A Meta Superintelligence Labs (MSL) egyelőre kiváló munkát végez, a Muse Spark szép sikereit követően a múlt hónapban elindította az élvonalbeli Muse Wonder és Wonder Full modelleket, most pedig befutott a másik végletet képviselő, eddigi legkisebb Muse variáns, az Ember.
Óriási összegeket szentel a Meta arra, hogy a nyelvi modelljeinek fejlődését és terjedését segítse, előfizetés nélkül is bőséges használati kereteket nyújt a felhasználók számára. Az új Muse Ember ebbe a stratégiába kiválóan illeszkedik, hiszen sokkal olcsóbban lehet majd ezzel dolgozni, mint bármelyik korábbi Muse modellváltozattal. Ahogy azt látni fogjuk, a különbség valóban drámai lehet.
“Az új modellt összetett érvelési feladatok végrehajtására és az ügynökök által egész nap ismételt munkákra terveztük: eszközhívások, alfeladatok programozása, útválasztás, adatbányászat és hosszú dokumentumok elemzése lesz az erőssége” – jelentette ki a Meta.
“Dolláronként több intelligenciát nyújt a Muse Ember, mint az Anthropic Claude Haiku 5.5 vagy az OpenAI GPT-6 Luna bármely érvelési beállítás mellett.”
Az idei évben a Meta a Superintelligence Labs révén rohamléptekkel haladt előre. A Muse Ember úgy tudott az Artificial Analysis Intelligence Indexen 36 pontot elérni, hogy a lényegesen nagyobb és drágábban alkalmazható Muse Spark 1.3 is csak 37 pontot ért el, csupán egy hajszállal jobb ebben az értékelésben. A teszteredmény elérése során a Muse Ember mindössze 0,14 dolláros számlát generált, míg a Muse Spark 1.3 2,39 dollárnyi tokent égetett el. Több mint 17-szer bizonyult költségesebbnek, a minimálisan jobb teljesítményért.
A Muse Ember az első olyan modell, amelyet a Muse Wonder Full segítségével tréningeztek a szakemberek. Amikor a Meta bemutatta a Muse Wonder és a Muse Wonder Full modelleket, kijelentette, hogy ezeket egyebek mellett speciális modellek fejlesztésére fogják felhasználni, hogy azok szélesebb körben tudjanak bizonyítani, és ennek az első “kézzel fogható” eredményét láthatjuk most.
Natív multimodális működésre lett fejlesztve és tréningezve a Muse Ember, ennek megfelelően támogatja a szövegeket, a képeket, a hanganyagokat és a videókat. Önállóan képes átlátni, végigvezetni teljes munkafolyamatokat, nem kell több modell, ennek megfelelően alkalmas ügynöki felhasználásra is. A Meta kiemelte, hogy az újdonságnak nem okoz gondot képernyőképek, diagramok és szkennelt dokumentumok olvasása, hangjegyzetek, tárgyalások felvételeinek feldolgozása, több száz oldalas iratok összegzése. Fontos, hogy önállóan tud számítógépeket kezelni.
A Claude Haiku 5.5 és a GPT-6 Luna ellen mutatta be a Meta, hogy mire képes a Muse Ember. A napjainkban felkapott OSWorld 2.1 tesztben a Muse Ember 69,5%-os eredményt ért el, míg a Claude-os riválisa 68,9%-ot tudott felmutatni, az OpenAI eszköze pedig csak 50,5%-os sikeraránnyal zárt. Ugyanebben a tesztben a szigorított, bináris vizsgálatnál már csak 17%-ra volt képes a GPT-6 Luna, 27,8%-ot ért el a Claude Haiku 5.5, a Muse Ember viszont 33,8%-os eredménnyel büszkélkedhetett.
Tarol a Muse Ember az AutomationBench keretében is, ezt a tesztet 37,8 százalékos sikeraránnyal zárta, miközben a Claude Haiku 5.5 csupán 13,9%-ot tudott felmutatni, a GPT-6 Luna pedig 20,2%-os performansszal futott be. Ez a teszt kifejezetten a vállalati munkafolyamatokban vizsgálja a modellek képességeit. Ügynöki programozási feladatokban a Terminal-Bench (4.0) képes hatékonyan felmérni az eszközökben rejlő potenciált, ebben a Muse Ember 40,9%-os teljesítményt tudott felmutatni, a Claude Haiku 5.5 pedig erős vetélytársként 39,2%-kal mögötte futott be – a GPT-6 Luna gyengén teljesített (16,4%).
A Meta által publikált eredmények között egyedül a FrontierCode 2.0 volt, amiben nem jött ki jól a lépés a Muse Embernek, csupán 27,2%-os sikerarányt ért el, a Claude Haiku 5.5 sokkal jobbnak bizonyult 34,9%-os eredménnyel.
A Meta célja a személyre szabott szuperintelligencia megvalósítása olyan modellek segítségével, amelyek támogatják az embereket a vágyaik elérésében, elképzeléseik megvalósításában, kapcsolataik elmélyítésében, valamint az általuk fontosnak tartott dolgok érdekében való cselekvésben. A Muse Embernek a jövőben nagyon fontos lesz a jó skálázhatóság, és a dinamikus működés szempontjából. Azt is elhintette a vállalat, hogy jelenleg több hatékonyságra fókuszáló modell tréningezése is folyamatban van.
Kiemelte a Meta, hogy a modell szigorú biztonsági vizsgálatokon esett át a kiberbiztonsági kockázatok és az autonóm viselkedési formák kiszűrésére.
Miután a teszteken jól vizsgázott, így végül zöld utat kapott a megjelenésre. Megfelelő védelemmel rendelkezik az eszköz a kémiai és biológiai fegyverek létrehozásával szemben, és alacsony kiberbiztonsági fenyegetést jelent. Azt is megtudtuk, hogy a kisebb mérete ellenére ugyanazokat a biztonsági és megbízhatósági követelményeket kell teljesítenie, mint a nagyobb társainak.
A Muse Ember azonnal elérhetővé vált a fejlesztők számára a Meta Model API-n keresztül és a programozásra szánt Muse Code környezetben is. 1 millió tokenes kontextusablakkal rendelkezik, ami lehetővé teszi egy teljes kódbázis vagy dokumentumgyűjtemény feldolgozását egyetlen munkafolyamat során. Akár 512 ezer kimeneti tokent támogat, ami ilyen szinten jó hír.
Emellett elmondta a Meta, hogy a Google Cloud és az Oracle Cloud infrastruktúráján is biztosított a hozzáférés. Végül a költségek: a beszámoló szerint 1 millió tokenre vetítve a bemeneti adatoknak mindössze 0,10 dollár lesz a feldolgozási költsége, a kimeneti oldalon pedig 0,5 dollárba fog kerülni ez a mutatvány. Biztosított a gyorsítótárazási lehetőség is, az adatok újrahasznosításával egészen 0,004 dollárig faraghatók a kiadások.


































