Muse Spark 1.2 Contributor ile Muse Spark 1.2 farkı

Kısa yanıt: Standart ve Contributor seçimi

LLMTR (llmtr.com), Türkiye'de ve global sağlayıcılarda barındırılan dil modellerine tek, OpenAI uyumlu API'den erişim veren bir gateway'dir. meta/muse-spark-1.2-contributor ile meta/muse-spark-1.2 aynı Muse Spark 1.2 checkpoint'ini kullanır; OpenAI uyumlu SDK'larda yalnızca model dizgesi değişir. İstekler POST /v1/chat/completions adresine, temel API adresi ise https://llmtr.com/v1 olarak gönderilir. Kullanıcılar llmtr.com üzerinden model seçer.

Contributor'ın giriş, çıktı ve önbellek okuma fiyatları daha düşüktür. Buna karşılık Meta, Contributor istemleri ve tamamlamaları gelecekteki modelleri eğitmek için kullanır; standart sürümde istemler ve tamamlamalar eğitim için kullanılmaz. Contributor'ın istek sınırı da daha düşüktür. Kişisel veya müşteri verisi içeren işlerde standart model seçilmelidir. Aynı API anahtarı ve kredi bakiyesiyle iki model arasında geçiş yapılabilir.

Muse Spark 1.2 Contributor ile Muse Spark 1.2 arasındaki fark nedir?

meta/muse-spark-1.2-contributor ile meta/muse-spark-1.2 aynı 1.2 checkpoint'ini çalıştırır; fark fiyat, eğitim için veri kullanımı ve istek sınırıdır. 2026-10-06 katalogunda standart sürümün 1M token için fiyatları girişte 1,25 $, çıktıda 4,25 $ ve önbellek okumada 0,15 $; Contributor'ın fiyatları ise 0,10 $, 0,20 $ ve 0,002 $ seviyesindedir, dolayısıyla girişte 12,5, çıktıda 21,25 ve önbellek okumada 75 kat daha ucuzdur.

Standart model, Meta'nın istemleri ve çıktıları eğitim için kullanmadığı seçenektir. Contributor ise düşük maliyeti öne çıkarırken aynı metin, görsel, video ve belge girdilerini, function calling, JSON mode, structured outputs, prompt caching ve her zaman açık reasoning özelliklerini sunar. Ağır trafikte Contributor istekleri 429 alabilir; istek backoff ile yeniden denemelidir.

Muse Spark 1.2'de ortak özellikler

İki model de metin, görsel, video ve belge girdisi kabul eder; function calling, JSON mode, structured outputs ve prompt caching yetenekleri ortaktır. Reasoning her iki modelde de her zaman açıktır. reasoning_effort minimal, low, medium, high ve xhigh değerlerini kabul eder; none seçeneği yoktur. İkisinin bağlam penceresi de 1.048.576 token'dır. İki model yalnızca POST https://llmtr.com/v1/chat/completions üzerinde sunulur. Model değiştirmek için istek yapısını değil, meta/muse-spark-1.2 ile meta/muse-spark-1.2-contributor arasındaki model dizesini değiştirmek gerekir. İstek biçimi, yetenekler ve bağlam kapasitesi bu nedenle aynı kalır.

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

Farklar, fiyatlar ve aylık maliyet

LLMTR katalog fiyatları 2026-10-06 itibarıyla 1M token için standart sürümde girişte 1,25 $, çıktıda 4,25 $ ve önbellek okumada 0,15 $; Contributor sürümde ise sırasıyla 0,10 $, 0,20 $ ve 0,002 $. Bu fiyatlarla Contributor; girişte 12,5 kat, çıktıda 21,25 kat, önbellek okumada 75 kat daha ucuzdur.

Contributor'da Meta, istemleri ve çıktıları gelecekteki modellerin eğitimi için kullanır. meta/muse-spark-1.2'de bu kullanım yoktur. Contributor'ın istek sınırı standart sürümden düşük olduğundan yoğun trafikte 429 yanıtı oluşabilir; uygulama isteği backoff ile yeniden denemelidir. Reasoning token'ları iki modelde de completion_tokens içinde sayılır ve çıktı fiyatından ücretlendirilir.

Aşağıdaki aylık örnekte her iki model için ayda 10M giriş ve 2M çıktı token kullanılmıştır. Standart sürümün toplamı 21,00 $, Contributor sürümün toplamı 1,40 $ olur. Tablodaki bileşenler bu toplamları oluşturur. Aynı token hacimleriyle iki model arasındaki aylık toplam ücret farkını gösterir.

Hangisi daha uygundur?

