معرفی مدل‌های Muse Wonder و Muse Wonder Full متا | مقایسه با GPT-6 Astra و Claude Opus 5.5

رونمایی متا از Muse Wonder و Muse Wonder Full؛ چالشی جدی برای OpenAI و آنتروپیک

بررسی قابلیت‌های حافظه فعال، تمرکز فعال و عملکردهای خیره‌کننده نسخه Full در بنچمارک‌های SWE-Marathon

شرکت متا (Meta) با رونمایی از دو مدل پیشرفته Muse Wonder و Muse Wonder Full رسماً وارد رقابت با مدل‌های رده‌بالا (Frontier Models) شرکت‌های OpenAI و آنتروپیک (Anthropic) شد. این مدل‌ها که در آزمایشگاه ابرهوش متا توسعه یافته‌اند، برای حل وظایف چندمرحله‌ای، پروژه‌های طولانی‌مدت و مهندسی نرم‌افزار طراحی شده‌اند. در ارزیابی‌ها، نسخه Muse Wonder Full توانسته در بنچمارک‌های برنامه‌نویسی مانند SWE-Marathon (ثبت امتیاز ۵۷.۵ درصد) و DeepSWE 1.1 (ثبت امتیاز ۷۹ درصد) از مدل‌هایی چون GPT-6 Astra و Claude Opus 5.5 پیشی بگیرد، هرچند در برخی شاخص‌های کلی همچنان پشت سر رقبا قرار دارد. مدل‌های جدید از پنجره زمینه یک‌میلیون‌توکنی پشتیبانی می‌کنند و با دو ویژگی کلیدی یعنی حافظه فعال (Active Memory) برای حفظ اطلاعات بین مکالمات و تمرکز فعال (Active Focus) برای اصلاح خودکار خطاها و تغییر مسیر در مواجهه با شکست متمایز شده‌اند. نسخه استاندارد از طریق Meta Model API با نرخ ۴ دلار برای ورودی و ۲۰ دلار برای خروجی به ازای هر میلیون توکن عرضه شده، در حالی که نسخه Full انحصاری مشترکان Muse Code است. هدف نهایی متا یکپارچه‌سازی این مدل‌ها در دستیار Muse برای خودکارسازی فرآیندهای حرفه‌ای و شخصی کاربران است.

سایبرکست قسمت 134 : مدل‌های جدید Muse Wonder متا

 

 

 

مدل‌های جدید Muse Wonder متا

بررسی قابلیت‌های حافظه فعال، تمرکز فعال و عملکردهای خیره‌کننده نسخه Full در بنچمارک‌های SWE-Marathon

متا با معرفی دو مدل جدید هوش مصنوعی وارد رقابت جدی‌تری با سازندگان پیشرفته‌ترین مدل‌های جهان شده است. Muse Wonder و Muse Wonder Full در برخی آزمون‌های برنامه‌نویسی و اجرای وظایف طولانی از GPT-6 Astra و Claude Opus 5.5 پیشی می‌گیرند؛ اما نتایج همه ارزیابی‌ها به سود متا نیست.

شرکت متا در ۱۲ اکتبر ۲۰۲۶ از خانواده جدید مدل‌های هوش مصنوعی خود با نام Muse Wonder و Muse Wonder Full رونمایی کرد. این دو مدل که در آزمایشگاه ابرهوش متا توسعه یافته‌اند، جاه‌طلبانه‌ترین تلاش این شرکت برای رقابت در سطح مدل‌های پیشرو یا Frontier Models به شمار می‌روند؛ مدل‌هایی که هدفشان صرفاً پاسخ‌گویی به پرسش‌ها نیست، بلکه باید بتوانند مسائل پیچیده را تحلیل کنند، پروژه‌های نرم‌افزاری را پیش ببرند و وظایف چندمرحله‌ای را با دخالت کمتر کاربر به پایان برسانند.

متا می‌گوید مدل‌های جدید در برخی ارزیابی‌ها با محصولات پیشرفته شرکت‌هایی مانند OpenAI و آنتروپیک رقابت می‌کنند و حتی در چند آزمون مهم از آن‌ها جلو می‌افتند. برای نمونه، Muse Wonder Full در آزمون SWE-Marathon امتیاز ۵۷٫۵ درصد را کسب کرده است؛ درحالی‌که امتیاز گزارش‌شده برای Claude Opus 5.5 برابر با ۴۶٫۳ درصد و برای GPT-6 Astra برابر با ۴۲٫۵ درصد است. در آزمون DeepSWE 1.1 نیز نسخه Full به امتیاز ۷۹ درصد رسیده است؛ بالاتر از امتیاز ۷۴٫۲ درصدی Claude Opus 5.5 و ۷۴٫۱ درصدی GPT-6 Astra.

