معرفی Muse Wonder و Muse Wonder Full: تازه‌ترین مدل‌های هوش مصنوعی متا

متا از دو مدل جدید هوش مصنوعی به نام های Muse Wonder و Muse Wonder Full رونمایی کرد. این دو مدل که به عنوان پیشرفته ترین محصولات این شرکت شناخته می شوند، نشان دهنده گام های مهم متا در جهت رقابت با سایر بزرگان این حوزه به شمار می روند.

مدل Wonder از طریق رابط برنامه نویسی کاربردی (API) در دسترس خواهد بود و قیمت گذاری آن مشابه رقبای مطرح بازار است. در مقابل، نسخه Wonder Full به طور اختصاصی در سرویس کدنویسی متا به نام Muse Code ارائه می شود و از طریق API قابل دسترسی نیست. این بدان معناست که کاربران برای استفاده از Wonder Full، نیازمند استفاده از خدمات Muse Code متا هستند.

یکی از ویژگی های کلیدی این مدل ها، قابلیت «حافظه فعال» است. این ویژگی به مدل ها امکان می دهد تا اطلاعات و علایق کاربر را در طول زمان به خاطر بسپارند و در تعاملات بعدی از آن ها استفاده کنند. متا این قابلیت را در آزمون MemoryBench مورد بررسی قرار داده و مدعی است که Muse Wonder در این آزمون عملکردی بهتر از مدل های رقیب مانند Fable، Opus و Astra داشته است.

این معرفی، نخستین عرضه یک مدل پرچمدار توسط متا پس از بازسازی ساختار هوش مصنوعی این شرکت است. این بازسازی در اوت سال گذشته به رهبری الکساندر وانگ انجام شد. پیش از این، متا مدل Muse Spark را معرفی کرده بود که بر سرعت و پاسخ دهی سریع تمرکز داشت. Muse Wonder و Wonder Full، در مقایسه با Spark، مدل های بزرگ تر و توانمندتری هستند که قادر به انجام کارهای پیچیده تری از جمله برنامه نویسی هستند.

متا در آزمون های مختلف، عملکرد Wonder و Wonder Full را با مدل های دیگری مانند Fable 5.1 و GPT-6 Astra مقایسه کرده و نتایج قابل قبولی را به دست آورده است. قیمت گذاری Wonder نیز مشابه مدل های GPT-6 Sol و Opus 5.5 است. به نظر می رسد متا قصد دارد با ارائه این مدل ها، جایگاه خود را در بازار هوش مصنوعی تقویت کرده و به سمت ساخت «ابرهوش شخصی» گام بردارد؛ سیستمی که با شناخت کامل کاربران، بتواند نیازها و ترجیحات آن ها را به بهترین شکل برآورده کند. این مدل ها برای بهبود عملکرد دستیار هوش مصنوعی Muse نیز به کار گرفته خواهند شد.

آموزش این مدل ها در مرکز داده پرومتئوس متا در ایالت اوهایو انجام شده است. این نشان می دهد که متا علاوه بر افزایش قدرت پردازشی، به دنبال بهبود حافظه و درک بلندمدت سیستم های هوش مصنوعی خود نیز هست.

n

منبع: دیجیرو