Meta Superintelligence Labs представила дві нові моделі штучного інтелекту — Muse Wonder і Muse Wonder Full. Як повідомляє TechCrunch, компанія позиціонує їх як свої перші передові моделі, здатні конкурувати з найпотужнішими рішеннями інших розробників.
Що відомо про нові ШІ-моделі Meta
Muse Wonder і Muse Wonder Full стали наступним етапом розвитку сімейства моделей Muse.
Нові моделі мають більший масштаб і, за даними Meta, демонструють кращі результати під час виконання складних завдань, зокрема програмування. У власних тестах компанії Muse Wonder і Muse Wonder Full показали результати, порівнянні з Fable 5.1 та GPT-6 Astra.
Однією з головних особливостей моделей стала функція Active Memory — активна пам’ять. Вона дозволяє ШІ зберігати важливу інформацію та використовувати її в подальшій роботі. Це особливо важливо для персональних ШІ-помічників, які виконують завдання протягом тривалого часу.
«Ми доклали величезних зусиль, щоб ваша модель могла пам’ятати те, що важливо для вас, протягом днів, тижнів, місяців і навіть довше», — сказала Кав’я Коппарапу, наукова співробітниця Meta.
Скільки коштуватиме використання Muse Wonder
Meta відкриє доступ до Muse Wonder через власний інтерфейс для розробників Meta Model API.
Вартість використання становитиме $4 за мільйон вхідних токенів і $20 за мільйон вихідних токенів.
Ціна Muse Wonder приблизно відповідає вартості використання GPT-6 Sol або Opus 5.5.
Muse Wonder Full буде доступна лише передплатникам Muse Code. Використовувати цю модель через API не можна.
Обидві моделі також використовуватимуться для роботи ШІ-агента Muse.
Meta розраховує, що нові можливості пам’яті допоможуть її агентам краще виконувати тривалі завдання та враховувати інформацію з попередніх взаємодій.
Як Meta розвиває власні ШІ-моделі
Muse Wonder і Muse Wonder Full стали першими передовими моделями Meta після реорганізації ШІ-напряму в серпні 2025 року. Відтоді компанія представила полегшену модель Muse Spark і ШІ-агента Muse, а тепер випустила потужніші моделі для виконання складних і тривалих завдань.
Водночас реальні можливості нових моделей поза внутрішніми тестами Meta ще потребують оцінювання.