بااین‌حال، این اعداد به معنای برتری مطلق مدل جدید متا نیستند. در برخی آزمون‌های دیگر، مدل‌های رقیب عملکرد بهتری دارند و بخشی از نتایج منتشرشده نیز بر اساس ارزیابی‌های داخلی متا به دست آمده‌اند. به همین دلیل، برای درک جایگاه واقعی Muse Wonder باید علاوه بر امتیازها، نوع وظایفی را که این مدل‌ها برای آن‌ها طراحی شده‌اند و تفاوت دو نسخه را نیز بررسی کرد.

از Muse Spark تا مدل‌های پیشرو؛ تغییر مسیر متا در رقابت هوش مصنوعی

عرضه Muse Wonder نتیجه تغییر رویکردی است که متا طی حدود ۱۴ ماه گذشته در فعالیت‌های هوش مصنوعی خود دنبال کرده است. این شرکت پس از بازسازی زیرساخت‌ها و تیم‌های پژوهشی خود، تلاش کرد فاصله‌اش را با بازیگران پیشرو این صنعت کاهش دهد. در این مسیر، Muse Spark به‌عنوان مدلی با تمرکز بر سرعت و پاسخ‌گویی روزمره معرفی شد و سپس دستیار هوش مصنوعی Muse توسعه یافت؛ محصولی که قرار است بتواند بخشی از کارهای شخصی و حرفه‌ای کاربران را به نمایندگی از آن‌ها انجام دهد.

اما برای اجرای وظایف پیچیده‌تر، یک مدل سریع و سبک به‌تنهایی کافی نیست. انجام پروژه‌ای چندساعته در یک مخزن بزرگ کد، بررسی اسناد متعدد، پیگیری یک پرونده بیمه یا تحلیل مجموعه‌ای از اطلاعات مالی به توانایی‌هایی فراتر از تولید یک پاسخ مناسب نیاز دارد. مدل باید هدف نهایی را درک کند، کار را به مراحل کوچک‌تر تقسیم کند، اطلاعات قبلی را به خاطر بسپارد، ابزارهای لازم را به کار بگیرد و در صورت بروز خطا مسیر دیگری را امتحان کند.

Muse Wonder و Muse Wonder Full برای پاسخ به همین نیاز توسعه یافته‌اند. متا اعلام کرده که این مدل‌ها بر پایه پیشرفت‌هایی در دو حوزه پیش‌آموزش یا Pretraining و یادگیری تقویتی یا Reinforcement Learning ساخته شده‌اند. این دو رویکرد نقش متفاوتی دارند: پیش‌آموزش به مدل کمک می‌کند الگوها و دانش عمومی را از داده‌های آموزشی یاد بگیرد، درحالی‌که یادگیری تقویتی می‌تواند رفتار مدل را در اجرای وظایف و رسیدن به نتایج مطلوب بهبود دهد.

متا همچنین می‌گوید مدل‌های جدید در مرکز داده Prometheus این شرکت آموزش دیده‌اند؛ زیرساختی که بخشی از سرمایه‌گذاری گسترده متا برای توسعه نسل بعدی سیستم‌های هوش مصنوعی محسوب می‌شود. بااین‌حال، جزئیات کامل معماری، حجم دقیق داده‌های آموزشی و تمام پارامترهای فنی این مدل‌ها هنوز در اطلاعات عمومی منتشرشده مشخص نشده است.

Muse Wonder و Muse Wonder Full چه تفاوتی دارند؟

متا دو نسخه از این خانواده را معرفی کرده است تا بتواند هم به توسعه‌دهندگانی که به یک مدل پیشرفته از طریق API نیاز دارند خدمات ارائه دهد و هم ابزار قدرتمندتری برای اجرای پروژه‌های پیچیده در اختیار کاربران حرفه‌ای قرار دهد.

Muse Wonder نسخه‌ای است که از طریق Meta Model API و سرویس Muse Code در دسترس قرار گرفته است. این مدل برای برنامه‌نویسی پیشرفته، استفاده از ابزارها، اجرای وظایف طولانی و انجام کارهایی طراحی شده که ممکن است به چندین مرحله تحلیل و اصلاح نیاز داشته باشند.

در مقابل، Muse Wonder Full نسخه قدرتمندتر این خانواده است که متا آن را برای گردش‌کارهای حساس‌تر و پیچیده‌تر توسعه داده است. این نسخه از طریق API عمومی عرضه نشده و دسترسی به آن به مشترکان واجد شرایط Muse Code محدود است. بنابراین، توسعه‌دهندگانی که قصد دارند مدل را مستقیماً در برنامه‌های خود ادغام کنند، فعلاً باید از Muse Wonder استفاده کنند؛ درحالی‌که نسخه Full برای کاربرانی در نظر گرفته شده که از محیط Muse Code استفاده می‌کنند.

