متا دو مدل تازه به نام‌های Muse Wonder و Muse Wonder Full معرفی کرده؛ مدل‌هایی که این شرکت آن‌ها را نخستین گام جدی خود در رده مدل‌های Frontier می‌داند. این خانواده جدید نسبت به مدل سبک‌تر Muse Spark بزرگ‌تر، قدرتمندتر و برای انجام کارهای پیچیده‌تری مثل برنامه‌نویسی طراحی شده است.
طبق اطلاعاتی که متا در کارت فنی مدل منتشر کرده، Wonder و Wonder Full در بنچمارک‌ها به نتایجی نزدیک به Fable 5.1 و GPT-6 Astra رسیده‌اند. متا این عرضه را پله بعدی در مسیر توسعه مدل‌های بزرگ‌تر و هوشمندتر توصیف کرده است.
موس واندر چه تفاوتی با Muse Spark دارد؟
Muse Spark با تمرکز بر سرعت پاسخ‌گویی و تأخیر پایین ساخته شده بود، اما Wonder رویکرد دیگری دارد. این مدل‌ها بزرگ‌تر هستند و متا می‌گوید توانایی بالاتری در حل وظایف پیچیده، تحلیل بهتر و به‌خصوص کدنویسی دارند.
- Muse Spark: سبک‌تر و مناسب پاسخ‌گویی سریع
- Muse Wonder: قدرتمندتر با عملکرد بهتر در بنچمارک‌ها
- Muse Wonder Full: نسخه کامل‌تر با دسترسی محدودتر
عملکرد در بنچمارک‌ها و تمرکز روی حافظه فعال
یکی از ویژگی‌هایی که متا روی آن مانور زیادی داده، قابلیتی است که خودش آن را Active Memory یا «حافظه فعال» می‌نامد؛ یعنی مدل بتواند اطلاعات مهمی را که کاربر در طول زمان ارائه می‌کند بهتر نگه دارد، به آن‌ها رجوع کند و از آن‌ها در پاسخ‌های بعدی استفاده کند.
برای نشان دادن این توانایی، متا به بنچمارک MemoryBench اشاره کرده؛ آزمونی که بیشتر روی یادگیری پیوسته و ساخت حافظه تمرکز دارد. بر اساس آزمایش‌های داخلی این شرکت، Muse Wonder در این معیار از مدل‌هایی مثل Fable، Opus و Astra امتیاز بالاتری گرفته است.
چرا حافظه فعال مهم است؟
اگر یک دستیار هوش مصنوعی قرار باشد در بازه‌ای طولانی کنار کاربر بماند، فقط پاسخ سریع کافی نیست. چنین سیستمی باید ترجیحات، اهداف و اطلاعات مهم کاربر را در طول روزها، هفته‌ها و حتی ماه‌ها حفظ کند. متا دقیقاً همین نقطه را یکی از مزیت‌های اصلی Wonder می‌داند.
قیمت‌گذاری و نحوه دسترسی
دسترسی به Muse Wonder از طریق Meta Model API امکان‌پذیر است. قیمت آن ۴ دلار برای هر یک میلیون توکن ورودی و ۲۰ دلار برای هر یک میلیون توکن خروجی اعلام شده؛ رقمی که آن را از نظر هزینه در محدوده مدل‌هایی مثل GPT-6 Sol یا Opus 5.5 قرار می‌دهد.
اما Muse Wonder Full از طریق API ارائه نمی‌شود و فقط برای مشترکان Muse Code در دسترس خواهد بود. متا همچنین گفته هر دو مدل قرار است نیروی محرک Muse agent هم باشند.
اولین مدل Frontier متا بعد از بازسازی تیم هوش مصنوعی
این نخستین عرضه مهم متا در رده مدل‌های Frontier از زمانی است که الکساندر وانگ، بنیان‌گذار Scale AI، در ماه اوت سال گذشته ساختار فعالیت‌های هوش مصنوعی متا را بازطراحی کرد. متا بعد از آن بیشتر روی محصولات سبک‌تر مثل Muse Spark و همچنین عامل هوش مصنوعی خود تمرکز داشت و کمتر وارد رقابت مستقیم با عرضه‌های سطح بالای OpenAI و Anthropic شده بود.
حالا معرفی Muse Wonder را می‌توان نشانه‌ای روشن از بازگشت متا به رقابت جدی‌تر در بازار مدل‌های پیشرفته دانست؛ بازاری که در آن فقط سرعت یا هزینه مهم نیست و توانایی‌های پیچیده، حافظه بلندمدت و عملکرد در وظایف دشوار نقش تعیین‌کننده دارند.
این مدل‌ها کجا آموزش دیده‌اند؟
متا اعلام کرده آموزش این مدل‌ها در مرکز داده Prometheus در مرکز ایالت اوهایو انجام شده؛ زیرساختی که اوایل امسال وارد مدار شده است. اشاره مستقیم به محل آموزش نشان می‌دهد متا می‌خواهد روی توان زیرساختی خود هم تأکید کند؛ موضوعی که برای توسعه مدل‌های Frontier اهمیت زیادی دارد.
نکات کلیدی
- متا از دو مدل جدید Muse Wonder و Muse Wonder Full رونمایی کرده است.
- این مدل‌ها نخستین تلاش جدی متا در رده مدل‌های Frontier محسوب می‌شوند.
- Wonder نسبت به Muse Spark بزرگ‌تر و برای کارهای پیچیده‌تر مثل کدنویسی مناسب‌تر است.
- متا می‌گوید عملکرد این مدل‌ها به Fable 5.1 و GPT-6 Astra نزدیک است.
- قابلیت حافظه فعال یکی از مهم‌ترین ویژگی‌های برجسته‌شده در این معرفی است.
- Muse Wonder از طریق API عرضه می‌شود، اما Wonder Full فقط برای مشترکان Muse Code در دسترس است.
عرضه Muse Wonder نشان می‌دهد متا می‌خواهد در رقابت مدل‌های پیشرفته فقط تماشاگر نباشد. اگر ادعاهای این شرکت درباره حافظه فعال، توانایی کدنویسی و عملکرد بنچمارکی در استفاده واقعی هم تکرار شود، Wonder می‌تواند به یکی از مهم‌ترین محصولات جدید متا در حوزه هوش مصنوعی تبدیل شود.
نظر، سوال یا تجربه خود را درباره این مطلب با سایر کاربران اوکالا به اشتراک بگذارید.