Muse Spark 1.2 Contributor 申請教學：API Key、價格與 Muse Code

AI
, , , ,
1

想用 Muse Spark 1.2 Contributor 的低價 API？本篇整理申請流程、帳號資格檢查、Standard/Contributor 價格比較與 Muse Code 設定，幫你避開地區限制與資料使用地雷。

Meta 於 2026 年 8 月推出 Muse Spark 1.2 與 Muse Code beta，並將 Muse Spark 1.2 透過 Meta Model API 擴展到全球。這組模型定位是 coding、agentic workflow、tool use 與大型 repository 任務，支援 1M context，且 API 相容 OpenAI 與 Anthropic 的呼叫格式。對開發者來說，真正的重點是 muse-spark-1.2-contributor：同一個模型、同一組 API key，費用可以大幅下降，但代價是 prompts 與 completions 會提供給 Meta 改善產品。

Contributor 不是你想的那種 Contributor

很多人以為要成為 open-source contributor 才能申請，實際上與 PR、GitHub contribution、開發者審查無關。Meta 文件將 muse-spark-1.2-contributor 描述為 heavily discounted pricing；折扣來源是你允許 Meta 使用 prompts/completions 改善未來模型。你可以想像成：

  • 正常 API：你付費，Meta 不使用你的資料改善產品。
  • Contributor API：你付費極低，同時提供 training-quality interaction data，Meta 可用於改善模型。

價格比較：Standard vs Contributor

項目 muse-spark-1.2 muse-spark-1.2-contributor
Input / 1M tokens $1.25 $0.10
Cached Input / 1M $0.15 $0.002
Output / 1M $4.25 $0.20
Context window 1M 1M
Prompts / completions 用於改善 Meta 產品 否 是
適合正式 proprietary code 是 不建議
適合大量實驗 / Agent 可以 成本極低

換算折扣：Input 約便宜 92%，Output 約便宜 95.3%，Cached Input 約便宜 98.7%。常被引用的「整體約 95% 折扣」主要來自 Output 價格的比較；實際節省金額取決於 input、cached input 與 output 的混合比例。

例如每月 100M input + 10M output，不計算 cache：

  • Standard：100 × $1.25 + 10 × $4.25 = $167.50
  • Contributor：100 × $0.10 + 10 × $0.20 = $12.00

Meta Model API 是 pay-as-you-go，沒有最低消費與 upfront commitment，按 token 計費。

申請流程：Meta Model API 到 API Key

  1. 前往 dev.meta.ai，登入或建立 Meta developer account。
  2. 在 Dashboard 設定 Billing，新增付款方式。
  3. 到 API keys，選擇 Create API key，輸入名稱（例如 opencode-main、muse-code-dev、agent-cluster-01）。
  4. 建立後立即複製 API key；Meta 官方只會完整顯示一次。
  5. 在環境變數設定 MODEL_API_KEY：
export MODEL_API_KEY="YOUR_META_API_KEY"

長期使用可寫入 ~/.zshrc 再執行 source ~/.zshrc。官方推薦的環境變數名稱就是 MODEL_API_KEY。

早期 Muse Spark 1.1 推出時曾有 $20 launch credit，但這不是固定制度，是否延續以 dashboard 顯示為準。

如何確認 Contributor 是否已對你的帳號開放

目前最務實的判斷方式，不是看網頁，而是直接查 Models 清單。先安裝 OpenAI SDK：

pip install openai

然後執行：

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.meta.ai/v1",
    api_key=os.environ["MODEL_API_KEY"],
)

models = client.models.list()
for model in models.data:
    print(model.id)
  • 如果輸出包含 muse-spark-1.2-contributor，代表 Contributor 已對你的帳號開放。
  • 如果只有 muse-spark-1.2，代表問題不在 API key 或程式碼，而是帳號 / 地區 eligibility。

目前沒有公開的「人工申請 Contributor」表單。Standard 已擴大全球存取，但 Contributor 的地區開放有明顯差異；社群回報中，美國以外帳號常看不到 Contributor，單純使用 VPN 也不一定能解決，因為 eligibility 可能與帳號、billing country 或其他 metadata 綁定。

呼叫 Muse Spark 1.2 API

Meta Model API 的 base URL 是 https://api.meta.ai/v1，相容 OpenAI Responses API、Chat Completions API，以及 Anthropic Messages API。官方建議長時間 tool loop 與 agent workflow 優先使用 Responses API，因為它能在多次 call 之間攜帶模型的 reasoning state。