هر دو مدل از پنجره زمینه یک‌میلیون‌توکنی پشتیبانی می‌کنند. چنین ظرفیتی به مدل اجازه می‌دهد حجم زیادی از متن، کد یا اطلاعات مرتبط را در یک فرایند پردازش کند؛ قابلیتی که برای بررسی مخازن نرم‌افزاری بزرگ، تحلیل اسناد طولانی و حفظ ارتباط میان مراحل مختلف یک پروژه اهمیت دارد. البته پنجره زمینه بزرگ به‌تنهایی تضمین نمی‌کند که مدل تمام جزئیات را همیشه به‌درستی به خاطر بسپارد یا در هر وظیفه‌ای عملکرد بهتری داشته باشد.

عملکرد در برنامه‌نویسی؛ جایی که متا بیشترین ادعا را دارد

یکی از مهم‌ترین حوزه‌هایی که متا روی آن تمرکز کرده، مهندسی نرم‌افزار است. تفاوت میان یک مدل معمولی و یک مدل مناسب برای پروژه‌های پیچیده برنامه‌نویسی را می‌توان در نوع وظایفی مشاهده کرد که از آن انتظار می‌رود انجام دهد.

نوشتن یک تابع کوتاه یا پاسخ‌دادن به پرسشی درباره یک زبان برنامه‌نویسی، معمولاً به یک مرحله تولید پاسخ محدود می‌شود. اما اصلاح یک پروژه واقعی ممکن است به بررسی صدها فایل، درک وابستگی میان بخش‌های مختلف، پیدا کردن منشأ خطا، تغییر چندین فایل و اجرای مکرر آزمون‌ها نیاز داشته باشد. در این وضعیت، مدل باید نه‌فقط کد تولید کند، بلکه بتواند نتیجه تغییرات خود را بررسی کند و در صورت شکست، مسیر دیگری را دنبال کند.

آزمون SWE-Marathon برای ارزیابی عملکرد مدل‌ها در پروژه‌های نرم‌افزاری طولانی‌مدت طراحی شده است. در نتایج منتشرشده برای Muse Wonder Full، این مدل به امتیاز ۵۷٫۵ درصد رسیده است؛ درحالی‌که امتیاز Claude Opus 5.5 برابر با ۴۶٫۳ درصد و امتیاز GPT-6 Astra برابر با ۴۲٫۵ درصد گزارش شده است. این فاصله نشان می‌دهد نسخه Full در شرایط ارزیابی این آزمون توانسته عملکرد قابل‌توجهی در حل مسائل نرم‌افزاری طولانی‌مدت نشان دهد.

در آزمون DeepSWE 1.1 نیز Muse Wonder Full امتیاز ۷۹ درصد را ثبت کرده است؛ در برابر ۷۴٫۲ درصد برای Claude Opus 5.5 و ۷۴٫۱ درصد برای GPT-6 Astra. این نتیجه بار دیگر به نفع مدل متا است، اما نباید از آن نتیجه گرفت که Muse Wonder در تمام وظایف برنامه‌نویسی برتر است. آزمون‌های مختلف مهارت‌های متفاوتی را می‌سنجند و نتایج آن‌ها به روش ارزیابی، میزان تلاش محاسباتی اختصاص‌یافته به مدل و شرایط اجرای آزمون وابسته است.

نکته مهم دیگر این است که اعداد بالا به نسخه Full مربوط می‌شوند. عملکرد Muse Wonder معمولی در بعضی آزمون‌ها پایین‌تر است؛ بنابراین نباید نتایج قوی‌تر نسخه اشتراکی را بدون تفکیک به تمام مدل‌های خانواده نسبت داد.

در حوزه حقوقی نیز متا به دنبال رقابت است

توانایی برنامه‌نویسی تنها معیار ارزیابی مدل‌های پیشرفته نیست. متا تلاش کرده Muse Wonder را برای فعالیت‌های تخصصی مانند تحلیل اسناد حقوقی، بررسی اطلاعات مالی و فهم داده‌های مرتبط با سلامت نیز توسعه دهد.

یکی از آزمون‌های مورد اشاره، Harvey LAB-AA است که توانایی مدل‌ها را در انجام وظایف مرتبط با کار حقوقی ارزیابی می‌کند. در نتایج گزارش‌شده، Muse Wonder Full امتیاز ۱۳٫۱ را کسب کرده است؛ درحالی‌که امتیاز GPT-6 Astra برابر با ۸٫۶ و Claude Opus 5.5 برابر با ۴٫۲ بوده است.

