Muse Spark 1.2 Contributor nasıl kullanılır?

Kısa yanıt: API kurulumu ve ilk istek

LLMTR (llmtr.com), Türkiye'de ve global sağlayıcılarda barındırılan dil modellerine tek, OpenAI uyumlu API'den erişim veren bir gateway'dir. Muse Spark 1.2 Contributor’ı kullanmak için hesap oluşturup kredi yükleyin, API anahtarı üretin ve model alanını meta/muse-spark-1.2-contributor yaparak POST https://llmtr.com/v1/chat/completions adresine istek gönderin. Uyumlu istemcilerde temel URL https://llmtr.com/v1 olur; sohbet tamamlama isteğinin biçimi OpenAI uyumlu kalır.

Muse Spark 1.2 Contributor için reasoning_effort değerleri minimal, low, medium, high ve xhigh olarak belirlenir; none seçeneği yoktur. Bağlam penceresi 1.048.576 token'dır. Metin, görüntü, video ve belge girdileri desteklenir. 2026-10-06 tarihli LLMTR katalogunda 1M token için 0,10 $ input, 0,20 $ output ve 0,002 $ cache read fiyatı geçerlidir. Reasoning her zaman açıktır ve daha yüksek kademeler daha fazla reasoning token üretir.

Muse Spark 1.2 Contributor nasıl kullanılır?

Muse Spark 1.2 Contributor, LLMTR üzerinde POST https://llmtr.com/v1/chat/completions adresinde model meta/muse-spark-1.2-contributor değeriyle çağrılır. Hesabı açıp e-posta adresini doğrulayın, kredi yükleyin, Dashboard > API Keys bölümünde API anahtarı oluşturun ve LLMTR_API_KEY ortam değişkenine atayın; ilk istekte reasoning_effort low ve max_tokens 2000 değerleri kullanılabilir.

curl ile çağrı yaparken Authorization başlığına Bearer $LLMTR_API_KEY, Content-Type başlığına application/json verilir. Gövde, kullanıcı mesajını model kimliğiyle birlikte gönderir. OpenAI Python SDK örneğinde aynı model ve istek alanları korunur; yalnızca base_url ve api_key değişir. Yanıttan dönen içerik ve usage.completion_tokens değerleri okunabilir.

İlk curl isteği

İlk curl isteği, LLMTR_API_KEY ortam değişkenini yetkilendirme başlığında kullanır ve veriyi application/json olarak gönderir. model alanı meta/muse-spark-1.2-contributor olur. low reasoning_effort ile 2000 max_tokens değerleri aynı sohbet tamamlama isteğinde yer alır. max_tokens, reasoning token'ları ile nihai yanıtı kapsayacak şekilde yüksek tutulmalıdır.

curl ile meta/muse-spark-1.2-contributor modeline ilk sohbet tamamlama isteğini gönderin.

curl https://llmtr.com/v1/chat/completions \
  -H "Authorization: Bearer $LLMTR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "meta/muse-spark-1.2-contributor",
    "messages": [
      {"role": "user", "content": "Write three unit test cases for a function that validates email addresses."}
    ],
    "reasoning_effort": "low",
    "max_tokens": 2000
  }'

OpenAI Python SDK ile aynı çağrı

OpenAI Python SDK çağrısı, curl örneğiyle aynı modeli, mesajı, reasoning_effort değerini ve max_tokens değerini kullanır. Mevcut bir OpenAI entegrasyonunda yalnızca base_url değerini https://llmtr.com/v1 yapmak ve api_key olarak LLMTR_API_KEY değerini vermek yeterlidir. Kod, choices[0].message.content ile yanıt içeriğini, usage.completion_tokens ile tamamlama token sayısını okur. Reasoning token'ları completion_tokens içindedir ve output fiyatıyla faturalanır. Model değeri aynı kalır.

OpenAI Python SDK ile aynı isteği gönderin ve completion_tokens kullanımını okuyun.

import os

from openai import OpenAI

client = OpenAI(base_url="https://llmtr.com/v1", api_key=os.environ["LLMTR_API_KEY"])

response = client.chat.completions.create(
    model="meta/muse-spark-1.2-contributor",
    messages=[{"role": "user", "content": "Write three unit test cases for a function that validates email addresses."}],
    reasoning_effort="low",
    max_tokens=2000,
)
print(response.choices[0].message.content)
# completion_tokens includes reasoning tokens and is billed at the output price.
print(response.usage.completion_tokens)

Dikkat gerektiren parametreler ve sınırlar

Reasoning her zaman açıktır ve reasoning_effort minimal, low, medium, high ile xhigh kademelerini kabul eder; none değeri yoktur. Daha yüksek kademeler daha fazla reasoning token üretir. Bu token'lar usage.completion_tokens içine dâhil edilir ve output fiyatından faturalanır. max_tokens yalnızca yanıt için değil, reasoning token'ları ile birlikte nihai yanıtı da kapsayacak kadar yüksek olmalıdır.

