モデル一覧に戻る
meta logoMeta
muse-spark-1.2

Muse Spark 1.2

Muse Spark 1.2はMetaの推論モデルで、複雑なエージェントタスク向けに設計されています。テキスト、画像、ビデオ、オーディオ、PDFドキュメントを受け入れ、テキストを返し、100万トークンのコンテキストを提供します...

2026/8/5
1,048,576 トークン
入力: ¥219.8968/M
出力: ¥747.6489/M

仕様

モダリティ

入力
text
image
video
file
audio
出力
text

サポートされているパラメータ

include_reasoning
max_tokens
reasoning
reasoning_effort
repetition_penalty
response_format
structured_outputs
temperature
tool_choice
tools
top_k
top_p

最大出力トークン

943,718

推論設定

既定の動作
思考オン(強度: medium)
指定できる強度
xhigh
high
medium
low
minimal
思考のオフ
不可(常に思考します)

思考の制御方法と課金を見る

データの取り扱い

プロンプトの保持
保持される可能性があります
学習への利用
学習には利用されません

学習の可否は提供元との条件に基づく申告値です。保持の可否は、このモデルが到達しうる実行先すべてについて上流が公表する一覧から判定しています。いずれも推測は含みません。

実測パフォーマンス

応答開始 (p50)1.1s

    FastMetalのゲートウェイ経由で実測した値です(直近30日・応答開始709回)。

    応答開始は最初の応答が返るまで、生成速度は思考トークンを含む出力トークン数から算出しています。実測値であり、性能を保証するものではありません。

    コード例

    curl https://api.fastmetal.ai/v1/chat/completions \
      -H "Content-Type: application/json" \
      -H "Authorization: Bearer YOUR_API_KEY" \
      -d '{
        "model": "muse-spark-1.2",
        "messages": [{"role": "user", "content": "Hello!"}]
      }'

    Muse Spark 1.2の実際の回答

    FastMetal上で実際に記録した、標準プロンプトへの回答です。

    このエラーをデバッグして

    以下のエラーがPythonアプリケーションで発生しています。原因を特定して修正してください。 Traceback (most recent call last): File "app.py", line 23, in get_user_orders total = sum(order["price"] * order["quantity"] for order in orders) TypeError: unsupport…

    このエラーの原因は `DBから取得した price が文字列型(str)になっている`ためです。 ### 1. 原因 ``` TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` は `文字列 * 数値` の掛け算ができないというエラーです。 `quantity` は `int` なのに対し、`price` が `'1500'` のような `str` になっています。 DBの `price` カラムが `VARCHAR / TEXT` 型になっているか、MySQLなどで `DECIMAL` 型を使っていてDBドライバが文字列として返しているのが原因でよく発生します。 ### 2. 修正方法 計算する前に `price` を数値型に変換する必要があります。金額の計算なので `float` ではなく `Decimal` を使うのが推奨です。 #### 修正例1: シンプルな修正 ```python from decimal import Decimal def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", (user_id,)) total = sum(Decimal(str(order["price"])) * int(order["quantity"]) for order in orders) retur…
    応答時間 14.4秒出力 1292 トークン

    コードレビュー

    以下のTypeScript関数をレビューして、可読性・パフォーマンス・ベストプラクティスの観点から改善点を提案してください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo…

    この関数は動作しますが、保守性と堅牢性に大きな改善余地があります。 ### 1.主な問題点まとめ | 観点 | 問題点 | | :--- | :--- | | **可読性** | `any`の乱用で型の恩恵がゼロ。マジックナンバー`100`が散在。`for(let i=0...)`や`first_name + " " +`は現代的でない。`fetchAllUsers(page)`という引数が紛らわしい。 | | **パフォーマンス** | 致命的な遅延はないが、`push`をループ内で一行ずつ行うより`filter + map`の方が最適化され可読。全体を配列に溜め込むためユーザー数が10万人規模だとメモリを圧迫。 | | **ベストプラクティス** | エラーハンドリングが皆無。`response.ok`をチェックしていないため500エラーでも`response.json()`で例外。無限ループのリスク。`limit`の重複、API仕様変更に弱い。`fetch`が失敗した時にリトライも中断もできない。 | ### 2. 具体的な改善提案 #### A. 可読性 **1. `any`を廃止し、型を定義する** これが最重要です。`any`を使うとTypeScriptを使う意味がありません。 **2. マジックナンバーとロジックの分離** `100`は定数 `PAGE_LIMIT` に切り出す。ユーザーの変換処理は別関数 `toUser` に分離し単一責任にする。 **3. モダンな構文に置換** `for(let i=0; ...)` -> `for...of`…
    応答時間 23.1秒出力 2403 トークン

    SQLクエリの最適化

    以下のSQLクエリは500万行のテーブルに対して実行すると30秒以上かかります。最適化してください。 SELECT p.product_name, c.category_name, COUNT(o.order_id) as order_count, SUM(o.amount) as total_sales, AVG(r.rating) as avg_rating FROM products p LEFT JOIN…

    このクエリが遅い原因は `インデックス不足`以前に `JOINによる行数の爆発`と `LEFT JOINが無効化されている`という論理的な欠陥にあります。 ### 1. なぜ30秒以上かかるのか? 3つの致命的な問題 #### 問題1: `WHERE`句で `LEFT JOIN`が `INNER JOIN`化している ```sql LEFT JOIN orders o ON o.order_id = od.order_id AND o.status = '完了' WHERE o.created_at >= '2024-04-01' -- ここが問題 ``` `o.created_at` は `orders`が存在しない`NULL`の行では `NULL`になります。`WHERE NULL >= '2024-04-01'`はFalseなので、売上が0件の商品が全て除外されます。 `LEFT JOIN`にした意味がなくなり、オプティマイザが最適な実行計画を選べなくなります。 > 意図が「売上が0件の商品も表示したい」なら `WHERE`ではなく `ON`句に書くべきです。 > 意図が「2024/4/1以降に売れた商品だけ」なら `INNER JOIN`と明示すべきです。 #### 問題2: 行の掛け算による集計結果の誤りと爆発【最大の原因】 500万行のテーブルで一番重いのがこれです。 `1つの商品`に対して `注文10件` と `レビュー10件` があった場合、 `order_details/orders` × `reviews` を同時にJOINすると `10 × 10…
    応答時間 25.9秒出力 2653 トークン

    他のモデルと並べて比較する →

    よくある質問

    Muse Spark 1.2のAPI料金はいくらですか?
    FastMetalでは100万トークンあたり入力¥219.9・出力¥747.65(税別)の円建て従量課金です。前払いクレジットから使った分だけ差し引かれ、月額料金やサブスクリプションはありません。
    Muse Spark 1.2はOpenAI SDKからそのまま使えますか?
    はい。base_url を https://api.fastmetal.ai/v1 に変更し、model に "muse-spark-1.2" を指定するだけで、既存のOpenAI向けコードから呼び出せます。ストリーミング、ツール呼び出し、構造化出力にも対応しています。
    Muse Spark 1.2のコンテキスト長はどのくらいですか?
    1,048,576トークンです。プロンプトと回答を合わせてこの範囲に収める必要があります。
    Muse Spark 1.2を試すには何が必要ですか?
    アカウントを作成してクレジットをチャージすると、ブラウザのチャット画面とAPIの両方から利用できます。契約や最低利用額はありません。

    Muse Spark 1.2を今すぐ試す

    Muse Spark 1.2はFastMetalのAPIキー1つで利用できます。ブラウザですぐに試す、またはOpenAI SDKからそのまま呼び出せます。