این نتیجه از برتری مدل متا در همان ارزیابی مشخص حکایت دارد، اما تفسیر آن نیازمند احتیاط است. عملکرد در یک بنچمارک حقوقی لزوماً به معنای توانایی جایگزینی وکیل، ارائه مشاوره حقوقی قابل اتکا در تمام حوزه‌های قضایی یا انجام مستقل یک پرونده واقعی نیست. ارزیابی‌های استانداردشده معمولاً بخش‌هایی از یک فعالیت تخصصی را می‌سنجند و ممکن است تمام محدودیت‌های دنیای واقعی را بازتاب ندهند.

بااین‌حال، این جهت‌گیری نشان می‌دهد متا قصد ندارد مدل جدید خود را صرفاً به‌عنوان یک ابزار برنامه‌نویسی معرفی کند. هدف شرکت، توسعه مدلی است که بتواند در محیط‌های حرفه‌ای با اسناد، اطلاعات و محدودیت‌های متعدد کار کند و از دل آن‌ها نتیجه‌ای قابل استفاده تولید کند.

آیا Muse Wonder واقعاً از همه رقبا بهتر است؟

خیر؛ و نتایج منتشرشده خود متا نیز چنین ادعایی را تأیید نمی‌کنند.

در شاخص Artificial Analysis Intelligence Index، Muse Wonder Full امتیاز ۵۶ را کسب کرده است؛ درحالی‌که امتیاز Claude Opus 5.5 برابر با ۵۸ گزارش شده است. در همین مقایسه، امتیازهای Claude Fable 5.1 و GPT-6 Astra برابر با ۵۳ بوده‌اند. بنابراین، مدل Full از دو مدل اخیر جلوتر است، اما پایین‌تر از Claude Opus 5.5 قرار می‌گیرد.

در آزمون‌های دیگری نیز مدل‌های رقیب پیشتاز هستند. برای مثال، در نتایج منتشرشده برای Terminal-Bench 4.0، Claude Opus 5.5 از Muse Wonder Full امتیاز بیشتری گرفته است. در ارزیابی‌های مرتبط با استفاده از رایانه و برخی وظایف تخصصی نیز نتیجه بسته به آزمون متفاوت است.

این تفاوت‌ها اهمیت زیادی دارند، زیرا در رقابت مدل‌های پیشرفته، یک عدد یا یک بنچمارک به‌تنهایی تصویر کاملی از توانایی مدل ارائه نمی‌کند. مدلی ممکن است در انجام وظایف طولانی برنامه‌نویسی بسیار قوی باشد، اما در استفاده از ابزارهای رایانه‌ای، تولید کد از ابتدا یا حل مسئله‌ای در حوزه‌ای دیگر عملکرد ضعیف‌تری داشته باشد.

از طرف دیگر، بخشی از امتیازهای مورد استناد متا از ارزیابی‌های داخلی شرکت به دست آمده‌اند. این موضوع به‌خودی‌خود به معنای نادرست بودن نتایج نیست، اما برای قضاوت مستقل باید روش آزمون، شرایط اجرا، نسخه دقیق مدل و نتایج ارزیابی‌های بیرونی نیز بررسی شوند.

در نتیجه، جمع‌بندی منصفانه این است که Muse Wonder Full در برخی حوزه‌های مشخص، به‌ویژه اجرای پروژه‌های طولانی و تعدادی از آزمون‌های برنامه‌نویسی، رقیبی جدی برای مدل‌های پیشرو محسوب می‌شود؛ اما شواهد موجود برای اعلام برتری مطلق آن کافی نیست.

حافظه فعال؛ مدلی که باید اطلاعات قبلی را به یاد بیاورد

یکی از قابلیت‌های مهم خانواده Muse Wonder، ویژگی‌ای است که متا آن را Active Memory یا حافظه فعال می‌نامد.

در یک گفت‌وگوی ساده، کاربر پرسشی مطرح می‌کند و مدل به آن پاسخ می‌دهد. اما در یک دستیار شخصی واقعی، اطلاعات لازم برای انجام کار ممکن است در چندین گفت‌وگوی مختلف پراکنده شده باشد. برای مثال، کاربر ممکن است در یک مکالمه درباره بودجه خود صحبت کند، در گفت‌وگویی دیگر ترجیحاتش را توضیح دهد و چند روز بعد از مدل بخواهد بر اساس همان اطلاعات برنامه‌ای تهیه کند.

حافظه فعال با هدف حل این مسئله طراحی شده است. طبق توضیحات متا، مدل می‌تواند اطلاعات مهم مربوط به کاربر را در مکالمات مختلف حفظ کند و هنگام انجام یک وظیفه، جزئیات مرتبط را دوباره بازیابی کند. هدف این نیست که تمام گفتگوها بدون تمایز ذخیره شوند؛ بلکه مدل باید تشخیص دهد کدام اطلاعات برای هدف فعلی اهمیت دارند.

