Fiyat ve bütçe · 2026-10-17
Muse Spark Open reasoning_effort: düzey seçimi ve maliyet
meta/muse-spark-open'da reasoning_effort low, medium, high ya da xhigh alır ve düşünme kapatılamaz. Düşünme token'ları çıktı fiyatından faturalanır.
Kısa yanıt: dört düzey, kapatma yok, varsayılan yüksek efor
LLMTR (llmtr.com), farklı sağlayıcıların dil modellerine tek bir OpenAI uyumlu API ile erişim veren bir gateway'dir. Muse Spark Open'da (meta/muse-spark-open) akıl yürütme düzeyini, https://llmtr.com/v1 adresindeki /v1/chat/completions isteğinde reasoning_effort alanıyla seçersiniz: low, medium, high ya da xhigh.
Model her yanıttan önce düşünür ve bu kapatılamaz. Meta'nın model kartına göre düzey, modelin yanıt vermeden önce ne kadar düşüneceğini belirler. Düşünme token'ları completion_tokens içinde sayılır ve 1 milyon token başına 4,25 $ çıktı fiyatından faturalanır; bu yüzden düzey seçimi aynı zamanda bir maliyet seçimidir.
Muse Spark Open'da reasoning_effort nasıl seçilir?
Meta'nın model kartı, karmaşık problem çözme, kodlama ve ajan işleri için high ya da xhigh, daha hızlı ve daha kısa yanıtlar için low ya da medium önerir. Buna göre sınıflandırma, biçim dönüştürme, kısa özet ve görsel betimleme gibi işlerde low ile başlayın; çok adımlı hata ayıklama, bir kod tabanı üzerinde plan çıkarma ve uzun araç zincirleri için high ya da xhigh deneyin. medium, ikisinin arasında kalan işler için bir başlangıç noktasıdır. Ajan döngülerinde her adım ayrı bir istek olduğundan düzeyi adımın türüne göre değiştirebilirsiniz: araç seçimi gibi kısa kararlar için low, planlama adımı için high.
En sağlam yol, kendi istemlerinizden küçük bir örnek seçip düzeyleri yan yana denemektir. Aşağıdaki Python örneği aynı soruyu dört düzeyde gönderir ve her yanıtta finish_reason, completion_tokens ve düşünme token'larını (usage.completion_tokens_details.reasoning_tokens) yazdırır. Örnek dört ayrı istek gönderir ve her biri faturalanır. Cevap düşük bir düzeyde yeterince iyiyse o düzeyde kalın; düzeyi yalnızca cevap yetersiz kaldığında yükseltin.
Aynı soruyu low, medium, high ve xhigh düzeylerinde gönderip her yanıtın düşünme token'larını yazdıran Python örneği.
import os
from openai import OpenAI
client = OpenAI(base_url="https://llmtr.com/v1", api_key=os.environ["LLMTR_API_KEY"])
question = "A train leaves at 09:40 and arrives at 13:05. How long is the trip?"
for effort in ["low", "medium", "high", "xhigh"]:
response = client.chat.completions.create(
model="meta/muse-spark-open",
reasoning_effort=effort,
max_tokens=8192,
messages=[{"role": "user", "content": question}],
)
usage = response.usage
details = usage.completion_tokens_details
reasoning_tokens = details.reasoning_tokens if details else None
print(effort, response.choices[0].finish_reason, usage.completion_tokens, reasoning_tokens)
print(response.choices[0].message.content)Düşünme token'ları nasıl faturalanır?
Muse Spark Open'ın fiyatı 1 milyon token başına girdi için 1,25 $, önbellekten okunan girdi için 0,15 $, çıktı için 4,25 $'dır. Düşünme ayrı bir fiyat kalemi değildir: düşünme token'ları completion_tokens içinde yer alır ve görünür yanıtla aynı çıktı fiyatından faturalanır. Yanıttaki usage.completion_tokens_details.reasoning_tokens alanı, bu toplamın ne kadarının düşünme olduğunu gösterir. Önbellek indirimi yalnızca girdi tarafına uygulanır; düşünme token'ları her zaman çıktı fiyatından faturalanır.
Her 1.000 düşünme token'ı isteğe 0,00425 $ ekler. Örnek hesap: 2.000 token'lık bir istem ve 400 token'lık görünür bir yanıt düşünün. Model 600 token düşünürse tutar (2.000 x 1,25 $ + 1.000 x 4,25 $) / 1 milyon = 0,00675 $ olur; 4.000 token düşünürse (2.000 x 1,25 $ + 4.400 x 4,25 $) / 1 milyon = 0,0212 $ olur. Aynı istem ve aynı uzunlukta yanıt için fark yalnızca düşünmeden gelir. Token sayıları örnektir; gerçek sayı soruya ve düzeye göre değişir.
