跳到主要内容
  • 131K 上下文
  • 多模态
  • 推理
  • Responses API

Muse Glimmer 30B · QuickSilver Pro

muse-glimmer-30b
Meta实时可用性—

通过一个 OpenAI 兼容 API 使用 Muse Glimmer 30B,上下文窗口为 131K token。每百万 token 输入 $0.30,输出 $1.20。

  • 131K 上下文
  • 视觉
  • 工具调用
  • 推理 · 默认开启
  • 流式输出
  • JSON Schema 输出

你支付 · 每 1M 输入 / 输出

$0.30 / $1.20

与官方价相同

与 Published reference 价格相同

价格对比($/1M token)

条形长度 = 相对官方价的价格

服务商输入输出对比 QSP
QuickSilver Pro$0.30$1.20—
Published reference(meta/muse-glimmer-30b)$0.30$1.20相同

概览

上下文
131K token
输入 / 1M
$0.30
输出 / 1M
$1.20
默认思考
是
延迟 · 实时
—
AA 智能指数
24

预算有限的长程 agent 和日常编码:以极低的价格获得 Muse Spark 风格的推理,上下文为 131K token。

什么时候该选 Muse Glimmer 30B?

依据目录中的能力和公开价格整理,而非基准测试。

适用场景

想以小模型的价格获得 Muse Spark 的 agent 风格时,选 Muse Glimmer 30B:日常编码循环、需要多步规划和迭代的工具调用 agent,以及 token 开销占主导的批处理任务。它除文本外还接受图像输入,因此 agent 可以对照截图和渲染结果进行迭代;131K token 的上下文也足以容纳相当大的工作集。

  • 需要调用工具并输出严格 JSON Schema 的 Agent
  • 包含图片的提示
  • 多步推理,默认开启
  • 既支持 Chat Completions,也支持 Responses API 客户端

何时该选其他模型

对于仓库级的工作集,它的上限是 131K token —— 如果必须把整个仓库放进上下文,请升级到 Muse Spark 1.2(/,1M 上下文)或 Kimi K3。这里推理是强制开启的,所以即使是简单的轮次也会消耗输出 token;在意成本时可用 reasoning_effort: "low" 加以控制,或者对完全不需要思考的大批量单次调用改用 DeepSeek V4 Flash($0.06/$0.18)。

在模型列表中比较其他选择

快速开始(curl)

获取 API key →
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)

兼容 OpenAI。只需改一行 base_url 即可迁移。

网关行为

本模型的兼容性说明。

prompt
提示最多 131K token。
  • /v1/chat/completions: 支持
  • /v1/responses: 支持
  • 流式输出: 支持
  • 工具调用: 支持
  • 图片输入: 支持
  • JSON Schema: 支持
  • 推理: 支持

价格从何而来

目录 v87 · 无单独的长上下文价格档

服务商参考价
$0.30 / $1.20
目录核验日期
提示缓存 · 不参与对比
读取 $0.04

usage.cost = prompt_tokens × $0.30/1M + completion_tokens × $1.20/1M

/pricing.json

按基础价格计算;缓存的提示 token 按上方缓存价格计费。

常见问题

常见问题

Glimmer 是同系列中小型的开放权重版本:一个由 Muse Spark 蒸馏而来的 30B 稠密模型,专为自主 agent 调优,每 token 价格约为 Spark 的三分之一,上下文为 131K token,而 Spark 是 1M。仓库级编码和最难的长程任务仍应选 Spark;Glimmer 则覆盖日常的 agent 循环,这类场景里成本和迭代速度比峰值能力更重要。两者都接受文本和图像输入,并且都会先推理再作答。

Muse Glimmer 30B

充值翻倍试用 Muse Glimmer 30B —— 最高赠送 $50 额度

获取 API Key

$0.30 / $1.20每 1M token 输入 / 输出

试用获取 API Key