Muse Spark 开发凭证申请：Meta Model API 创建与调用步骤

作者：袖梨 2026-09-24

获取 Muse Spark API Key 的官方入口是 Meta Model API 控制台。登录 dev.meta.ai 后进入 API keys 页面，点击 Create API key，填写便于识别的名称并创建即可。密钥只在创建时完整显示一次，必须当场保存；随后把它作为 Bearer token 发送到 https://api.meta.ai/v1，就能调用 Muse Spark 1.1、1.2 或当前推荐的 1.3。

图：Meta AI Research 于 2026 年 7 月发布 Muse Spark 1.1，并同步开放 Meta Model API 公开预览。截图于 2026 年 9 月 23 日获取，来源：官方发布页。

申请前需要准备什么？

创建密钥前需要一个能够登录 Meta Model API 的账户，并在控制台中加入或建立团队。接口当前处于公开预览阶段，开放范围已经扩大，但地区、账户和团队权限仍可能影响控制台中可见的功能。

若准备使用标准计费模型，团队管理员还需要在 Billing 页面完成付费设置。Contributor 模型价格更低，但允许平台使用提示词与模型输出训练未来模型，不能只因为便宜就用于内部或保密资料。

调用接口时还应提前确定三项信息：

基础地址：https://api.meta.ai/v1
推荐模型：muse-spark-1.3
环境变量：直接调用 Model API 通常使用 MODEL_API_KEY

Muse Code 的环境变量名称不同，使用的是 META_API_KEY。这两个名称只差一个单词，配置时很容易混淆。

Muse Spark API Key 申请入口

官方入口为 Meta Model API。登录后进入 Model API dashboard，再打开 API keys 标签页。不要在名称相近的第三方页面创建或粘贴密钥，也不要购买他人生成的密钥。

完整步骤如下：

打开 https://dev.meta.ai/ 并登录。
进入 Model API 控制台，确认当前选中的团队。
打开 API keys 页面。
点击 Create API key。
输入用途明确的名称，比如 docs-staging 或 backend-prod。
再次点击 Create 完成创建。
立即复制完整密钥并存入安全的凭据管理工具。

官方密钥格式以 LLM| 开头，中间包含账户或团队相关数字，末尾是密钥内容。文章、工单、截图和聊天记录中都不应出现真实值。

为什么创建后要立刻保存？

密钥只会完整显示一次。关闭创建窗口后，控制台不会再次展示同一密钥的完整内容。若当时没有保存，正确处理方式是创建新密钥并停用旧密钥，而不是尝试从控制台恢复明文。

建议每个应用或开发环境使用独立密钥。比如测试环境、生产环境和持续集成分别创建，这样某一个密钥需要轮换时，不会同时中断其他服务。名称应表达用途，不要使用个人姓名或含糊的 key1、test。

在本机设置环境变量

macOS 或 Linux 能够在当前终端会话中设置：

export MODEL_API_KEY="your-api-key-here"

Windows PowerShell 使用：

$env:MODEL_API_KEY = "your-api-key-here"

不要把真实密钥直接写进源代码，也不要提交到版本管理系统。需要长期使用时，应放入系统凭据存储、部署平台的 secrets 功能或团队认可的密钥管理工具。.env 文件如包含密钥，应加入忽略规则，并限制本机访问权限。

用 Responses API 发起第一次调用

Responses API 适合多轮推理、工具调用和智能执行任务。下面的请求使用当前推荐的 Muse Spark 1.3：

curl -X POST "https://api.meta.ai/v1/responses" 
  -H "Authorization: Bearer $MODEL_API_KEY" 
  -H "Content-Type: application/json" 
  -d '{
    "model": "muse-spark-1.3",
    "input": "请用三句话解释什么是多模态模型"
  }'

返回 HTTP 200 且响应对象中包含模型输出，说明密钥、地址和模型权限都能正常使用。首次测试应选择简短提示词，确认连接无误后再添加文件、工具和长上下文。

使用 Python 调用

Meta Model API 能够通过 OpenAI SDK 兼容方式接入。先安装 SDK，再显式设置基础地址与密钥：

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-1.3",
    input="列出检查接口连通性的三个步骤",
)

print(response.output_text)

部分官方 SDK 会自动读取 MODEL_API_KEY，通用 OpenAI SDK 通常仍应像示例一样显式传入。不要把“兼容 OpenAI SDK”误解成使用 OpenAI 的接口地址；Muse Spark 的基础地址必须指向 api.meta.ai。

使用 Chat Completions 接口

已有项目若采用 messages 数组，能够改用：

curl -X POST "https://api.meta.ai/v1/chat/completions" 
  -H "Authorization: Bearer $MODEL_API_KEY" 
  -H "Content-Type: application/json" 
  -d '{
    "model": "muse-spark-1.3",
    "messages": [
      {"role": "user", "content": "回复 ready"}
    ]
  }'

Responses、Chat Completions 和 Messages 使用相同模型与 Bearer token 鉴权，tokens 单价也相同。Responses 支持更完整的跨轮推理与联网检索；Chat Completions 更适合已有的 messages 格式项目。