- 1M context
- Multimodal
- Reasoning
- Responses API
- नया · 9 नव॰
Muse Ember QuickSilver Pro पर
Meta का Muse Ember। एजेंट उपकार्य, जानकारी निकालना और लंबे दस्तावेज़ पढ़ना। प्रति दस लाख टोकन $0.10 इनपुट / $0.50 आउटपुट।
- 1M context
- अधिकतम 524K output
- Vision
- Tools
- Reasoning · डिफ़ॉल्ट रूप से चालू
- Streaming
- JSON Schema output
आप चुकाते हैं · input / output प्रति 1M
$0.10 / $0.50
लिस्ट प्राइस पर
OpenRouter जैसी ही दरें
Pricing तुलना ($/1M tokens)
बार की लंबाई = लिस्ट प्राइस के मुक़ाबले क़ीमत
| Provider | Input | Output | QSP की तुलना में |
|---|---|---|---|
| QuickSilver Pro | $0.10 | $0.50 | — |
| OpenRouter(meta/muse-ember) | $0.10 | $0.50 | बराबर |
Meta लिस्ट प्राइस का स्रोत: openrouter.ai/meta/muse-ember
एक नज़र में
- Context
- 1M tokens
- Input / 1M
- $0.10
- Output / 1M
- $0.50
- Default में सोचता है
- हाँ
- अधिकतम output
- 524K
- Latency · लाइव
- —
एजेंट उपकार्य, जानकारी निकालना और लंबे दस्तावेज़ पढ़ना।
Muse Ember कब सही चुनाव है?
catalog की क्षमताओं और प्रकाशित क़ीमतों से तैयार, benchmark से नहीं।
कब इस्तेमाल करें
टेक्स्ट इनपुट, इमेज इनपुट, टेक्स्ट आउटपुट, स्ट्रीमिंग, तर्क, टूल कॉलिंग और JSON Schema वाली ज़रूरतों के लिए Muse Ember चुनें। चित्र पर JSON और स्ट्रीमिंग स्वचालित टूल कॉल upstream परीक्षणों में सफल रहे।
- लंबे दस्तावेज़ और codebases, 1M tokens तक के context के साथ
- Tools call करने वाले agents, strict JSON Schema output के साथ
- Images वाले prompts
- कई चरणों वाला reasoning, डिफ़ॉल्ट रूप से चालू
कब कोई और model चुनें
1M टोकन संदर्भ में अधिकतम आउटपुट 524K टोकन है। रीजनिंग का शुल्क आउटपुट के रूप में लगता है; छोटा बजट दृश्य उत्तर नहीं छोड़ सकता। इस रूट पर रीजनिंग बंद करना और required या नाम वाले बाध्य टूल चयन सत्यापित नहीं हैं।
Quickstart (curl)
API key पाएँ →curl https://api.quicksilverpro.io/v1/chat/completions \
-H "Authorization: Bearer $QSP_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "muse-ember",
"messages": [{"role": "user", "content": "Hello!"}]
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.quicksilverpro.io/v1",
api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
model="muse-ember",
messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.quicksilverpro.io/v1",
apiKey: process.env.QSP_KEY,
});
const response = await client.chat.completions.create({
model: "muse-ember",
messages: [{ role: "user", content: "Hello!" }],
});
console.log(response.choices[0].message.content);curl https://api.quicksilverpro.io/v1/responses \
-H "Authorization: Bearer $QSP_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "muse-ember",
"input": "Hello!"
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.quicksilverpro.io/v1",
api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
model="muse-ember",
messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)OpenAI-संगत। base_url बदलकर एक लाइन में migration।
Gateway का व्यवहार
इस मॉडल के लिए compatibility नोट्स।
prompt- 1M tokens तक के prompts।
max_tokens- 524K output tokens तक।
- /v1/chat/completions: समर्थित
- /v1/responses: समर्थित
- streaming: समर्थित
- tools: समर्थित
- image input: समर्थित
- JSON Schema: समर्थित
- reasoning: समर्थित
क़ीमत कहाँ से आती है
- Provider reference
- $0.10 / $0.50openrouter.ai/meta/muse-ember
- Catalog में सत्यापित
- Prompt cache · तुलना नहीं
- $0.004 read
usage.cost = prompt_tokens × $0.10/1M + completion_tokens × $0.50/1M
FAQ
सामान्य प्रश्न
प्रति दस लाख टोकन $0.10 इनपुट / $0.50 आउटपुट; कैश पढ़ने का शुल्क $0.004 प्रति दस लाख टोकन।
Chat Completions और Responses। सत्यापित सुविधाएँ: टेक्स्ट इनपुट, इमेज इनपुट, टेक्स्ट आउटपुट, स्ट्रीमिंग, तर्क, टूल कॉलिंग और JSON Schema। QSP ने ऑडियो, वीडियो और फ़ाइल इनपुट नहीं जाँचे हैं।
base_url=https://api.quicksilverpro.io/v1, अपनी QSP API कुंजी और model="muse-ember" सेट करें। टूल टर्न में reasoning_details सहित पूरे सहायक संदेश सुरक्षित रखें।