متا برای ارزیابی این قابلیت به آزمون MemoryBench اشاره کرده است. بر اساس نتایج منتشرشده، خانواده Wonder در این حوزه عملکرد رقابتی دارد و در برخی مقایسه‌ها از مدل‌های رقیب جلو می‌افتد. بااین‌حال، باید توجه داشت که امتیاز یک آزمون حافظه به‌تنهایی کیفیت تجربه بلندمدت کاربران را تضمین نمی‌کند. در عمل، دقت بازیابی اطلاعات، تشخیص اطلاعات قدیمی یا متناقض و نحوه مدیریت داده‌های شخصی هم اهمیت دارند.

حافظه فعال می‌تواند در آینده برای دستیارهایی که وظایف تکرارشونده انجام می‌دهند بسیار کاربردی باشد؛ از برنامه‌ریزی پروژه‌ها گرفته تا مدیریت ترجیحات شخصی و پیگیری کارهایی که در چند مرحله انجام می‌شوند. البته همین قابلیت حساسیت بیشتری درباره حریم خصوصی ایجاد می‌کند، زیرا دستیار برای ارائه کمک شخصی‌تر ممکن است به اطلاعات بیشتری از زندگی و فعالیت‌های کاربر دسترسی پیدا کند.

تمرکز فعال؛ وقتی مدل نباید پس از اولین شکست متوقف شود

قابلیت دوم با نام Active Focus یا تمرکز فعال معرفی شده است. هدف این ویژگی آن است که مدل در مواجهه با یک وظیفه دشوار، صرفاً به اولین پاسخ یا راهکار خود اکتفا نکند.

فرض کنید از یک عامل هوش مصنوعی خواسته‌اید یک برنامه کاربردی بسازد. ممکن است نسخه اولیه کد با خطا مواجه شود، یکی از ابزارها درست کار نکند یا راه‌حل انتخاب‌شده نتواند تمام نیازمندی‌ها را پوشش دهد. یک سیستم ضعیف ممکن است در همین مرحله متوقف شود یا پاسخی ناقص تحویل دهد؛ اما یک عامل پیشرفته باید بتواند خطا را بررسی کند، روش دیگری را امتحان کند و تا رسیدن به نتیجه قابل قبول به کار ادامه دهد.

متا می‌گوید Active Focus برای همین منظور طراحی شده است. این قابلیت به مدل کمک می‌کند مسیرهای جایگزین را امتحان کند، با موانع اجرایی کنار بیاید، خود را با اطلاعات جدید تطبیق دهد و در مواقع ضروری از کاربر توضیح بیشتری بخواهد. همچنین، اگر انجام یک اقدام مهم نیازمند تأیید باشد، مدل باید پیش از ادامه از کاربر تأیید بگیرد.

این ویژگی زمانی اهمیت بیشتری پیدا می‌کند که هوش مصنوعی از یک چت‌بات به عاملی تبدیل شود که می‌تواند با ابزارها کار کند، در مرورگر فعالیت انجام دهد یا مراحل مختلف یک پروژه را پیش ببرد. در چنین شرایطی، کیفیت پاسخ اولیه دیگر معیار کافی نیست؛ مهم این است که عامل بتواند یک هدف را در طول زمان دنبال کند و در برابر خطاهای پیش‌بینی‌نشده انعطاف داشته باشد.

البته ادامه‌دادن یک کار همیشه به معنای بهتر انجام‌دادن آن نیست. یک مدل ممکن است با صرف زمان و منابع بیشتر همچنان به نتیجه نادرست برسد. بنابراین، توانایی اصلاح مسیر باید در کنار دقت نهایی، هزینه اجرا و میزان نیاز به نظارت انسانی ارزیابی شود.

پیوند با Muse؛ هدف نهایی فقط عرضه یک مدل نیست

معرفی Muse Wonder را باید در چارچوب برنامه بزرگ‌تر متا برای توسعه دستیارهای هوش مصنوعی شخصی بررسی کرد. این شرکت می‌خواهد مدل‌های جدید در آینده قدرت بیشتری به Muse بدهند؛ دستیار هوش مصنوعی‌ای که برای کمک به کاربران در انجام وظایف شخصی و حرفه‌ای طراحی شده است.

در این رویکرد، کاربر به‌جای اینکه برای هر مرحله از یک کار جداگانه دستور صادر کند، هدف خود را بیان می‌کند و عامل هوش مصنوعی تلاش می‌کند مراحل لازم را به ترتیب انجام دهد. برای نمونه، ممکن است از آن بخواهد اطلاعات مربوط به یک موضوع را جمع‌آوری کند، اسناد را بررسی کند، گزینه‌ها را مقایسه کند و در نهایت یک خروجی مشخص تحویل دهد.

