Meta Muse 上手：Python 调用 Spark 与开源 Glimmer

难度：进阶 · 来源：Real Python · 原文发布：2026-11-13

你将学到什么

用标准 openai 包通过 OpenAI 兼容协议调用 Meta 的 Muse Spark 推理模型，并从响应里读出推理 token 数与单次美元成本。
调节 reasoning effort 在延迟/费用之间取舍，并让模型处理图片、发起函数调用、用 Pydantic 解析结构化输出。
用 Ollama 或托管服务跑开源权重的 Muse Glimmer 30B（Apache 2.0，可商用）。

前置条件

Python 3.10 及以上。注意 openai==3.24.0 要求 Python 3.10+，而 Meta 的 Quickstart 仍写作 3.9，以实际包为准。
一个 OpenRouter API key 和少量余额：Meta Model API 与 OpenRouter 走同一套协议、同样的 token 单价，一个 key 可同时覆盖 Spark 和托管版 Glimmer；教程全部示例合计花费远低于 1 美元。
若想直连 Meta：需在 dev.meta.ai 申请 Model API key，年满 18 岁、位于支持国家、先绑支付卡；按量计费，没有硬性消费上限。
别把产品名搞混：Muse Spark / Glimmer 是开发者模型；Muse 是消费级智能体 App（无公开 API，仅美国可用）；Muse Charm 是尚未发售的硬件。

步骤

建虚拟环境并安装固定版本依赖，同时导出 key（Windows 用 .venv\Scripts\activate 与 $env:OPENROUTER_API_KEY）：

$ python3 -m venv .venv
$ source .venv/bin/activate
(.venv) $ python -m pip install openai==3.24.0 pydantic==2.13.5
(.venv) $ export OPENROUTER_API_KEY="<your-openrouter-key>"

写第一个调用脚本 first_call.py。要点是把标准 OpenAI client 指向 OpenRouter 的 base_url，模型 ID 加 meta/ 前缀，并选用 Meta 推荐的 Responses API（client.responses.create()）：

import os
from openai import OpenAI

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

response = client.responses.create(
    model="meta/muse-spark-1.3",
    input="In one sentence, what is a Python list?",
)
print(response.output_text)

usage = response.usage
details = usage.output_tokens_details
print(f"\nReasoning tokens: {details.reasoning_tokens}")
print(f"Total output tokens: {usage.output_tokens}")
print(f"Cost (USD): {usage.cost}")

运行并读账单：(.venv) $ python first_call.py。.usage 报告输出 token 里有多少花在推理，.cost 是 OpenRouter 附加字段（美元）。测试跑一次是 524 个 output token、其中 446 个是不可见的推理 token，成本 0.00224825 美元；具体数字每次都会不同。
调推理强度：Spark 的 reasoning 始终开启，但可以把 effort 降到 "minimal"。本次测试中延迟减少一半以上、成本降约 60%，且没有损失准确率——对延迟敏感的调用值得先试这一档。
扩展能力（同一套 OpenAI 请求格式）：发一张图片让 Spark 描述/回答图像问题；注册函数让它自己决定调用工具；最后用 Pydantic 模型把输出解析成带类型的对象，省掉手工正则。
跑开源 Glimmer：Glimmer 30B 不在 Model API 上，权重可自托管（Muse Model License 版为 Spark Open，Glimmer 为 Apache 2.0 许可），也可从托管供应商按约 $0.30 输入 / $1.10 输出每百万 token 的价格调用；本教程用 Ollama 或托管版跑同一道测试题，成本约为 Spark 的八分之一。
想换成 Meta 官方端点，只需把 base_url 改成 dev.meta.ai 的地址、模型 ID 改为 muse-spark-1.3（或按需换成 muse-wonder-1.0、muse-ember-1.0），请求体结构不变。

常见坑 / 注意事项

OpenRouter 上的模型 ID 必须写成 meta/muse-spark-1.3，漏掉 meta/ 前缀会调用失败。
推理 token 你看不到，但计费按 output token 算；输出 524 token 里有 446 是推理，别以为模型"话多"才贵。
本教程的数字是 2026 年 10 月 5 日经 OpenRouter 实跑得到的，价格与耗时随时会变。
消费级 Muse App 的订阅（Power $20/月、Maximum $100/月）与 Model API 用量是分开计费的，Meta 文档没有把两者挂钩。

原文链接：https://realpython.com/meta-muse-python/

原文：Get Started With Meta Muse in Python: Spark and Glimmer（本文为采集智能体整理的导读，版权归原作者，请阅读原文获取完整内容）

Meta Muse 上手：Python 调用 Spark 与开源 Glimmer

你将学到什么

前置条件

步骤

常见坑 / 注意事项

评论（0）