Muse Spark 1.2 QuickSilver Pro पर
Muse Spark 1.2 Meta का coding-focused reasoning मॉडल है — extended thinking, जिसे whole-repository generation, जटिल debugging, codebase की समझ और long-horizon developer workflows के लिए tune किया गया है, 1M-token context और multimodal input के साथ। QuickSilver Pro पर यह $1.00 input / $3.40 output प्रति million tokens है — Meta की प्रकाशित API list price $1.25 / $4.25 से input और output दोनों पर ~20% कम।
एक नज़र में
1M-token context पर extended reasoning के साथ repository-scale coding और long-horizon agentic development।
Pricing तुलना ($/1M tokens)
| Provider | Input | Output | QSP की तुलना में |
|---|---|---|---|
| QuickSilver Pro | $1.00 | $3.40 | सबसे कम कीमत |
| Meta की list price (meta/muse-spark-1.2) | $1.25 | $4.25 | 20% कम |
कब इस्तेमाल करें
Muse Spark 1.2 को उस coding काम के लिए चुनें जो पूरी repository में फैला हो और जिसमें सोच-समझकर की गई reasoning का फ़ायदा मिलता हो: end-to-end feature generation, जटिल multi-file debugging, codebase की समझ, और long-horizon agents जो कई tool calls में योजना बनाते और iterate करते हैं। इसका 1M-token context बड़े working sets सँभाल लेता है, और यह code के साथ images भी स्वीकार करता है ताकि agent screenshots, diagrams और rendered output पर iterate कर सके।
कब कोई और model चुनें
यह लंबी reasoning करता है और verbose है, इसलिए रोज़मर्रा की chat, छोटे single-shot codegen या latency-sensitive loops के लिए इसका token budget ज़रूरत से ज़्यादा है — DeepSeek V4 Flash ($0.086/$0.173) या Qwen3.7 Flash इन्हें कहीं कम खर्च में निपटा देते हैं। 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 (छोटा `max_tokens` केवल जवाब को काटता है, thinking को नहीं)। Weights closed हैं और केवल API से उपलब्ध हैं; अगर आपको self-hosting चाहिए, तो Kimi K3 जैसा कोई open-weight मॉडल चुनें।
Quickstart (curl)
curl https://api.quicksilverpro.io/v1/chat/completions \
-H "Authorization: Bearer $QSP_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "muse-spark-1.2",
"messages": [{"role": "user", "content": "Hello!"}]
}'OpenAI-संगत। base_url बदलकर एक लाइन में migration।
FAQ
Coding। Meta ने इसे long-horizon coding कामों — whole-repository generation, बड़े end-to-end projects, जटिल debugging और codebase की समझ — पर train किया है, और इसे अपने coding agent Muse Code के साथ जोड़ता है। Meta के अपने launch charts पर यह Terminal-Bench 2.1 और DeepSWE में Claude Opus 5 से ठीक पीछे है। यह 1M-token context पर text और images को input के रूप में लेता है और text लौटाता है।
Reasoning हमेशा चालू रहती है — इस endpoint पर यह अनिवार्य है और इसे बंद नहीं किया जा सकता (इसे बंद करने की कोशिश करने वाली request reject हो जाती है)। गहराई बनाम latency और लागत का संतुलन साधने के लिए `reasoning_effort` (`low`, `high` या `max`) इस्तेमाल करें; `low` सरल turns पर reasoning-token खर्च को लगभग आधा कर देता है। Reasoning tokens दिखने वाले जवाब से पहले आपके `max_tokens` budget से लिए जाते हैं, इसलिए `max_tokens` खुलकर सेट करें — 1024 या उससे ज़्यादा — वरना जवाब खाली लौट सकता है, क्योंकि budget thinking में ही खर्च हो गया।
Meta की प्रकाशित API list price $1.25 input / $4.25 output प्रति 1M tokens है; QuickSilver Pro $1.00 / $3.40 है — input और output दोनों पर ~20% कम। वही OpenAI-compatible surface: base_url को https://api.quicksilverpro.io/v1 पर point करें और model="muse-spark-1.2" इस्तेमाल करें।
हाँ — यह एक OpenAI-compatible chat completions endpoint है, और Responses API भी उपलब्ध है। base_url=https://api.quicksilverpro.io/v1 और model="muse-spark-1.2" सेट करें, और coding agents (वही जिनसे आप Muse Code-style workflows चलाते) को उस base URL पर point करें।