متا همچنین روی توانایی استفاده از ابزارها و تعامل با محیط‌های نرم‌افزاری تأکید دارد. در صفحه توسعه‌دهندگان، این شرکت به قابلیت‌هایی مانند واگذاری بخش‌هایی از کار به عامل‌های فرعی، اجرای هم‌زمان چند ابزار و ادامه کار پس از بروز خطا اشاره می‌کند. این امکانات می‌توانند در پروژه‌هایی که به چندین مرحله پردازش نیاز دارند، مفید باشند.

بااین‌حال، متا هنوز تمام جزئیات زمان‌بندی عرضه گسترده قابلیت‌های مبتنی بر Wonder در دستیار Muse را اعلام نکرده است. شرکت گفته است این مدل در آینده ابتدا برای مشترکان Muse عرضه می‌شود و سپس برای توسعه تجربه‌های تخصصی‌تر مورد استفاده قرار خواهد گرفت.

این موضوع نشان می‌دهد که عرضه یک مدل قدرتمند تنها بخشی از رقابت است. شرکت‌ها باید آن را در محصولی قرار دهند که کاربران بتوانند به‌راحتی از آن استفاده کنند، به آن اعتماد داشته باشند و برای انجام کارهای واقعی به آن مراجعه کنند.

قیمت و نحوه دسترسی به مدل‌های جدید

متا Muse Wonder را از طریق Meta Model API و سرویس Muse Code عرضه کرده است. قیمت اعلام‌شده برای استفاده از API برابر با ۴ دلار به‌ازای هر یک میلیون توکن ورودی و ۲۰ دلار به‌ازای هر یک میلیون توکن خروجی است. توکن‌های ورودی به اطلاعاتی گفته می‌شود که به مدل ارسال می‌شوند و توکن‌های خروجی متنی است که مدل تولید می‌کند.

برای ورودی‌های ذخیره‌شده در حافظه نهان یا Cached Input نیز نرخ جداگانه‌ای اعلام شده است که برابر با ۰٫۲۰ دلار به‌ازای هر یک میلیون توکن است. این قابلیت می‌تواند در کاربردهایی که بخش زیادی از ورودی در درخواست‌های مختلف تکرار می‌شود، هزینه پردازش را کاهش دهد.

Muse Wonder Full در مقابل از طریق API در دسترس نیست و فقط در قالب اشتراک Muse Code ارائه می‌شود. متا این نسخه را در برنامه‌های Power Usage و Maximum Usage قرار داده است؛ بنابراین دسترسی به آن به نوع اشتراک کاربر بستگی دارد.

پنجره زمینه یک‌میلیون‌توکنی هر دو مدل نیز برای توسعه‌دهندگانی که با پروژه‌های بزرگ یا اسناد طولانی سروکار دارند، یک ویژگی مهم است. بااین‌حال، هزینه واقعی استفاده تنها به قیمت هر توکن وابسته نیست؛ حجم ورودی و خروجی، تعداد دفعات تلاش مجدد، میزان استدلال و مدت اجرای وظایف نیز می‌توانند بر هزینه نهایی تأثیر بگذارند.

امنیت و حریم خصوصی؛ چالش مهم دستیارهای هوشمند

هرچه یک مدل توانمندتر شود و بتواند وظایف بیشتری را به نمایندگی از کاربر انجام دهد، اهمیت امنیت آن نیز افزایش می‌یابد. یک دستیار شخصی ممکن است با پیام‌ها، تقویم، اسناد و اطلاعات مالی کاربر سروکار داشته باشد؛ بنابراین، توانایی انجام وظیفه باید با محدودیت‌های روشنی درباره دسترسی و استفاده از اطلاعات همراه باشد.

متا می‌گوید مدل‌های Wonder برای محافظت از اطلاعات خصوصی، مقاومت در برابر دستورهای خصمانه و کاهش خطر استفاده مخرب آموزش دیده‌اند. این شرکت همچنین به چارچوب ارزیابی ایمنی خود موسوم به Meta Superintelligence Scaling Framework اشاره می‌کند و می‌گوید مدل‌ها برای کاهش خطرهای مرتبط با حملات سایبری و سوءاستفاده‌های شیمیایی، زیستی، رادیولوژیکی و هسته‌ای تدابیری دارند.

بااین‌حال، در زمان معرفی مدل‌ها، متا اعلام کرده بود که گزارش کامل ارزیابی‌های ایمنی تکمیلی بعداً منتشر خواهد شد. در نتیجه، ادعاهای شرکت درباره ایمنی را باید در کنار گزارش‌های فنی، ارزیابی‌های مستقل و تجربه عملی کاربران بررسی کرد.