| Kalem | 600 token düşünme | 4.000 token düşünme |
|---|---|---|
| Girdi: 2.000 token x 1,25 $ / 1M token | 0,0025 $ | 0,0025 $ |
| Düşünme (çıktı fiyatı 4,25 $ / 1M token) | 600 token = 0,00255 $ | 4.000 token = 0,017 $ |
| Görünür yanıt (çıktı fiyatı 4,25 $ / 1M token) | 400 token = 0,0017 $ | 400 token = 0,0017 $ |
| Toplam | 0,00675 $ | 0,0212 $ |
Düzeyi gönderme yolları ve varsayılan
Düzeyi üç yolla verebilirsiniz: reasoning_effort alanıyla, model kimliğine sonek ekleyerek (meta/muse-spark-open:low, :medium, :high ya da :xhigh) ya da reasoning nesnesinin effort alanıyla. Birden fazlası aynı istekte gelirse öncelik sırası reasoning_effort, reasoning.effort, sonek şeklindedir. Sonek, yalnızca model adını değiştirebildiğiniz bir istemcide işe yarar.
Alanı da soneki de göndermezseniz istek düzeysiz gider ve model kendi varsayılanıyla, yüksek bir eforla düşünür; Meta'nın model kartı bu varsayılanı xhigh olarak verir. Düzey belirtmeyen istekler bu yüzden yüksek düşünme maliyetiyle çalışır. Maliyeti önemsiyorsanız düzeyi her istekte açıkça yazın. Bu dört düzey Muse Spark Open içindir; Muse Spark 1.x modelleri ayrı modellerdir ve kendi düzey kümelerini kullanır.
Reddedilen değerler: none, minimal ve kapatma girişimleri
Model dört düzey dışında değer almaz. none ve minimal, alan olarak da sonek olarak da 400 invalid_request döndürür ve hata mesajı kabul edilen dört düzeyi listeler. max ise reddedilmez; en yüksek düzey olan xhigh olarak uygulanır. Tanımsız bir değer ya da tanımsız bir sonek de 400 alır.
Düşünmeyi kapatma girişimleri de reddedilir: "reasoning": false ya da "reasoning": {"enabled": false} gönderen istek 400 alır ve mesaj en az düşünme için reasoning_effort değerini low yapmanızı söyler. Böylece düşünmeyi kapattığını sanan bir istek, sessizce yüksek varsayılanla çalışıp faturalanmaz. include_reasoning bu modelde desteklenmez; düşünme izi yanıtta reasoning_content, akışta delta.reasoning_content alanında gelir.
max_tokens bütçesi, önbellek ve düzey birlikte
Düşünme token'ları max_tokens bütçesinden de düşer. Bütçe düşünmeye yetmezse yanıt finish_reason: length ile tamamlanmadan biter; bu durumda max_tokens değerini yükseltin ya da daha düşük bir düzey seçin. Yüksek düzeylerde max_tokens değerini birkaç bin token'ın üzerinde tutun. Bağlam penceresi 1.048.576 token'dır ve istem ile max_tokens birlikte bu pencereye sayılır.
Tekrar eden uzun bir sistem istemi düşünme maliyetini değiştirmez ama girdi tarafını düşürebilir: önbellekten okunan token'lar 1 milyon token başına 0,15 $ fiyatından faturalanır ve usage.prompt_tokens_details.cached_tokens alanında görünür. İsabet garanti değildir. Başlamak için llmtr.com'da hesap açın, Dashboard > Faturalandırma'dan bakiye yükleyin ve Dashboard > API Anahtarları altında bir anahtar oluşturun.
Muse Spark Open'da reasoning_effort seçme
Kendi istemlerinizden bir örnek seçin, meta/muse-spark-open'ı dört düzeyde deneyin ve cevabı yeterli olan en düşük düzeyi sabitleyin.
- Örnek istem seçin. Gerçek işinizi temsil eden birkaç istem seçin ve beklenen cevabı not edin.
- Dört düzeyi deneyin. Her istemi https://llmtr.com/v1/chat/completions adresine reasoning_effort low, medium, high ve xhigh ile gönderin; cevabı ve usage.completion_tokens_details.reasoning_tokens değerini kaydedin.
- Düzeyi sabitleyin. Cevabı yeterli olan en düşük düzeyi seçin ve uygulamanızda reasoning_effort alanını her istekte açıkça gönderin.
Sık sorulan sorular
Muse Spark Open'da varsayılan reasoning_effort nedir?
Alan gönderilmezse model yüksek bir eforla düşünür; Meta'nın model kartı varsayılanı xhigh olarak verir. Daha kısa ve daha ucuz yanıtlar için low ya da medium gönderin.
Muse Spark Open'da düşünme kapatılabilir mi?
Hayır. none, minimal, reasoning: false ve reasoning: {enabled: false} 400 döndürür. En az düşünme için reasoning_effort değerini low yapın.
Muse Spark Open'da düşünme token'ları nasıl ücretlendirilir?
completion_tokens içinde sayılır ve 1 milyon token başına 4,25 $ çıktı fiyatından faturalanır. Her 1.000 düşünme token'ı 0,00425 $ eder.