muse-spark-1.2-contributor: LLMTR model kimliği ve endpoint

LLMTR üzerinden hangi kimlik çağrılır?

muse-spark-1.2-contributor için LLMTR istek gövdesindeki model değeri meta/muse-spark-1.2-contributor olmalıdır. Bu model POST /v1/chat/completions üzerinden çağrılır. Model kimliği gövdeye, endpoint ise HTTP adresine yazılır; model adını URL yoluna eklemezsiniz. İlk bağlantıda tam kimliği kullanmak, sağlayıcı adını ve Contributor katmanını açıkça seçmenizi sağlar.

Meta’nın 5 Ağustos 2026 duyurusu Muse Spark 1.2’yi kodlama odaklı güncelleme olarak tanımlar ve Meta Model API erişimini belirtir. LLMTR kullanımı ise kendi API anahtarınız ve LLMTR adresiniz üzerinden yapılır. Muse Code terminal istemcisini kurmak bu HTTP entegrasyonunun ön koşulu değildir; istemci uygulamasıyla modelin API kimliğini birbirine karıştırmayın.

Çağrıdan önce Contributor veri uyarısı

LLMTR model kartındaki Contributor uyarısına göre gönderdiğiniz istemler ve aldığınız yanıtlar Meta model eğitiminde kullanılabilir. Gizli, kişisel veya müşteri verisi göndermeyin. Aşağıdaki örnek yalnızca genel bir yazılım testi sorusu içerir; gerçek destek kaydı, üretim günlüğü veya özel depo içeriğiyle değiştirmeyin.

Bağlantının başarıyla kurulması, veriyi paylaşmanızın uygun olduğunu göstermez. Denemeden önce girdinin tamamını değerlendirin; sistem mesajları, konuşma geçmişi ve sonradan eklenecek araç sonuçları da gönderilen veriye dahildir. Eğitim politikasına uymayan bir işte çağrıyı durdurun ve kullanacağınız hizmetin güncel veri koşullarını ayrıca inceleyin.

Adres, anahtar ve model alanını ayırın

Bu örnekte LLMTR_BASE_URL, /v1 bölümünü zaten içeren tam API taban adresidir. Kod yalnızca /chat/completions ekler. Böylece /v1 bölümünü iki kez eklemekten veya API yerine web arayüzüne istek göndermekten kaçınırsınız. Taban adresini kullandığınız LLMTR ortamının belgelenmiş adresinden alın.

LLMTR_API_KEY, LLMTR tarafından verilen anahtardır. Doğrudan Meta erişiminin adresi ve kimlik bilgileri ayrı bir bağlantı yapılandırmasıdır. LLMTR anahtarını sağlayıcı adresine göndermeyin; sağlayıcının örneğindeki kısa adı da tam LLMTR kimliğinin yerine düşünmeden kopyalamayın.

Python ile tek metin isteği hazırlayın

Aşağıdaki kod Python standart kütüphanesini kullanır; ek SDK gerektirmez. İki ortam değişkenini uygulamayı başlatmadan önce tanımlayın. Kod çalıştırıldığında gerçek ve ücret doğurabilecek bir istek gönderir; bu yazı için canlı çağrı yapılmamıştır. 2048 değeri örnek çıktı bütçesidir, modelin ilan edilen üst sınırı değildir.

Örnek sonucu bellekte tutar fakat metin içeriğini yazdırmaz. Konsol çıktısı bitiş nedeni, içerik bulunup bulunmadığı ve kullanım alanıyla sınırlıdır. 120 saniyelik istemci zaman aşımı da bir gecikme vaadi değildir; uygulamanızın bekleme kararını temsil eder.

