Společnost Meta vsadila svůj nárok na hranici umělé inteligence v pondělí uvedením série Muse Wonder, dvou modelů, o kterých společnost říká, že jsou nejschopnější, jaké kdy postavila. Oznámení zveřejněné na výzkumném blogu Meta 12. října představuje Muse Wonder a Muse Wonder Full jako nejmodernější systémy pro osobní a profesionální agentní úkoly a rámuje je jako další krok na „škálovacím žebříčku“ směrem k tomu, co Meta nazývá osobní superinteligence.
Vydání završuje čtrnáctiměsíční transformaci organizace AI společnosti Meta. Podle agentury Bloomberg Meta říká, že nový model Muse dosahuje hranice umělé inteligence po 14měsíčním tlaku, zatímco The New York Times pokryly oznámení jako odhalení nové řady pokročilých modelů umělé inteligence. Vlastní blogový příspěvek Meta popisuje tento oblouk přímo: před čtrnácti měsíci společnost zahájila zásadní revizi svého úsilí o umělou inteligenci a říká, že nyní přešla „od přestavby našeho zásobníku od prvních principů k posouvání hranic“. Pro každého, kdo sleduje širší závod mezi hlavními laboratořemi, je to zatím nejjasnější signál, že Meta hodlá soutěžit na nejvyšší úrovni – a zbytek reakce odvětví můžete sledovat v našem průběžném zpravodajství o AI.
Co Meta ve skutečnosti oznámila
Série Muse Wonder se skládá ze dvou modelů. Muse Wonder je dnes k dispozici prostřednictvím Meta Model API a prostřednictvím Muse Code, programovacího nástroje Meta. Muse Wonder Full, schopnější varianta, je dnes k dispozici pro předplatitele Muse Code.
Meta tuto dvojici popisuje jako „naše nejschopnější modely, které poskytují nejmodernější výkon v osobních a profesionálních agentských úkolech“. Prakticky to znamená, že je to staví méně jako chatboty a více jako systémy navržené k provádění vícekrokové práce jménem uživatele: sledování kontextu, sledování cílů během dlouhých sezení a vytváření hotových výstupů.
Společnost také uvedla, jak se modely dostanou k uživatelům. Muse Wonder brzy rozšíří zážitky v Muse, pomocném produktu Meta, který bude k dispozici jako první pro předplatitele. Bude také řídit generování artefaktů a další procesy, které Meta popisuje jako vyžadující více inteligence. A při pohledu dále dopředu Meta říká, že plánuje použít Muse Wonder k vývoji specializovaných modelů, které může přinést všem uživatelům Muse.
Aktivní paměť a aktivní zaměření
Oznámení ukotvují dva koncepty a oba se zaměřují na režimy selhání, které mají omezené nasazení agentů v reálném světě.
První je aktivní paměť. Ve formulaci Meta potřebují užiteční osobní a profesionální agenti spolehlivě přenášet důležitý kontext o uživateli napříč konverzacemi a aktivně získávat podrobnosti relevantní pro daný úkol – například rozpoznat, když se něco, o čem se uživatel zmínil před týdny, stane materiálem pro dokument, který se dnes připravuje. Paměť byla jedním z nejtrvalejších slabých míst pro produkty pro asistenty a Meta z ní výslovně činí hlavní funkci spíše než vedlejší funkci.
Druhým je Active Focus, který popisuje, jak model udržuje úsilí o dosažení náročného cíle. Soustředěný agent, jak říká Meta, zkouší alternativní přístupy, když je zablokován, pracuje přes překážky, přizpůsobuje se novým informacím, když přicházejí, v případě potřeby žádá o vysvětlení a před provedením důležitých akcí se s uživatelem spojí. Trvalé provádění ve více krocích – nejen zodpovězení jediné otázky – je laboratoř na hranici schopností stále více považována za skutečnou dělicí čáru mezi ukázkami a spolehlivými produkty.
