- 131K context
- Multimodal
- Reasoning
- Responses API
Muse Glimmer 30B QuickSilver Pro पर
एक OpenAI-compatible API से Muse Glimmer 30B का इस्तेमाल करें, 131K टोकन की कॉन्टेक्स्ट विंडो के साथ। प्रति दस लाख टोकन इनपुट $0.30 / आउटपुट $1.20।
- 131K context
- Vision
- Tools
- Reasoning · डिफ़ॉल्ट रूप से चालू
- Streaming
- JSON Schema output
आप चुकाते हैं · input / output प्रति 1M
$0.30 / $1.20
लिस्ट प्राइस पर
Published reference जैसी ही दरें
Pricing तुलना ($/1M tokens)
बार की लंबाई = लिस्ट प्राइस के मुक़ाबले क़ीमत
| Provider | Input | Output | QSP की तुलना में |
|---|---|---|---|
| QuickSilver Pro | $0.30 | $1.20 | — |
| Published reference(meta/muse-glimmer-30b) | $0.30 | $1.20 | बराबर |
एक नज़र में
- Context
- 131K tokens
- Input / 1M
- $0.30
- Output / 1M
- $1.20
- Default में सोचता है
- हाँ
- Latency · लाइव
- —
- AA Intelligence Index
- 24
कम बजट वाले long-horizon agents और रोज़मर्रा की coding — Muse Spark जैसी reasoning, कीमत के एक छोटे हिस्से पर, 131K-token context के साथ।
Muse Glimmer 30B कब सही चुनाव है?
catalog की क्षमताओं और प्रकाशित क़ीमतों से तैयार, benchmark से नहीं।
कब इस्तेमाल करें
Muse Glimmer 30B तब चुनें जब आपको Muse Spark का agentic अंदाज़ छोटे मॉडल की कीमत पर चाहिए: रोज़मर्रा के coding loops, ऐसे tool-calling agents जो कई steps में plan और iterate करते हैं, और batch workloads जहाँ token खर्च ही सबसे बड़ा हिस्सा होता है। यह text के साथ images भी लेता है, इसलिए agent screenshots और rendered output देखकर iterate कर सकता है, और इसका 131K-token context काफ़ी बड़े working set को समेट लेता है।
- Tools call करने वाले agents, strict JSON Schema output के साथ
- Images वाले prompts
- कई चरणों वाला reasoning, डिफ़ॉल्ट रूप से चालू
- Chat Completions के साथ Responses API clients भी
कब कोई और model चुनें
Repository-scale working sets के लिए इसकी सीमा 131K tokens है — जब पूरा repo context में रखना ज़रूरी हो तो Muse Spark 1.2 (/, 1M context) या Kimi K3 पर जाएँ। यहाँ reasoning अनिवार्य है, इसलिए यह मामूली turns पर भी output tokens खर्च करता है; जहाँ लागत मायने रखती है वहाँ reasoning_effort: "low" से इसे काबू में रखें, या ऐसी high-volume single-shot calls के लिए DeepSeek V4 Flash ($0.06/$0.18) इस्तेमाल करें जिन्हें thinking की बिल्कुल ज़रूरत नहीं।
- Output की क़ीमत सबसे अहम हैMuse Ember का output इस मॉडल की output क़ीमत का 0.417× है।Muse Ember $0.10 / $0.50 · 1M
- काम को ज़्यादा मज़बूत मॉडल चाहिएMuse Spark 1.3 का AA Intelligence Index स्कोर 53 है (यहाँ 24), output क़ीमत 2.833×।Muse Spark 1.3 $1.00 / $3.40 · 1M
- आपको लंबा context चाहिएMuse Spark Open 1M tokens लेता है, output क़ीमत 3.542×।Muse Spark Open $1.25 / $4.25 · 1M
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-glimmer-30b",
"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-glimmer-30b",
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-glimmer-30b",
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-glimmer-30b",
"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-glimmer-30b",
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- 131K tokens तक के prompts।
- /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
- $0.30 / $1.20
- Catalog में सत्यापित
- Prompt cache · तुलना नहीं
- $0.04 read
usage.cost = prompt_tokens × $0.30/1M + completion_tokens × $1.20/1M
FAQ
सामान्य प्रश्न
Glimmer छोटा, open-weight sibling है: Muse Spark से distill किया गया dense 30B मॉडल, autonomous agents के लिए tune किया हुआ, Spark की per-token कीमत के लगभग एक-तिहाई पर, और Spark के 1M के मुकाबले 131K-token context के साथ। Repository-scale coding और सबसे कठिन long-horizon काम के लिए Spark ही सही चुनाव है; Glimmer रोज़मर्रा के agent loops संभालता है, जहाँ लागत और iteration की रफ़्तार peak capability से ज़्यादा मायने रखती है। दोनों text और images को input के रूप में लेते हैं और जवाब देने से पहले reasoning करते हैं।
Reasoning हमेशा चालू रहती है — Muse Spark की तरह, इस endpoint पर यह अनिवार्य है और बंद नहीं की जा सकती। गहराई और latency व लागत के बीच संतुलन के लिए reasoning_effort इस्तेमाल करें (low, medium, high, या xhigh; default medium है)। Reasoning tokens दिखने वाले जवाब से पहले आपके max_tokens budget में से लिए जाते हैं, इसलिए max_tokens खुलकर सेट करें — 1024 या उससे ज़्यादा — वरना जवाब खाली आ सकता है क्योंकि budget सोचने में ही खर्च हो गया।
प्रति दस लाख टोकन इनपुट $0.30 / आउटपुट $1.20।
हाँ — यह एक OpenAI-compatible chat completions endpoint है, और Responses API भी उपलब्ध है। Streaming, tool calling, और json_schema strict mode सब काम करते हैं, और यह image input लेता है। किसी भी OpenAI-SDK agent framework में base_url=https://api.quicksilverpro.io/v1 और model="muse-glimmer-30b" सेट करें।
Muse Glimmer 30B
Muse Glimmer 30B को double credits के साथ आज़माएँ — $50 तक bonus credits
API Key पाएँ