متا از مدل Muse Wonder رونمایی کرد؛ هم‌رده با مدل‌های OpenAI و آنتروپیک [تماشا کنید]

از اینکه ما را در توسعه بهتر و هدفمند‌تر دیجیاتو همراهی می‌کنیداز شما سپاسگزاریم.

مدل‌های Muse Wonder و Muse Wonder Full در برخی آزمون‌های برنامه‌نویسی از GPT-6 Astra و Claude Opus 5.5 جلو می‌زنند.

جهت بهره‌مندی و دسترسی به امکانات ویژه و بخش‌های مختلف در دیجیاتو عضو ویژه دیجیاتو شوید.

متا مدل‌های هوش مصنوعی Muse Wonder و Muse Wonder Full را معرفی کرد. این دو مدل که نخستین تلاش متا برای عرضه مدل‌های پیشرو (Frontier) محسوب می‌شوند، در برخی آزمون‌های برنامه‌نویسی و انجام وظایف پیچیده از مدل‌هایی مانند GPT-6 Astra و Claude Opus 5.5 عملکرد بهتری دارند. متا همچنین قابلیت‌هایی برای به‌یادآوردن اطلاعات کاربران و ادامه‌دادن وظایف پیچیده در این مدل‌ها توسعه داده است.

مدل‌های جدید را آزمایشگاه ابرهوش متا توسعه داده است. برخلاف Muse Spark که با هدف ارائه مدلی سبک و سریع توسعه یافته بود، خانواده Muse Wonder بزرگ‌تر است و متا آن را برای عملکرد بهتر در کارهای پیچیده، به‌ویژه برنامه‌نویسی، طراحی کرده است.

به‌گفته متا، مدل‌های جدید با استفاده از پیشرفت‌های حاصل در پیش‌آموزش (Pretraining) و یادگیری تقویتی (Reinforcement Learning) آموزش دیده‌اند.

عرضه Muse Wonder نخستین انتشار مدل پیشرو متا پس از بازسازی ساختار فعالیت‌های هوش مصنوعی این شرکت به‌دست «الکساندر وانگ»، بنیان‌گذار Scale AI، در آگوست ۲۰۲۵ محسوب می‌شود. متا پس از این تغییرات، مدل سبک Muse Spark و عامل هوش مصنوعی Muse را عرضه کرده بود، اما تاکنون از انتشار مدلی در سطح پیشرفته‌ترین محصولات شرکت‌هایی مانند OpenAI و آنتروپیک خودداری کرده بود.

این مدل در آزمون SWE-Marathon که توانایی مدل‌های هوش مصنوعی را در انجام پروژه‌های نرم‌افزاری طولانی‌مدت ارزیابی می‌کند، امتیاز ۵۷٫۵ درصد را به دست آورده است. این رقم برای Claude Opus 5.5 برابر با ۴۶٫۳ درصد و برای GPT-6 Astra برابر با ۴۲٫۵ درصد گزارش شده است.

Muse Wonder Full در آزمون DeepSWE v1.1 نیز امتیاز ۷۹ درصد را کسب کرده است. در همین آزمون، GPT-6 Astra امتیاز ۷۴٫۱ درصد و Claude Opus 5.5 امتیاز ۷۴٫۲ درصد را به دست آورده‌اند.

مدل جدید متا در آزمون Harvey LAB-AA که عملکرد هوش مصنوعی را در وظایف حقوقی ارزیابی می‌کند نیز امتیاز ۱۳٫۱ را ثبت کرده است. امتیاز GPT-6 Astra در این آزمون ۸٫۶ و امتیاز Claude Opus 5.5 برابر با ۴٫۲ بوده است.

بااین‌حال، نتایج همه آزمون‌ها به سود متا نیست. Muse Wonder Full در شاخص هوش مصنوعی Artificial Analysis Intelligence Index امتیاز ۵۶ را کسب کرده و پایین‌تر از Claude Opus 5.5 با امتیاز ۵۸ قرار گرفته است. این مدل در همان شاخص از Claude Fable 5.1 و GPT-6 Astra که هر دو امتیاز ۵۳ گرفته‌اند، عملکرد بهتری داشته است.

متا در مدل‌های جدید خود بر دو قابلیت با نام‌های حافظه فعال (Active Memory) و تمرکز فعال (Active Focus) تأکید کرده است. این قابلیت‌ها با هدف بهبود عملکرد دستیارهای هوش مصنوعی شخصی طراحی شده‌اند.

حافظه فعال به مدل امکان می‌دهد اطلاعات مهمی را که کاربر در گفتگوهای مختلف ارائه کرده است، نگه دارد و هنگام نیاز، جزئیات مرتبط را بازیابی کند. متا برای ارزیابی این توانایی به آزمون MemoryBench اشاره کرده است که چارچوب‌های یادگیری مستمر و ساخت حافظه را می‌سنجد. براساس آزمایش‌های این شرکت، Muse Wonder در این آزمون امتیاز بالاتری از مدل‌های Fable ،Opus و Astra کسب کرده است.

قابلیت تمرکز فعال نیز به مدل کمک می‌کند وظایف پیچیده را پیگیری کند، هنگام شکست یک روش راهکارهای دیگری را امتحان کند و در صورت نیاز از کاربر توضیح یا تأیید بخواهد. هر دو قابلیت با هدف بهبود عملکرد ایجنت هوش مصنوعی شخصی Muse توسعه یافته‌اند. متا قصد دارد از مدل‌های جدید برای قدرت‌دادن به این ایجنت نیز استفاده کند.

هر دو مدل Muse Wonder از پنجرهٔ زمینه یک‌میلیون‌توکنی پشتیبانی می‌کنند و می‌توانند متن، تصویر، صدا و ویدیو را پردازش کنند؛ بااین‌حال، خروجی آن‌ها به متن محدود است.

مدل Muse Wonder هم‌اکنون از طریق Meta Model API و سرویس Muse Code در دسترس است. هزینه استفاده از آن از طریق API به‌ازای هر یک میلیون توکن ورودی ۴ دلار و به‌ازای هر یک میلیون توکن خروجی ۲۰ دلار تعیین شده است. مدل پیشرفته‌تر Muse Wonder Full برخلاف نسخه معمولی، از طریق API ارائه نمی‌شود و فقط در اختیار مشترکان Muse Code قرار دارد.

دانش‌آموخته‌ زبان‌شناسی‌ هستم و همان‌قدر که به «کلمه» علاقه‌مندم، از سرک‌کشیدن به گوشه‌وکنارِ جهان تکنولوژی و علم هم حظ می‌کنم.

برای گفتگو با کاربران ثبت نام کنید یا وارد حساب کاربری خود شوید.

با توجه به قطعی اینترنت، برای ثبت‌نام نیازی به تأیید ایمیل نیست.