Egy évvel ezelőtt a Meta borzalmasan állt a mesterséges intelligencia versenyben, a vállalat nem akarta elismerni, de messze le volt maradva a Google, az OpenAI és az Anthropic, de még az xAI mögött is. Majd jött a nagy “reboot”, a Superintelligence Labs munkába lendült.
Áprilisban mutatkozott be a Muse Spark, és erről már valóban büszkén beszélhetett a Meta, persze az élmenőktől még bőven elmaradt a képessége, de nem is az volt a célja, hogy rögtön zászlóshajó modellként törjön előre. A nyár folyamán elkészült a Muse Spark 1.1, 1.2 és 1.3 is, a fejlődés pedig minden esetben igencsak látványos volt. Az igazán nagy dobbantásnak viszont most jött el az ideje.
Új generációs modelleket mutatott be a Meta, a Muse Wonder és a Muse Wonder Full révén a cég fel akarja borítani az eddigi erőviszonyokat. A vállalat közlése szerint a modelleket kifejezetten összetett, önálló személyes és szakmai ügynöki feladatok elvégzésére fejlesztették ki. A vállalat “gigawattos teljesítményű” Prometheus adatközpontjában tréningezték ezeket. A Muse Wonder modellek mérföldkőnek számítanak a Meta AI történetében.
14 hónapos fejlesztői munka eredményeként született meg a friss modellek párosa. Míg a Muse Spark célja az volt, hogy egy kicsi, olcsó, rugalmas és sokoldalú modell legyen, amely alacsony késleltetés mellett is jól teljesít, addig a Wonder modellek nagyobbak és topkategóriás teljesítményre képesek abszolút értelemben véve is.
A különböző mesterséges intelligencia tesztek alapján a Wonder és a Wonder Full a Fable 5.1-hez és a GPT-6 Astrához hasonló, illetve sok esetben jobb eredményeket ér el. Minden bizonnyal a Google-nél érkező Gemini 4 Argon is egy izgalmas ellenfél lesz.
Az SWE-Marathon (hosszú távú szoftverfejlesztési feladatok) tesztben a legmagasabb szintre (xhigh) állított Muse Wonder Full 57,5%-os eredménnyel az élre állt, megelőzve az alap Muse Wondert (53,1%), valamint a közvetlen riválisokat, a GPT-6 Astrát (45,6%), valamint a Claude Fable 5.1 (42,5%). Remekel az eszköz az AutomationBench tesztben is, 45,4 százalékos sikerarányt tud felmutatni, miközben a GPT-6 Astra és a Claude Opus 5.5 csak 41 százalék körül harcol egymással hajszál híján azonos eredménnyel.
A mostanában nagy népszerűségnek örvendő, ügynöki géphasználati képességeket felmérő OSWorld 2.1 teszt keretében 78,4 százalékos teljesítménnyel zárt a Muse Wonder Full, amivel a GPT-6 Astrát képes beelőzni, hiszen annak a neve mellett “csak” 75,8%-os mutató szerepel, ugyanakkor ebben a Claude még jobb, a Fable 5.1 és az Opus 5.5 is előtte jár 80,7 és 81,8%-os sikeraránnyal. És hasonló a helyzet az Artificial Analysis Intelligence index alatt is, melyben a Claude Opus 5.5 már 58 pontot tud felmutatni, a GPT-6 Astra viszont csak 53 pontos eredményt nyújt, miközben a Muse Wonder Full 56 ponttal zárt.
A vállalat az önálló feladatvégzés kulcsát részben két új fejlesztésben látja. Az első az Active Memory, mely révén a rendszer képes több beszélgetésen és munkafázison átívelően megőrizni a felhasználóhoz kapcsolódó releváns adatokat és személyes preferenciákat. Ezeket újra és újra önállóan előhívja, amikor egy-egy újabb feladat végrehajtásához szükség van rájuk.
A második az Active Focus, ezt alkalmazva a modell nem áll meg a váratlan nehézségeket jelentő technikai akadályoknál, hanem alternatív megoldási útvonalakat próbál ki, alkalmazkodik a változó körülményekhez. Bizonytalanság esetén tisztázó kérdéseket tesz fel a chatbot, a kritikus vagy visszafordíthatatlan műveletek előtt pedig megerősítést kér a felhasználótól.
A Muse Wonder teljesen önállóan képes egy valóban játszható 3D játékot létrehozni egyetlen képből. Ez teljesen új távlatokat nyithat meg a személyes igényekhez szabott minijátékok terén. Egy sor érdekes példát hozott a Meta az új modellek képességeinek demonstrálására, ezek révén olyan dolgokat lehet megvalósítani, ami nemcsak a Meta égisze alatt új, hanem még a konkurencia berkeiben is példa nélküli.
A biztonságra, megbízhatóságra is igyekezett a Meta ügyelni, ilyen téren is hatalmas előrelépést tesz a Muse Wonder a Sparkhoz képest, és már ilyen téren is a legjobbak között találja a modelljét a vállalat. A személyes adatok nem megfelelő kezelésére irányuló tesztben az újdonságok 2,2 és 3,4 százalékos eredményt hoztak össze, ami egy új rekordnak számít, hiszen korábban a GPT-6 Astra csak 4,6%-os teljesítményre volt képes, a Fable 5.1-nél pedig még 6,8% szerepelt a neve mellett – minél alacsonyabb az érték, annál jobb a modell. Számos kibervédelmi céllal is használhatók majd a Meta új Muse variánsai.
„Rengeteg erőfeszítést tettünk annak érdekében, hogy a modellünk napok, hetek, hónapok és még hosszabb időtávon is emlékezzen arra, mi fontos számodra” – mondta Kavya Kopparapu, a Meta AI kutatója a termékbemutatót kísérő videóban. Arra is igyekezett rávilágítani a Meta, hogy a Muse Wonder modellek nagyon jól megférnek majd a Muse Spark mellett, ahol a Spark képességei már kevésnek bizonyulnak, ott lép majd be a képbe a Wonder modellek párosa.
A Muse Wonder azonnal elérhető a Meta API eszköze révén és a kódolásra szánt Muse Code-ban. Ennek a költsége 4 dollár 1 millió bemeneti token esetén, és 20 dollár ugyanilyen mennyiségű információ előállítása esetén. A modell a jövőben bekerül a felhasználók széles közönségének biztosított Muse chatbot és egyéb szolgáltatások mögé. A csúcskategóriás Muse Wonder Full egyelőre nem kap API elérést, csak a Muse Code előfizetők egy része érheti el – minimum havi 50 dollárt kell ezért leszurkolni.