مسئله فقط جلوگیری از پاسخ‌های خطرناک نیست. عامل هوش مصنوعی باید تشخیص دهد چه زمانی اجازه دسترسی به اطلاعات را دارد، چه اطلاعاتی را نباید در اختیار ابزار یا شخص دیگری قرار دهد و چه اقداماتی پیش از اجرا به تأیید کاربر نیاز دارند. هرچه چنین عامل‌هایی توانایی بیشتری برای انجام کارهای واقعی پیدا کنند، اشتباه در این تصمیم‌ها نیز می‌تواند پیامدهای جدی‌تری داشته باشد.

آیا متا دوباره به جمع رهبران هوش مصنوعی بازگشته است؟

معرفی Muse Wonder و Muse Wonder Full نشان می‌دهد متا قصد دارد از مرحله عرضه مدل‌های عمومی و سبک فراتر برود و در بازار مدل‌های پیشرفته‌ای رقابت کند که برای اجرای کارهای پیچیده و طولانی طراحی شده‌اند. نتایج SWE-Marathon و DeepSWE، در کنار قابلیت‌های حافظه فعال و تمرکز فعال، نشان می‌دهند این خانواده در برخی از حوزه‌هایی که برای ساخت عامل‌های هوش مصنوعی اهمیت دارند، عملکرد قابل‌توجهی ارائه می‌کند.

اما بازگشت به جمع رهبران این صنعت تنها با چند نتیجه برجسته در جدول بنچمارک‌ها تعیین نمی‌شود. کیفیت واقعی یک مدل به عملکرد آن در طیف گسترده‌ای از وظایف، پایداری در اجرای پروژه‌های طولانی، هزینه استفاده، امنیت، توانایی استفاده از ابزارها و میزان اعتمادپذیری آن در شرایط واقعی وابسته است. اختلاف نتایج میان آزمون‌های مختلف نیز نشان می‌دهد که هیچ مدلی را نمی‌توان صرفاً بر اساس یک امتیاز، بهترین گزینه برای همه کاربردها دانست.

برای متا، چالش بعدی این است که توانایی‌های Muse Wonder را به تجربه‌ای قابل اعتماد در اختیار کاربران و توسعه‌دهندگان قرار دهد. اگر این شرکت بتواند مدل جدید را با دستیار Muse و ابزارهای برنامه‌نویسی خود به‌خوبی یکپارچه کند، مزیت آن صرفاً در رقابت با ChatGPT یا Claude نخواهد بود؛ بلکه در ایجاد دستیارهایی خواهد بود که می‌توانند اطلاعات قبلی را به خاطر بسپارند، کارهای پیچیده را دنبال کنند و بخشی از فعالیت‌های روزمره و حرفه‌ای را از ابتدا تا انتها پیش ببرند.

در نهایت، Muse Wonder را باید گامی جدی در رقابت متا برای توسعه مدل‌های پیشرو دانست، نه اثبات برتری همه‌جانبه این شرکت بر OpenAI و آنتروپیک. نتایج فعلی از قدرت این مدل‌ها در برخی وظایف مشخص حکایت دارند؛ اما ارزیابی‌های مستقل بیشتر و تجربه عملی کاربران مشخص خواهند کرد که این پیشرفت تا چه اندازه به مزیتی پایدار تبدیل می‌شود.

جمع‌بندی : 

معرفی خانواده Muse Wonder توسط متا فصل جدیدی از رقابت فشرده در میان غول‌های هوش مصنوعی را رقم زده است. این مدل‌ها با تمرکز بر مهندسی نرم‌افزار، حافظه فعال و پایداری در اجرای پروژه‌های طولانی، نشان دادند که آینده AI در گرو توانایی حل مسائل پیچیده به‌صورت خودکار است. اگرچه رقابت با OpenAI و آنتروپیک همچنان نفس‌گیر است، اما متا ثابت کرد که زیرساخت‌های کلان آن آماده تحولات بزرگ بعدی هستند.

———————————————————————————

• نکات کلیدی:

• معرفی دو مدل جدید Muse Wonder و Muse Wonder Full توسط متا برای رقابت مستقیم با مدل‌های پیشرو (Frontier Models).

• عملکرد درخشان نسخه Full در بنچمارک‌های مهندسی نرم‌افزار از جمله ثبت امتیاز ۵۷.۵ درصدی در SWE-Marathon و ۷۹ درصدی در DeepSWE 1.1.

• پشتیبانی از پنجره زمینه بزرگ یک‌میلیون‌توکنی برای تحلیل مخازن بزرگ کد و اسناد طولانی.

