OpenCode 中解禁 Muse-Spark 1.3 - max 档

OpenCode 中解禁 Muse-Spark 1.3 - max 档

OpenCode UI 最高给到 xhigh。Muse-Spark 1.3 的 API 接受 max。默认配置下,max 可能在客户端被校验丢弃,或静默降级成 xhigh。解禁就是让请求真正带 reasoning_effort=max。

判定标准

三个条件同时满足才算解禁:

  1. 请求体 model 是 muse-spark-1.3
  2. 请求体 reasoning_effort 是 max
  3. 响应或日志没有降级提示

少一个,就是没解禁。

配置

写入 ~/.config/opencode/opencode.json 或项目根目录 opencode.json:

json 复制代码
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "meta": {
      "options": {
        "apiKey": "YOUR_META_API_KEY"
      },
      "models": {
        "muse-spark-1.3-contributor": {
          "id": "muse-spark-1.3",
          "name": "Muse-Spark-1.3",
          "limit": {
            "context": 1000000,
            "output": 384000
          },
          "modalities": {
            "input": ["text", "image", "video", "pdf", "audio"],
            "output": ["text"]
          },
          "options": {
            "reasoningEffort": "max",
            "reasoningSummary": "auto",
            "textVerbosity": "low"
          },
          "variants": {
            "max": {
              "reasoningEffort": "max",
              "reasoningSummary": "auto",
              "textVerbosity": "low"
            }
          }
        }
      }
    }
  }
}

要点:

  • id 必须是 muse-spark-1.3。本地键名可以叫 contributor,但发给 API 的模型名不能错。
  • options.reasoningEffort 写 max。
  • variants.max 里再写一遍 max。变体可能覆盖父级配置。
  • 命令行必须带 --variant max。

如果 OpenCode 版本对自定义 provider 做推理校验,光写 options 可能不够。需要查该版本是否支持强制透传。最可靠的方法是用代理或兼容端点,直接向请求体注入 reasoning_effort=max。不要依赖不确定的配置字段,以抓包为准。

验证

bash 复制代码
opencode run --model meta/muse-spark-1.3-contributor --variant max \
  "Reply with exactly: ok"

抓请求体,确认:

  • model = muse-spark-1.3
  • reasoning_effort = max

看响应 JSON 的 model 字段。如果返回的不是 muse-spark-1.3,那不管参数怎么写,都不是真正模型。对比 xhigh 和 max 的 reasoning token 计数,max 应该明显更高。

为什么值得解禁

Bug Hunt Bench 上 Muse-Spark 1.3 两个档位:

档位 Fixed /105
xhigh 20.3
max 33.7

n=3 平均。差距 13.4 分。该榜重复运行方差在 2--9 分之间,13.4 分超出噪声。按 20 黄金、30 铂金、40 钻石,xhigh 是黄金,max 是铂金。

contributor 如果是同一权重、不同路由,可以近似参考。如果是蒸馏、量化或社区版,分数不能直接套。必须用本地任务自测。

结论

解禁目标不是省钱,是让模型 ID 正确、max 发出、不降级。只要请求体里 reasoning_effort 不是 max,就没有开启真正的 Muse-Spark 1.3 能力。

相关推荐
Csvn13 小时前
同一个问题问 100 遍,钱就扣 100 次?精确缓存让它只扣一次(C02)
人工智能·aigc·agent
岁月宁静14 小时前
从零拆解 AI 语音模拟面试系统
人工智能·python·agent
XLYcmy15 小时前
基于大语言模型的智能漏洞检测与修复系统 作品报告评审分析报告 上
llm·prompt·模糊测试·漏洞修复·漏洞检测·deepseek·消融实验
小七-七牛开发者16 小时前
周 1 上线 | DSH 喜提原神进场动画,Anthropic 启动 IPO 路演;黄仁勋辞任;微软全球大宕机超 24 小时
ai·大模型·agent·token·工作流·claudecode·ai coding
泯泷16 小时前
Multica 真正打动我的,不是更多 Agent,而是一种新的团队协作方式
人工智能·llm·agent
阿里云大数据AI技术16 小时前
云栖实录|倍思科技 × 阿里云:让VOC洞察从“生成报告”走向“业务可用”
人工智能·elasticsearch·agent
GISer_Jing17 小时前
GitHub热点I
后端·ai·langchain
XLYcmy17 小时前
基于大语言模型的智能漏洞检测与修复系统 作品报告评审分析报告 下
机器学习·llm·prompt·api·token·漏洞修复·漏洞检测
QuZhengRong18 小时前
【AI】Agent 全栈进阶|AgentScope 沙箱源码解析
python·学习·ai·agent·沙箱
阿里云大数据AI技术18 小时前
孩子王基于阿里云Data Agent的智能体实践:300+Agent 覆盖400+业务场景
大数据·人工智能·agent