Srovnávací hodnoty: Zákon, zaměření a kódování maratonu
Meta říká, že série dosahuje nejmodernějších výsledků napříč klíčovými benchmarky pro osobní a profesionální agenty, paměť a kódování, a společnost vydala spolu s oznámením úplnou hodnotící zprávu.
Tři pojmenované benchmarky dávají tušit, kam Meta soustředí svůj oheň. Harvey's Legal Agent Benchmark (LAB) testuje, zda modely dokážou pracovat se zdrojovými dokumenty, a podle podrobných instrukcí produkují hotové produkty legální práce – sadu úloh, která se používá při hodnocení v celém odvětví, včetně konkurenčních laboratoří. FocusBench měří trvalé zaměření a SWE-Marathon testuje, zda model může dělat užitečnou práci na dlouhodobých softwarových projektech, spíše než na postupující izolované hádanky s kódováním. Hodnocení společnosti Meta také zahrnují úkoly v oblasti práva, financí a zdraví, což odráží názor společnosti, že Muse Wonder může aplikovat specializované znalosti na problémy, s nimiž se lidé setkávají v práci a v každodenním životě, od pochopení leasingu po pochopení finančních nebo zdravotních informací.
Školení v Gigawatt Scale
Infrastruktura je tichý příběh za spuštěním. Meta říká, že oba modely byly vyškoleny ve společnosti Prometheus, kterou společnost popisuje jako své datové centrum v gigawattovém měřítku. Na detailech záleží, protože hraniční tréninky se staly stejně tak energetickou a logistickou jako výzkumnou a jen málo společností na světě má kapitál a fyzickou stopu, aby provozovaly výpočetní techniku v takovém měřítku.
To také zdůrazňuje strategickou sázku, kterou Meta dělá. Blog společnosti spojuje vydání s „předvídatelným, přísným škálováním“, což je přístup, který, jak říká, stanovil, když představil Muse Spark, a prezentuje Muse Wonder jako odměnu za tuto disciplínu: předtrénink a posilovací učení, které se spojilo do jejích dosud nejschopnějších modelů.
Konkurence a kontext
Start přistává v přeplněném okamžiku. Rivalové, jako jsou OpenAI, Anthropic a Google, strávili minulý rok dodávkou svých vlastních hraničních systémů a systémů zaměřených na agenty a fráze „hraniční model“ se stala sporným územím – tvrdí to každá laboratoř a nezávislá hodnocení zpožďují vydání o týdny. Nyní, když je přístup k API aktivní, bude tvrzení Meta získat skutečný test na veřejných žebříčcích a v rukou vývojářů.
Za pozornost stojí také regulační a platformní kontext. Začátkem tohoto měsíce jsme informovali o tom, že Amazon zablokoval agenta Meta's Muse, protože webové stránky stále více odrážejí agenty AI, což je spor, který tlačil průmysl k diskusi o otevřených standardech přístupu agentů k webu. Důraz Muse Wonder na agentní schopnosti zajišťuje, že tyto třecí plochy na platformě spíše zesílí, než zmizí.
A konečně, rámování „osobní superinteligence“ je záměrnou ozvěnou veřejného postavení Marka Zuckerberga, které jsme zkoumali, když publikoval svůj manifest superinteligence a argumentoval pro to, aby přední modely zůstaly uzavřené. Muse Wonder je prvním velkým produktovaným důkazem této teze.
Na co se podívat dále
O tom, zda se debut Muse Wonder promítne do odolné půdy, rozhodnou tři věci. Zaprvé, nezávislá replikace benchmarku: Čísla Meta se hlásí sama a historie naznačuje, že ověření hraničních nároků nějakou dobu trvá. Za druhé, reálná spolehlivost aktivní paměti, funkce, která s největší pravděpodobností odlišuje produkt při každodenním používání. Za třetí, jak rychle se Muse Wonder zavádí napříč aplikacemi Meta, protože distribuce miliardám uživatelů zůstává výhodou, které se žádný konkurent nevyrovná.