Ortam değişkenleriyle Contributor Chat Completions isteği

import json
import os
from urllib import error, request

base_url = os.environ["LLMTR_BASE_URL"].rstrip("/")
payload = {
    "model": "meta/muse-spark-1.2-contributor",
    "messages": [{
        "role": "user",
        "content": "Boş bir liste için neden ayrı test gerekir? Üç cümlede açıkla."
    }],
    "reasoning_effort": "minimal",
    "max_tokens": 2048,
    "stream": False
}
req = request.Request(
    f"{base_url}/chat/completions",
    data=json.dumps(payload).encode("utf-8"),
    headers={
        "Authorization": f"Bearer {os.environ['LLMTR_API_KEY']}",
        "Content-Type": "application/json"
    },
    method="POST"
)
try:
    with request.urlopen(req, timeout=120) as response:
        result = json.load(response)
except error.HTTPError as exc:
    raise RuntimeError(f"HTTP {exc.code}; istek ve erişim ayarlarını kontrol edin.") from None

choice = result["choices"][0]
content = choice["message"].get("content") or ""
print(json.dumps({
    "finish_reason": choice.get("finish_reason"),
    "has_content": bool(content),
    "usage": result.get("usage", {})
}))

İstemcinin beklediği API sözleşmesini kontrol edin

Bir istemci yalnızca Responses biçiminde istek üretiyorsa model alanını değiştirmek yeterli olmaz. Bu LLMTR satırının Chat Completions bağlantısı vardır; /v1/responses için destek varsaymayın. Metin girişini messages dizisindeki user mesajının content alanına koyun. İlk denemeye araç, dosya veya başka modellerden taşınmış ek parametreler eklemeyin.

Gateway bu ailede reasoning_effort için minimal, low, medium, high ve xhigh değerlerini kabul eder; none desteklenmez. Araçlar eklendiğinde tool_choice yalnızca auto olabilir veya alan atlanabilir. Araç kullanmayacağınız istekte tools dizisini göndermemek yeterlidir; başka bir istemcinin otomatik eklediği tool_choice: none isteği geçersiz kılabilir.

Başarıyı içerik ve bitiş nedeniyle değerlendirin

HTTP başarısı tek başına kullanılabilir bir yanıt demek değildir. choices içindeki mesajı ve finish_reason alanını birlikte inceleyin. length, çıktı bütçesi nedeniyle kesilmeyi gösterebilir; reasoning bütçeyi tüketirse nihai içerik eksik kalabilir. Bu durumda yalnızca model adını değiştirmek yerine görev uzunluğunu ve çıktı bütçesini değerlendirin.

Üretimde istemleri, yanıtları ve anahtarları loglamayın; durum kodu, güvenli hata türü ve kullanım metrikleriyle teşhis yapın. 28 Ağustos 2026 kontrolünde Meta’nın model ve fiyat/limit sayfaları giriş gerektirdi. Bu nedenle burada güncel token tarifesi, sabit istek kotası veya hız garantisi verilmez; kapasite planını ayrıca doğrulayın.

Sık sorulan sorular

meta/ önekini neden kullanıyorum?

LLMTR kimliği sağlayıcı ile model slug’ını birleştirir. Tam kimlik, uygulama yapılandırmasında hangi sağlayıcı ve katmanın seçildiğini açık tutar; yalnızca görünen ürün adına güvenmezsiniz.

Taban adresimin sonuna /v1 eklemeli miyim?

Bu örnek LLMTR_BASE_URL içinde API sürümü yolunun zaten bulunduğunu varsayar. Kod yalnızca /chat/completions ekler. Son adresi kontrol edin; /v1/v1 oluşmamalıdır.

Contributor seçmek ücretsiz kullanım anlamına gelir mi?

Hayır. Contributor bir veri politikası ve fiyatlandırma katmanıdır. Adı ücretsiz veya sınırsız erişim sağlamaz; göndermeden önce geçerli ücretleri ve hesabınızın erişimini kontrol edin.

İlgili yazılar

• muse-spark-1.2-contributor ile araç çağrısı döngüsü kurma
• Muse Spark 1.2 Contributor nedir? Veri politikası ve standart katman

• meta/muse-spark-1.2-contributor
• Model kataloğu
• Gateway dokümantasyonu
• OpenAI / OpenRouter