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

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：

1. 打开 https://dev.meta.ai/ 并登录。
2. 进入 Model API 控制台，确认当前选中的团队。
3. 打开 API keys 页面。
4. 点击 Create API key。
5. 输入用途明确的名称，比如 docs-staging 或 backend-prod。
6. 再次点击 Create 完成创建。
7. 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。

Muse Code 使用哪个变量？

Muse Code 支持浏览器登录或粘贴 API Key。非交互环境和持续集成能够设置：

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

也能够运行 muse auth set 保存密钥。Muse Code 会优先读取 META_API_KEY，其次读取已经保存的密钥，最后才使用浏览器会话。若终端里遗留了旧环境变量，它可能覆盖刚完成的浏览器登录，应在排查鉴权问题时优先检查。

常见错误怎么处理？

401 Unauthorized

通常表示没有发送密钥、密钥格式错误、密钥已被停用或复制时多了空格。检查请求头是否为 Authorization: Bearer $MODEL_API_KEY，并确认密钥以 LLM| 开头且包含完整内容。

404 Model not found

先检查模型 ID 是否全部小写并使用连字符，比如 muse-spark-1.3。还要确认基础地址为 https://api.meta.ai/v1，末尾不要额外添加接口工具不支持的路径。可调用 GET /v1/models 查看当前团队可用的模型。

429 Too Many Requests

表示团队超过每分钟请求或 tokens 上限。多个密钥共享同一团队额度，增加密钥数量不能解决问题。客户端应使用带随机抖动的指数退避，并读取响应头中的剩余额度。

控制台没有 Create API key

确认已经进入 Model API 控制台而非普通聊天页面，并检查团队角色、地区开放情况和账户是否完成必要设置。付费方式与业务信息通常只有团队管理员能够管理。

密钥泄露后怎么办？

一旦怀疑密钥出现在公开代码、构建日志或他人可见的位置，应立即停止使用并轮换。先创建替代密钥、更新服务配置、确认新密钥生效，再在控制台停用旧密钥。

官方帮助说明，团队至少需要保留两个密钥才能删除其中一个，最后一个密钥不能直接删除。删除会立即让依赖该密钥的请求失败，所以生产环境轮换必须先完成替换再执行停用。

安全使用 Muse Spark API Key 的核心并不复杂：只从官方控制台创建，只在创建时保存一次，通过环境变量或专用凭据工具读取，并为不同应用分配独立密钥。首次调用先用短请求确认鉴权，再逐步加入多模态输入和工具配置，排错会比一次接入全部功能更清晰。