A Meta több mint egy évnyi átalakítás után bemutatta eddigi legerősebb AI-modelljeit, a Muse Wondert és a Muse Wonder Full-t. Az új modelleket már kifejezetten hosszabb, összetett feladatokra és AI-ügynökös munkavégzésre tervezték, miközben szöveget, képet, videót és hangot is képesek bemenetként feldolgozni.
A Muse Wonder sorozat akár egymillió tokenes kontextust kezel, vagyis egyszerre nagyon nagy mennyiségű információval tud dolgozni. A válasz továbbra is szöveges, de a bemenet multimodális lehet, így például dokumentumok, képek, videók és hanganyagok is bevonhatók ugyanabba a feladatba.
A Meta két funkciót emel ki különösen. Az Active Memory a korábbi beszélgetésekből megőrzi a felhasználóról és a folyamatban lévő munkáról releváns információkat, majd szükség esetén előveszi őket. Az Active Focus pedig arra szolgál, hogy a modell ne adja fel könnyen a nehezebb feladatokat, hanem más megközelítéseket próbáljon ki, kezelje az akadályokat és fontosabb lépések előtt visszakérdezzen. A vállalat szerint a Muse Wonder különösen erős ügynökalapú feladatokban, valamint jogi, pénzügyi és egészségügyi témákban. A kódolást is kiemelt területként kezelik, a Meta állítása szerint a modell kisebb alkalmazásoktól egészen összetett szoftverprojektekig használható.
A két változat közül a Muse Wonder már elérhető a Meta Model API-n és a Muse Code-on keresztül. A nagyobb Muse Wonder Full egyelőre csak a Muse Code előfizetőinek jár. Később a Muse Wonder hajtja majd a Meta saját Muse ügynökét is, első körben szintén az előfizetők számára. A modelleket a Meta gigawattos léptékű Prometheus adatközpontjában tanították. A vállalat saját mérései alapján ezek az eddigi legerősebb modelljei, amelyek több ügynökalapú benchmarkban is az élmezőnybe kerültek, de a független tesztek lesznek igazán érdekesek.
A Meta a Muse Wondert a „személyes szuperintelligencia” felé vezető újabb nagy lépésként kezeli, és egyben eddigi legjobban összehangolt modelljének nevezi. A részletesebb biztonsági értékeléseket később külön jelentésben teszik közzé.










