ИИтог

Meta выпустила Muse Wonder и Muse Wonder Full: модели для агентных задач

моделиРедакция ИИтогHacker News🔥86Рейтинг ИИтог86Влияние80Новизна72Релевантность100Неожиданность55Участники95Достоверность85

Meta представила серию Muse Wonder: две модели, Muse Wonder и Muse Wonder Full. Компания называет их своими самыми мощными моделями, которые, по её словам, показывают результаты уровня state-of-the-art (лучшие на сегодня) в персональных и рабочих агентных задачах. В Meta это описывают как следующую ступень «лестницы масштабирования» и крупный шаг к «персональному сверхинтеллекту». Центральные функции серии, Active Memory (активная память) и Active Focus (активный фокус): они должны помогать модели отслеживать то, что важно пользователю, и последовательно добиваться поставленной цели.

Доступность. Muse Wonder уже доступна через Meta Model API и Muse Code, а Muse Wonder Full, подписчикам Muse Code. В ближайшее время Muse Wonder начнёт работать в продукте Muse, сначала для подписчиков. Кроме того, Meta планирует использовать её для генерации артефактов, для процессов, которым нужно больше интеллекта, и в будущем, для создания специализированных моделей для всех пользователей Muse.

Контекст. Meta пишет, что четырнадцать месяцев назад начала перестройку своих ИИ-разработок с нуля: сначала пересобрала стек «с первых принципов», а теперь, по её словам, выходит на передний край. Обе модели обучались на гигаваттном по масштабу дата-центре Prometheus; релиз опирается на работу, проделанную при предобучении и обучении с подкреплением, и объединяет усилия команд по всей компании.

Четыре области, которые Meta разбирает подробнее. Первая, профессиональная экспертиза: оценки включают задачи по праву, финансам и здоровью, например Legal Agent Benchmark (LAB) компании Harvey, где модель должна работать с исходными документами и по подробным инструкциям готовить юридические материалы. Вторая, Active Memory: перенос важного контекста о пользователе между разговорами и активный поиск деталей, нужных для текущей задачи. Третья, Active Focus: способность упорно идти к трудной цели, пробуя альтернативные подходы, преодолевая препятствия и адаптируясь к новой информации; при необходимости модель уточняет задачу и согласовывает важные действия. Фокус оценивают через FocusBench, а устойчивое выполнение, через SWE-Marathon, который проверяет работу над долгими программными проектами. Четвёртая, программирование: обе модели обучали на разнообразных долгих задачах, чтобы они не теряли прогресс при многократных циклах тестирования и правок.

Обобщение на незнакомые задачи. Meta рассуждает о том, что две модели с похожими баллами в бенчмарках могут сильно отличаться по широте возможностей, на это намекают жалобы на «benchmaxxing» (подгонку под бенчмарки) и похвала «big model smell» (ощущение «большой модели»). Чтобы это измерить, компания сопоставила Muse Spark 1.3 и Muse Wonder Full: по одной оси, результат на задачах, на которые целились при дообучении, по другой, средний результат на задачах, на которые не целились, при росте вычислений на этапе вывода. Обе модели улучшаются на незнакомых задачах схожим образом, но при той же результативности на знакомых задачах Muse Wonder Full, по словам Meta, справляется с незнакомыми лучше, чем предсказывает тренд Muse Spark 1.3. Причину компания видит в более крупных и сильных базовых моделях.

Безопасность. Meta подчёркивает, что персональный агент может иметь доступ к сообщениям, календарям и личным документам, поэтому модель должна осторожно обращаться с частной информацией и сопротивляться злоупотреблениям. Muse Wonder, по заявлению компании, получила самые сильные на сегодня защитные меры против злоупотреблений в области химического, биологического, радиологического и ядерного оружия (CBRN) и в кибербезопасности при сохранении доступа к передовым киберспособностям для защиты, а также названа самой «согласованной» (aligned) моделью Meta. Полный отчёт с дополнительными оценками безопасности обещан «в ближайшее время».

Ключевые факты

  • Meta выпустила серию Muse Wonder из двух моделей, Muse Wonder и Muse Wonder Full, которые называет самыми мощными для персональных и профессиональных агентных задач.
  • Muse Wonder доступна через Meta Model API и Muse Code, Muse Wonder Full, подписчикам Muse Code; в продукте Muse Wonder появится позже, сначала у подписчиков.
  • Обе модели обучены на гигаваттном по масштабу дата-центре Prometheus; ключевые функции, Active Memory и Active Focus.
  • Заявленные Meta лучшие результаты (state-of-the-art) по агентам, памяти и программированию опираются на собственные оценки; цифры в тексте не приведены.
  • Meta утверждает, что Muse Wonder Full лучше, чем предсказывает тренд Muse Spark 1.3, справляется с незнакомыми задачами, и обещает отчёт по безопасности «в ближайшее время».

Почему это важно

Meta показывает, что перестройка ИИ-направления, начатая четырнадцать месяцев назад, дала новую линейку моделей под агентные задачи: компания называет Muse Wonder следующей ступенью после Muse Spark. Акцент сделан не на чат, а на агентах, которые помнят контекст пользователя между разговорами (Active Memory) и долго работают над сложной целью (Active Focus). Отдельно Meta подчёркивает, что бенчмарки в нескольких областях не отражают всей широты возможностей модели, и приводит собственное сравнение с Muse Spark 1.3. Всё это, заявления самой компании.

Кому это важно

Разработчикам, которые могут получить доступ через Meta Model API и Muse Code, и подписчикам Muse Code, которым доступна Muse Wonder Full. Пользователям продукта Muse: Muse Wonder придёт туда позже, сначала для подписчиков. Тем, кто следит за конкуренцией на рынке передовых моделей: Meta утверждает, что серия лидирует в бенчмарках по агентам, памяти и программированию, хотя конкретные конкуренты в тексте не названы.

Как это применить

Muse Wonder можно использовать уже сейчас через Meta Model API и Muse Code; Muse Wonder Full, для подписчиков Muse Code. Из описания следует, что модель ориентирована на длинные задачи: работу с документами (право, финансы, здоровье), программные проекты от небольших приложений до сложных систем и сценарии, где нужна память о пользователе. Цены, лимиты и условия подписки в тексте не указаны, как и различия между Muse Wonder и Muse Wonder Full.

Можно ли доверять

Источник, собственный исследовательский блог Meta, то есть это самоописание разработчика. Результаты в бенчмарках, собственные оценки компании; независимой проверки в тексте не названо. Таблицы и графики с результатами в тексте отсутствуют, поэтому числовых значений здесь нет. Полный отчёт по безопасности пока не опубликован, он обещан «в ближайшее время».

Риски и подводные камни

Сама Meta отмечает, что персональный агент может работать с сообщениями, календарями и личными документами, поэтому от модели требуются осмотрительность с частной информацией и устойчивость к злоупотреблениям. Заявления о «самых сильных защитных мерах» и о том, что это «наиболее согласованная модель», пока опираются только на слова компании и ещё не подкреплены полным отчётом. Сроки выхода в Muse и публикации отчёта обозначены лишь словом «скоро». Утверждение об улучшении на незнакомых задачах основано на внутреннем сравнении с Muse Spark 1.3.

«Две модели часто показывают похожие результаты в бенчмарках, но одна, кажется, справляется с гораздо более широким кругом незнакомых задач.»

— Meta, блог Muse Wonder

Компания Meta Platforms признана экстремистской организацией, её деятельность на территории РФ запрещена.