelos tokens realmente gerados, não pelo limite definido, então um teto generoso não custa nada a mais em prompts fáceis.

Especificações e preço

ID do modelo: muse-spark-1.3
Fabricante: Meta
Preço: a partir de $0.8875 entrada · $3.0175 saída por 1M de tokens.
Entrada em cache: um décimo da tarifa normal de entrada para prefixos de prompt repetidos.
Janela de contexto: 1,048,576 tokens.
Esforço de raciocínio: minimal, low, medium, high, xhigh, max. O raciocínio é cobrado como saída.
Chamada de ferramentas e modo JSON: compatíveis.
Entrada: somente texto (sem imagens).

O preço diz “a partir de” porque o GetVibe encaminha cada solicitação primeiro para o canal saudável mais barato e usa um fallback se ele estiver ocupado, então uma solicitação pode ocasionalmente custar mais do que o valor mínimo. A página do modelo Muse Spark 1.3 mostra o intervalo atual, e o dashboard mostra quanto cada solicitação realmente custou; consulte saldo e uso.

Como o modelo raciocina intensamente, faça o orçamento com base nos tokens de saída, não no tamanho da resposta que você vê. Uma solicitação cuja resposta visível tem uma frase ainda pode gerar uma cobrança de várias centenas de tokens de saída.

Como conectar

Obtenha uma chave de API na sua conta do GetVibe, aponte qualquer cliente OpenAI para https://getvibeapi.com/v1 e use o ID do modelo muse-spark-1.3.

Python com o SDK da OpenAI

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://getvibeapi.com/v1",
    api_key=os.environ["GETVIBE_API_KEY"],
)

resp = client.chat.completions.create(
    model="muse-spark-1.3",
    messages=[{"role": "user", "content": "A train leaves at 14:35 and arrives at 18:10. How long is the trip? Answer in one sentence."}],
    max_tokens=8000,  # generous: reasoning tokens count toward this limit
)
print(resp.choices[0].finish_reason)
print(resp.usage.completion_tokens, resp.usage.completion_tokens_details.reasoning_tokens)
print(resp.choices[0].message.content)

Nosso teste em 22 de outubro de 2026 exibiu isto, em cerca de quatro segundos:

stop
534 514
The trip lasts 3 hours and 35 minutes.

Sempre verifique finish_reason em produção. stop significa que o modelo terminou; length significa que ele atingiu seu limite e a resposta pode estar ausente ou truncada.

curl

curl https://getvibeapi.com/v1/chat/completions \
  -H "Authorization: Bearer $GETVIBE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "muse-spark-1.3",
    "messages": [{"role": "user", "content": "Summarize the trade-offs of SQLite vs PostgreSQL for a small SaaS in five bullets."}],
    "max_tokens": 8000
  }'

Em nosso teste, isso retornou finish_reason: "stop", cinco tópicos claros (operações, concorrência, recursos, confiabilidade, custo e preparação para o futuro) e este uso: 27 tokens de prompt, 998 tokens de conclusão, dos quais 704 eram de raciocínio. Novamente, cerca de 70% da cobrança de saída foi por um raciocínio que você nunca vê.

Reduzindo o raciocínio com reasoning_effort

O Muse Spark aceita o parâmetro padrão reasoning_effort com seis níveis, de minimal a max. Um esforço menor reduz os tokens de raciocínio, o que torna as respostas mais rápidas e baratas. Enviamos a mesma pergunta sobre o trem em dois níveis:

reasoning_effort="low": 315 tokens de raciocínio, 335 tokens de saída no total, resposta correta.
reasoning_effort="high": 439 tokens de raciocínio, 459 tokens de saída no total, mesma resposta correta.

Mesmo em low, o modelo ainda raciocinou por cerca de 300 tokens em uma pergunta trivial, então reduzir o esforço não torna seguro diminuir max_tokens para algumas centenas. O comprimento do raciocínio também varia de uma execução para outra; nossa execução com o esforço padrão usou mais do que a execução com high. Use um esforço menor para o tráfego rotineiro e reserve high e níveis superiores para problemas que realmente precisam disso. Veja o contexto em explicação sobre reasoning effort.