Model metin, görüntü, video ve belge girdilerini destekler. Function calling için tools, JSON mode ve structured outputs için response_format kullanılır. Prompt caching de desteklenir. Bu seçenekler aynı /v1/chat/completions isteğinde model ve mesajlarla birlikte kullanılabilir. Girdi türü ve istenen çıktı biçimi bu istek seçenekleriyle belirlenir.

Muse Spark 1.2 Contributor yalnızca /v1/chat/completions uç noktasında sunulur; /v1/responses kullanılamaz. Contributor kademesinin rate limiti standart Muse Spark 1.2 kademesinden düşüktür, ancak sayısal sınır verilmemiştir. Bir 429 yanıtı alındığında isteği retry ve backoff ile yeniden deneyin. Bu nedenle OpenAI Responses API biçimine geçmek yerine chat completions isteğini koruyun.

Contributor kademesinde Meta, gelecekteki modelleri eğitmek için istemleri ve tamamlamaları kullanır. Kişisel veri, müşteri verisi veya gizli kod göndermeyin. Bu verilerle çalışacaksanız aynı checkpoint ve istek biçimine sahip meta/muse-spark-1.2 standart modeline geçin; yalnızca model değeri değişir. Standart modelin her 1M input token fiyatı 1,25 $, her 1M output token fiyatı 4,25 $. Örnekte 1.000 isteğin her biri 1.500 input ve 600 output token kullandığında, reasoning dâhil toplam 1,5M input 0,15 $ ve 0,6M output 0,12 $ tutar; toplam 0,27 $ olur.

• Meta, Muse Spark models · 2026-10-06

LLMTR ile başlamak: hesap, kredi, anahtar ve ilk istek

Adım 1: llmtr.com üzerinde hesap oluşturun ve e-posta adresinizi doğrulayın. Adım 2: Dashboard'dan kredi yükleme ekranına giderek istenen tutarı güvenli ödeme akışı üzerinden yükleyin. Yükleme tutarının üzerine %8 platform marjı yalnızca bir kez eklenir; örneğin 10,00 $ kredi için 10,80 $ tahsil edilir. Bu marj model fiyatlarına eklenmez; her API çağrısı, modelin katalog fiyatı üzerinden krediden düşülür.

Adım 3: Dashboard > API Keys bölümünde bir API anahtarı oluşturun. Ham anahtar yalnızca bir kez gösterilir; LLMTR_API_KEY gibi bir ortam değişkeninde saklayın. Adım 4: ilk isteği https://llmtr.com/v1 temel adresine gönderin. OpenAI uyumlu her SDK'da yalnızca base_url ve api_key değiştirilir. Aynı anahtar ve kredi bakiyesi katalogdaki her model için çalışır; model değiştirmek model string'ini değiştirmek demektir. Dashboard usage sayfasında anahtar bazında kullanım ve harcama görülür.

Muse Spark 1.2 Contributor ile ilk API isteği

LLMTR hesabı, kredi yüklemesi ve API anahtarı üzerinden meta/muse-spark-1.2-contributor modeline ilk sohbet tamamlama isteğini hazırlayın.

1. Hesap oluştur. llmtr.com üzerinde hesap oluşturup e-posta adresinizi doğrulayın.
2. Kredi yükle. 10,00 $ kredi yüklemesi 10,80 $ tutar; %8 platform marjı bir kez eklenir ve model fiyatlarına eklenmez.
3. API anahtarı oluştur. Dashboard > API Keys bölümünde anahtarı oluşturun. Ham anahtar yalnızca bir kez gösterildiğinden LLMTR_API_KEY ortam değişkeninde saklayın.
4. İlk isteği gönder. POST https://llmtr.com/v1/chat/completions adresine model meta/muse-spark-1.2-contributor değerini gönderin. OpenAI uyumlu SDK için base_url değerini https://llmtr.com/v1 yapın.

Sık sorulan sorular

Muse Spark 1.2 Contributor model kimliği nedir?

Model id meta/muse-spark-1.2-contributor olarak kullanılır; bu değeri isteğin model alanına yazın.

Muse Spark 1.2 Contributor'da reasoning kapatılabilir mi?

Hayır. Reasoning her zaman açıktır; kullanılabilen minimum reasoning_effort değeri minimal'dır ve none seçeneği yoktur.

Muse Spark 1.2 Contributor OpenAI Python SDK ile çalışır mı?

Evet. base_url değerini https://llmtr.com/v1 yapın, api_key olarak LLMTR_API_KEY kullanın ve model alanına meta/muse-spark-1.2-contributor yazın.

İlgili yazılar

• muse-spark-1.2-contributor: LLMTR model kimliği ve endpoint
• muse-spark-1.2-contributor ile araç çağrısı döngüsü kurma
• Muse Spark Contributor'da timeout ve bağlantı hataları yönetimi

• Hızlı başlangıç
• API anahtarları
• Muse Spark 1.2 Contributor modeli
• Fiyatlandırma