• بهره‌گیری از قابلیت «حافظه فعال» (Active Memory) برای حفظ و بازیابی ترجیحات و اطلاعات کاربران در مکالمات مختلف.

• معرفی ویژگی «تمرکز فعال» (Active Focus) جهت ادامه خودکار مسیر، اصلاح خطاها و امتحان راهکارهای جایگزین هنگام بروز مشکل.

• تفاوت نحوه دسترسی: نسخه استاندارد از طریق Meta Model API (با قیمت ۴ دلار ورودی و ۲۰ دلار خروجی به ازای هر میلیون توکن) و نسخه Full انحصاری مشترکان Muse Code.

• نکات تکمیلی:

• متا پیش‌تر با مدل سبک Muse Spark و دستیار Muse در بازار حضور داشت، اما خانواده Wonder گامی جدی برای مدیریت وظایف پیچیده و تخصصی است.

• علاوه بر برنامه‌نویسی، نسخه Full در ارزیابی‌های حقوقی (مانند بنچمارک Harvey LAB-AA) نیز امتیازهای بالاتری نسبت به رقبا ثبت کرده است.

• بخشی از امتیازهای استنادی متا حاصل ارزیابی‌های داخلی است و شاخص‌های ترکیبی مانند Artificial Analysis نشان می‌دهند مدل‌های رقیب در برخی حوزه‌ها همچنان پیشتاز هستند.

• استفاده از کش ورودی (Cached Input) با نرخ پایین‌تر (۰.۲۰ دلار به ازای هر میلیون توکن) برای کاهش هزینه‌های پردازشی تکراری پیش‌بینی شده است.

• نتیجه گیری:

معرفی خانواده Muse Wonder نشان می‌دهد متا با عزم جدی به میدان رقابت مدل‌های پیشرفته هوش مصنوعی بازگشته است. با وجود درخشش نسخه Full در بنچمارک‌های برنامه‌نویسی و قابلیت‌های نوین حافظه و تمرکز فعال، موفقیت پایدار متا به تجربه عملی کاربران، امنیت داده‌ها و یکپارچگی بی‌نقص این مدل‌ها در اکوسیستم دستیار Muse بستگی خواهد داشت.

• پرسش‌های تحقیقاتی بیشتر:

• مدیریت چالش‌های حریم خصوصی و امنیت داده‌ها در قابلیت «حافظه فعال» چگونه توسط متا تنظیم خواهد شد تا از افشای اطلاعات حساس جلوگیری شود؟

• آیا انحصاری بودن نسخه قدرتمندتر Muse Wonder Full برای مشترکان Muse Code می‌تواند توسعه‌دهندگان مستقل را به سمت پلتفرم‌های رقیب هدایت کند؟

• تأثیر اقتصادی قیمت‌گذاری ۴ دلاری ورودی و ۲۰ دلاری خروجی بر سودآوری استارتاپ‌های متکی بر این API چگونه ارزیابی می‌شود؟

• چگونه می‌توان مطمئن شد که ویژگی «تمرکز فعال» در مواجهه با خطاهای پیچیده منطقی دچار حلقه‌های تکرار بی‌پایان یا مصرف بیش از حد توکن نشود؟

• سخن پایانی نویسنده :

وقتی به روند پرشتاب متا در توسعه هوش مصنوعی نگاه می‌کنم، یاد روزهایی می‌افتم که خیلی‌ها فکر می‌کردند این غول شبکه‌های اجتماعی از رقابت مدل‌های زبانی بزرگ جا مانده است. اما معرفی Muse Wonder ثابت کرد که بازیگران بزرگ دنیای فناوری به این سادگی میدان را خالی نمی‌کنند. در ایران خودمان، اگرچه دسترسی مستقیم به زیرساخت‌های ابری و APIهای مدرن متا با چالش تحریم‌ها روبه‌روست، اما رصد این تحولات برای برنامه‌نویسان و استارتاپ‌های حوزه هوش مصنوعی حیاتی است. ما در اکوسیستم فناوری ایران نیازمند الگوبرداری از تمرکز بر مهندسی نرم‌افزار ایجنتی و حافظه‌های متنی ساختاریافته هستیم تا بتوانیم دستیارهای بومی کارآمدتری خلق کنیم. میدان رقابت سنگین‌تر از همیشه شده است!

منبع : معرفی رسمی Muse Wonder در وبلاگ پژوهشی متا

منبع :  Meta AI Research — Safety at the Frontier

منبع : صفحه رسمی قیمت‌گذاری و دسترسی به Muse Wonder

منبع : معرفی رسمی Muse Wonder و برنامه ادغام با Muse

 

در مجله سایبرلایف بخوانید