Standard 呼叫範例：

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.meta.ai/v1",
    api_key=os.environ["MODEL_API_KEY"],
)

response = client.responses.create(
    model="muse-spark-1.2",
    input="Review this architecture and identify the five most important problems."
)

print(response.output_text)

切換成 Contributor 只需要把 model 改成：

model="muse-spark-1.2-contributor"

API key、base URL、SDK 與 endpoint 都不需要改。沒有所謂的 Contributor API key、Contributor endpoint 或 Contributor SDK。

Muse Code：安裝與使用

Muse Code 是 Meta 為 Spark 1.2 co-train 的 terminal coding agent。官方目前支援 macOS 與 Linux。

安裝：

curl -fsSL https://dev.meta.ai/install.sh | bash

啟動：

cd /path/to/project
muse

第一次啟動會要求 browser sign-in 或 API key 驗證。預設模型是 muse-spark-1.2，也可用 muse --model muse-spark-1.2-contributor 指定模型，或在 Muse Code 內用 /models 切換。如果指定 Contributor 出現 model unavailable / permission 錯誤，但 Standard 正常，極可能是 Contributor 尚未對你的帳號開放。

Muse Code 內建 Skills

Meta 目前公開的 bundled skills 包括：

/plan Implement OAuth login and migrate the existing auth system.

先產生 execution plan，再進入執行。

/grill

讓 agent 對目前 plan 做 adversarial review。

/goal Get the entire test suite passing without removing any existing tests.

不是單純執行下一步，而是持續朝 completion condition 工作。

Muse Code 的兩個架構特色

  • Persistent background agents：subagent 不會「spawn → finish → destroy」，而是在同一 session 持續存在，保留已取得的 repository context。
  • Append-only event log：model call、tool call、approval、file edit 都會寫入 local event log，crash 之後可以 replay / resume，不需要重新做一遍。

Meta 官方曾用 Spark 1.2 + Muse Code 跑過超過 1,000 次 tool call、長達 24 小時的 GPU kernel optimization 實驗。

OpenCode 整合

如果不想換到 Muse Code，Meta Model API 也可以接 OpenCode。使用 /v1/responses 的 provider，官方建議用 @ai-sdk/openai；若只走 /v1/chat/completions，才考慮 @ai-sdk/openai-compatible。OpenCode 設定範例：

{
  "provider": {
    "meta": {
      "npm": "@ai-sdk/openai",
      "name": "Meta Model API",
      "options": {
        "baseURL": "https://api.meta.ai/v1",
        "apiKey": "{env:MODEL_API_KEY}"
      },
      "models": {
        "muse-spark-1.2": {
          "name": "Muse Spark 1.2"
        },
        "muse-spark-1.2-contributor": {
          "name": "Muse Spark 1.2 Contributor"
        }
      }
    }
  }
}

啟動 OpenCode 後，用 /models 選擇 Meta Model API，再挑 Muse Spark 1.2 Contributor 即可。

Contributor 的資料安全界線

Contributor 不是「正常 API 只是比較便宜」，它是以互動資料交換低價。以下內容不建議送入 Contributor：

  • .env、API keys、passwords、SSH private keys
  • 客戶 PII、production database dump
  • 未公開的商業機密、NDA repository、authentication secrets、private production logs

建議路由：

  • Contributor：實驗性 / 公開程式碼、boilerplate、OSS、disposable side project、大量 MVP、sub-agent worker
  • Standard：private production repo、客戶 proprietary code、NDA project、production secrets、sensitive dataset

如果產出量很大，可以採用混合路由：將大量 repo exploration、refactor、test、lint fix、文件與重複性 coding 送去 Contributor，只把最難的 architecture 決策與 critical review 送到更高階 frontier model。

結論

截至 Muse Spark 1.2 推出初期，Contributor 的啟用條件是帳號 / 地區 eligibility，而不是「填表申請 → 人工審核」。你真正要做的是：申請 Meta Model API、建立 API key、檢查 /v1/models 是否出現 muse-spark-1.2-contributor。如果出現，把 model ID 換過去即可。

Contributor 的價值在於：接近 frontier 的 agentic coding 能力、1M context、極低 token 成本、OpenAI API compatibility，以及 Muse Code 原生 harness 支援。但在使用前，請先確認你的資料是否可以被 Meta 用來改善產品；不能分享的資料，就留在 Standard 模型。