Karar kuralı, içeriğin kaynağıdır. Kişisel veri, müşteri verisi, gizli kod veya belgeler ile düzenlemeye tabi veriler için meta/muse-spark-1.2 kullanılmalıdır. Kamuya açık içerik, sentetik veri, açık kaynak kod, değerlendirme istemleri ve test istemleri için meta/muse-spark-1.2-contributor kullanılabilir. Bu ayrım, eğitimde veri kullanımını doğrudan belirler.

Aşağıdaki Python örneği, veri türüne göre model dizesini seçer ve low seviyesinde reasoning_effort ile istek gönderir. Normal meta/muse-spark-1.2 ile meta/muse-spark-1.2-contributor arasında geçiş yalnızca model dizesini değiştirir; API anahtarı, kredi bakiyesi ve OpenAI uyumlu istek yapısı aynı kalır. İstek adresi değişmez.

Veri türüne göre model seçen ve düşük reasoning_effort ile istek gönderen Python örneği.

import os

from openai import OpenAI

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


def pick_model(contains_private_data: bool) -> str:
    # Contributor prompts and outputs are used by Meta for training.
    if contains_private_data:
        return "meta/muse-spark-1.2"
    return "meta/muse-spark-1.2-contributor"


response = client.chat.completions.create(
    model=pick_model(contains_private_data=False),
    messages=[{"role": "user", "content": "Summarize this public changelog in three bullets: ..."}],
    reasoning_effort="low",
)
print(response.choices[0].message.content)

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

Adım 1: llmtr.com'da hesap oluşturun ve e-posta adresinizi doğrulayın. Adım 2: Dashboard üzerinden kredi yükleme yapın ve güvenli ödeme ekranını tamamlayın. İstenen yükleme tutarının üzerine %8 platform marjı bir kez eklenir; örneğin 10,00 $ kredi için 10,80 $ tahsil edilir. Platform marjı model fiyatlarına eklenmez; her API çağrısı, modelin katalog fiyatından 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: uyumlu bir OpenAI SDK ile ilk isteği https://llmtr.com/v1/chat/completions adresine gönderin; base_url değerini https://llmtr.com/v1, api_key değerini ise oluşturulan anahtar yapın. Dashboard kullanım sayfasında anahtar bazında kullanım ve harcama görülür. Aynı anahtar ve kredi bakiyesi katalogdaki her model için çalışır; model değiştirmek model dizesini değiştirmektir.

Muse Spark 1.2 API kullanımını başlatma

Hesabı doğrulayın, kredi yükleyin, API anahtarı oluşturun ve OpenAI uyumlu ilk isteği gönderin.

1. Hesap ve e-posta doğrulaması. llmtr.com'da hesap oluşturun ve e-posta adresinizi doğrulayın.
2. Kredi yükleme. Dashboard üzerinden kredi yükleyin. İstenen tutara %8 platform marjı bir kez eklenir; 10,00 $ yükleme için 10,80 $ tahsil edilir.
3. API anahtarı oluşturma. Dashboard > API Keys bölümünde anahtar oluşturun. Ham anahtarı LLMTR_API_KEY gibi bir ortam değişkeninde saklayın.
4. İlk istek. OpenAI uyumlu SDK'da yalnızca base_url ve api_key değerlerini ayarlayarak ilk isteği https://llmtr.com/v1/chat/completions adresine gönderin.

Sık sorulan sorular

Muse Spark 1.2 Contributor farklı bir model mi?

Hayır; meta/muse-spark-1.2-contributor ile meta/muse-spark-1.2 aynı checkpoint'i kullanır. Fiyat, eğitimde veri kullanımı ve istek sınırı farklıdır; giriş fiyatları sırasıyla 0,10 $ ve 1,25 $'dir.

Contributor modele müşteri verisi gönderebilir miyim?

Göndermeyin. Kişisel veri, müşteri verisi, gizli kod veya belgeler ve düzenlemeye tabi veriler için meta/muse-spark-1.2 kullanın; Contributor bu veri türleri için seçilmez.

Muse Spark 1.3 sürümü de var mı?

Evet; meta/muse-spark-1.3 ve meta/muse-spark-1.3-contributor LLMTR'de bulunur ve meta/muse-spark-1.2 eşlerinin katalog fiyatlarını paylaşır.

İlgili yazılar

• Muse Spark Contributor ile standart sürüm arasındaki gerçek fark: kalite değil, fiyat ve veri politikası
• Muse Spark 1.2 Contributor nedir? Veri politikası ve standart katman
• Muse Spark 1.2 Contributor maliyeti: cache ve reasoning hesabı

• Muse Spark 1.2 Contributor modeli
• Muse Spark 1.2 modeli
• Fiyatlandırma