Meta Muse Glimmer

Muse Glimmer 30B, Meta'nin Apache 2.0 lisansiyla yayinladigi acik agirlikli modelidir. Uzun soluklu, arac cagirarak ilerleyen ajan akislari icin ayarlanmistir. /v1/chat/completions uzerinden cagrilir.

Model	Baglam	Input / Cache Read / Output ($/1M)
`meta/muse-glimmer-30b`	131.072	0.35 / 0.04 / 1.50

curl "$LLMTR_BASE_URL/v1/chat/completions" \
  -H "Authorization: Bearer llmtr-your_key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "meta/muse-glimmer-30b",
    "messages": [
      { "role": "user", "content": "Bu fonksiyondaki hatayi bul." }
    ],
    "max_tokens": 2048
  }'

Reasoning effort

Muse Glimmer her istekte yanit oncesi dusunur. Dusunme eforunu reasoning_effort alani ile ayarlarsiniz; gecerli degerler yedi seviyedir: none, minimal, low, medium, high, xhigh, max.

reasoning_effort: "none" bu modelde kabul edilir, ancak dusunmeyi kapatmaz. En dusuk kademedir; model bu seviyede de bir dusunme izi uretir. Reasoning tokenlari completion_tokens icinde doner ve cikti fiyatindan ucretlendirilir, yani none gonderdiginizde de dusunme icin odeme yaparsiniz. Reasoning uretmeyen bir model gerekiyorsa reasoning'siz bir model secin.

Efor, model kimligine suffix olarak da verilebilir:

meta/muse-glimmer-30b          -> varsayilan
meta/muse-glimmer-30b:none     -> en dusuk kademe (yine de dusunur)
meta/muse-glimmer-30b:minimal  -> dusuk efor
meta/muse-glimmer-30b:high     -> yuksek efor
meta/muse-glimmer-30b:max      -> en yuksek efor

curl "$LLMTR_BASE_URL/v1/chat/completions" \
  -H "Authorization: Bearer llmtr-your_key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "meta/muse-glimmer-30b",
    "messages": [{ "role": "user", "content": "17 * 23 kac eder?" }],
    "reasoning_effort": "low"
  }'

Gecersiz bir seviye gonderirseniz istek 400 ile reddedilir ve hata mesaji desteklenen seviyeleri listeler. Reasoning effort'un genel davranisi icin reasoning effort sayfasina bakin.

max_tokens ile birlikte kullanim

Reasoning tokenlari completion_tokens icinde sayildigi icin max_tokens butcesini de tuketirler. Butce dusuk oldugunda dusunme izi butun butceyi yer ve icerik bos doner:

`max_tokens`	`finish_reason`	Donen icerik
10	`length`	bos
50	`length`	bos
200	`stop`	`Ankara`

Kisa yanit bekleseniz bile max_tokens degerini dusuk tutmayin; bu model icin en az 150-200 verin. Reasoning uretmeyen bir modelden gecis yapiyorsaniz ve max_tokens degeriniz 50 gibi bir sayiysa, yanitlarin bos gelmesinin sebebi budur. reasoning_effort: "none" bu durumu tamamen cozmez, cunku o kademede de dusunme izi uretilir.

Arac cagrisi

Model arac/fonksiyon cagrisini destekler ve tool_choice alaninin tum degerlerini kabul eder: varsayilan (auto), required, none ve isimli fonksiyon secimi.

curl "$LLMTR_BASE_URL/v1/chat/completions" \
  -H "Authorization: Bearer llmtr-your_key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "meta/muse-glimmer-30b",
    "messages": [{ "role": "user", "content": "Istanbul hava durumu nedir?" }],
    "tools": [
      {
        "type": "function",
        "function": {
          "name": "get_weather",
          "description": "Bir sehrin guncel hava durumunu getirir",
          "parameters": {
            "type": "object",
            "properties": { "city": { "type": "string" } },
            "required": ["city"]
          }
        }
      }
    ],
    "tool_choice": "required"
  }'

Arac cagrisi donen yanitlarda finish_reason her zaman tool_calls olur.

Gorsel ve video girdisi

Model metnin yani sira gorsel ve video girdisi kabul eder. Gorseli base64 data URI olarak ya da uzak bir https adresi olarak gonderebilirsiniz.

curl "$LLMTR_BASE_URL/v1/chat/completions" \
  -H "Authorization: Bearer llmtr-your_key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "meta/muse-glimmer-30b",
    "messages": [
      {
        "role": "user",
        "content": [
          { "type": "text", "text": "Bu gorselde ne var?" },
          { "type": "image_url", "image_url": { "url": "data:image/png;base64,iVBORw0KGgo..." } }
        ]
      }
    ]
  }'

Video icin video_url tipinde bir icerik parcasi kullanilir:

{
  "type": "video_url",
  "video_url": { "url": "https://example.com/clip.mp4" }
}

Bu model ses girdisi kabul etmez; input_audio iceren istekler 400 ile reddedilir. PDF/dokuman girdisi de desteklenmez. Dokuman okumasi gereken isler icin Meta Muse Spark sayfasina bakin.

JSON ve yapilandirilmis cikti

Model hem json_object hem de semaya uyan json_schema ciktisini destekler.

curl "$LLMTR_BASE_URL/v1/chat/completions" \
  -H "Authorization: Bearer llmtr-your_key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "meta/muse-glimmer-30b",
    "messages": [{ "role": "user", "content": "Ankara hakkinda bilgi ver." }],
    "response_format": {
      "type": "json_schema",
      "json_schema": {
        "name": "city_info",
        "schema": {
          "type": "object",
          "properties": {
            "cityName": { "type": "string" },
            "populationMillions": { "type": "number" }
          },
          "required": ["cityName", "populationMillions"],
          "additionalProperties": false
        }
      }
    }
  }'

Prompt cache

Ayni istem onekini tekrar gonderdiginizde onbellek devreye girer ve o tokenlar 0.04 $/1M uzerinden ucretlendirilir. Onbellege alinan token sayisi yanitta prompt_tokens_details.cached_tokens alaninda doner. Onbellek bir indirimdir, garanti degildir; isabet orani istem uzunluguna ve trafige gore degisir.

Baglam penceresi

Baglam penceresi 131.072 tokendir ve bu tavana istem ile uretilecek cikti birlikte sayilir. Tavani asan istekler 400 ile reddedilir.

Sinirlar

Ses girdisi desteklenmez.
PDF/dokuman girdisi desteklenmez.
Reasoning kapatilamaz; none yalnizca en dusuk kademedir.
Model Turkiye'de barindirilmaz; istekler yurt disindaki ucuncu taraf altyapi uzerinden islenir.