Ferramentas, JSON e contexto longo

A chamada de ferramentas usa o array padrão tools e tool_calls na resposta, então frameworks de agentes existentes funcionam sem alterações; consulte chamada de ferramentas. Para saída legível por máquina, o modo JSON é compatível; nosso guia do modo JSON explica as diferenças entre os modelos.

A janela de 1M de tokens comporta documentos grandes ou históricos longos de agentes em uma única solicitação. Quando o mesmo prefixo grande é reenviado a cada turno, ele é cobrado pela tarifa de cache, um décimo da entrada normal. Consulte explicação sobre prompt caching para saber como manter o prefixo compatível com o cache.

Quando escolher o Muse Spark 1.3

Boa opção: perguntas em que uma resposta cuidadosa e verificada importa mais do que a velocidade; agentes que chamam ferramentas; leitura de contexto longo a um preço moderado.
Menos indicado: chamadas muito curtas e de alto volume em que cada token de saída conta, e qualquer tarefa que precise de entrada de imagem. Um modelo rápido sem raciocínio é mais barato nesses casos; consulte as APIs de LLM mais baratas para alto volume.

Transmita as respostas para que os usuários não fiquem olhando para uma tela em branco

Como o modelo raciocina antes de escrever, uma solicitação sem streaming não retorna nada até que a resposta inteira esteja pronta. Para interfaces de chat, use streaming. Nada é exibido enquanto o modelo pensa, mas, assim que a resposta começa, os tokens chegam um por um, e seu cliente sabe que a conexão está ativa:

stream = client.chat.completions.create(
    model="muse-spark-1.3",
    messages=[{"role": "user", "content": "Plan a three-step database migration with rollback."}],
    max_tokens=16000,
    stream=True,
    stream_options={"include_usage": True},
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)
    if chunk.usage:
        print("\n", chunk.usage)

Mantenha include_usage ativado: o último chunk então carrega as contagens de tokens, incluindo o raciocínio, que é o que você paga.

Erros comuns

Reutilizar limites de um modelo sem raciocínio. Um max_tokens de 256 ou 512 que funcionava para um modelo de chat produzirá respostas vazias aqui.
Estimar o custo com base no texto visível. Nossas duas solicitações de teste mostraram o raciocínio em 70 a 96% dos tokens de saída. Registre usage, não contagens de caracteres.
Enviar imagens. O modelo aceita somente texto; remova as partes de imagem ou encaminhe essas solicitações para um modelo de visão.
Tratar todas as solicitações da mesma forma. Use o esforço low ou minimal para consultas simples e reserve níveis mais altos para planejamento e análise.

FAQ

Por que o Muse Spark 1.3 retorna uma resposta vazia?

Quase sempre porque max_tokens está baixo demais. O modelo gasta seu orçamento com raciocínio oculto e para com finish_reason: "length" antes de escrever a resposta. Aumente o limite para 4,000 ou mais em tarefas curtas e para 8,000 a 16,000 em tarefas complexas.

Qual é o ID do modelo?

muse-spark-1.3, enviado para https://getvibeapi.com/v1/chat/completions.

Quanto custa?

A partir de $0.8875 entrada · $3.0175 saída por 1M de tokens. Os tokens de raciocínio são cobrados como saída, então consulte usage.completion_tokens, não o tamanho da resposta visível.

O Muse Spark 1.3 aceita imagens?

Não, a entrada aceita somente texto. Para capturas de tela e diagramas, use um modelo de visão, como o Gemini 4 Argon.

Posso ver o raciocínio?

O raciocínio em si não é retornado; você recebe a contagem de tokens em usage.completion_tokens_details.reasoning_tokens, o que é suficiente para monitorar o custo.