मुख्य सामग्री पर जाएँ
  • 131K context
  • Multimodal
  • Reasoning
  • Responses API

Muse Glimmer 30B QuickSilver Pro पर

muse-glimmer-30b
Metaलाइव उपलब्धता—

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

ProviderInputOutputQSP की तुलना में
QuickSilver Pro$0.30$1.20—
Published reference(meta/muse-glimmer-30b)$0.30$1.20बराबर

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।

Models में विकल्पों की तुलना करें

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!"
  }'
python (OpenAI SDK)
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

Catalog v87 · कोई अलग long-context tier नहीं

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

/pricing.json

Base दरें; cached prompt tokens ऊपर दी गई cache दरों पर बिल होते हैं।

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।

Muse Glimmer 30B

Muse Glimmer 30B को double credits के साथ आज़माएँ — $50 तक bonus credits

API Key पाएँ

$0.30 / $1.20input / output प्रति 1M tokens

आज़माएंAPI Key पाएँ