متا Muse Spark 1.3 را روز سه‌شنبه منتشر کرد، جدیدترین نسخه مدلی که عامل کدگذاری Muse Code و Meta Model API خود را تقویت می‌کند و گفت که این به‌روزرسانی عملکرد بهبود یافته‌ای را در بین وظایف نمایندگی و کدنویسی ارائه می‌دهد. این اطلاعیه که در وبلاگ تحقیقاتی هوش مصنوعی متا منتشر شده است، در حالی منتشر می‌شود که این شرکت تلاش می‌کند تا خط مدل خود را پس از یک سال رقابتی نگه دارد که در آن رقبای سیستم‌های سریع‌تر، ارزان‌تر و توانمندتر را با سرعتی بی‌امان تحویل می‌دادند. برای پوشش بیشتر فعالیت‌های هوش مصنوعی متا و چرخه گسترده‌تر [اخبار جدید هوش مصنوعی] (https://aibuzzwire.news)، این نشریه هر نسخه اصلی مدل را در هنگام فرود دنبال می‌کند.

آنچه متا می گوید جدید است

با توجه به پست وبلاگ متا، Muse Spark 1.3 به گونه‌ای طراحی شده است که با همکاری با کاربران و انجام چندین گردش کار در یک رشته طولانی، «بهتر کار با افق طولانی‌تر را حفظ کند». زمانی که هدفی باز تعیین می‌شود، این شرکت می‌گوید این مدل از ابزارهایی برای ایجاد زمینه خاص خود در منابع آشفته و متناقض استفاده می‌کند، به طور فعال شکاف‌های برنامه خود را تصحیح می‌کند و آنچه را که در راه رسیدن به یک محصول نهایی آموخته است، پیگیری می‌کند.

متا همچنین تاکید کرد که این مدل در مجموعه‌ای از مهارها آموزش داده شده است تا به محیط‌های مختلف عامل تعمیم داده شود - داربست ابزارها، حافظه و حلقه‌های بازخوردی که وقتی یک مدل را به عنوان یک عامل به جای یک ربات چت عمل می‌کند، احاطه می‌کند.

ساخته شده برای همکاری، نه فقط پاسخ دادن

یک موضوع تکراری در اعلامیه همکاری است. متا می‌گوید Muse Spark 1.3 وقتی درخواست‌ها مبهم هستند، سؤالات شفاف‌سازی می‌پرسد، وقتی کاربر گیر می‌کند با او تماس می‌گیرد و قبل از انجام اقدامات بعدی تأیید می‌کند. در کارهای طولانی، این مدل با تنظیمات برگزیده کاربر سازگار می شود، یا به روز رسانی های مکرر پیشرفت را ارائه می دهد یا در پس زمینه بی سر و صدا کار می کند.

این شرکت همچنین می‌گوید که این مدل دستورالعمل‌های پیچیده و طولانی را با اطمینان‌تر از مدل‌های قبلی Muse Spark دنبال می‌کند و نیازهای دقیق را در کارهای چند مرحله‌ای بدون حذف محدودیت‌ها یا دور شدن از جریان کاری درخواستی حفظ می‌کند.

آگاهی بهتر از محدودیت های خود

متا پیشرفت هایی را در مورد آنچه که می توان خودشناسی کالیبره شده نامید، برجسته کرد. شرکت نوشت، این مدل آموزش دیده بود تا "احساس بهتری از آنچه می‌تواند و نمی‌تواند انجام دهد، چه می‌داند و چه چیزی نمی‌داند، و زمانی که به جای نتایج توهم‌آور به موانع برخورد می‌کند" داشته باشد. چندوظیفگی نیز توجه ویژه‌ای را به خود جلب کرده است: این مدل اکنون با دقت بیشتری اعلان‌های دریافتی را به وظیفه صحیح در زمینه‌های کثیف و تک رشته‌ای ترسیم می‌کند، حتی زمانی که کاربر درخواست‌های قبلی را قطع می‌کند یا به گذشته هدایت می‌کند.

از طریق Muse Code و Meta Model API منتشر شود

Muse Spark 1.3 بلافاصله در Muse Code، عامل برنامه‌نویسی مبتنی بر ترمینال متا و از طریق Meta Model API منتشر می‌شود. یک هشدار قابل توجه: حالت‌های استدلالی که قبلاً در دسترس بود، امروز فعال هستند، اما متا گفت که «حداکثر استدلال» تنها «در مدت کوتاهی پس از اتمام تست‌های ایمنی اضافی» وارد خواهد شد.

این تصمیم برای ایجاد حالتی در پشت بررسی ایمنی، الگوی قابل مشاهده در صنعت را در ماه‌های اخیر بازتاب می‌دهد، زیرا آزمایشگاه‌ها به طور فزاینده‌ای توانمندترین پیکربندی‌های خود را در حالی که ارزیابی‌ها انجام می‌دهند، متوقف می‌کنند. متا کل انتشار را به عنوان گامی به سمت "ابر هوش شخصی" توصیف کرد، جاه طلبی که مارک زاکربرگ از زمان سازماندهی مجدد تلاش های تحقیقاتی خود در سال گذشته در مرکز استراتژی هوش مصنوعی شرکت قرار داده است.

توجه اولیه از سوی توسعه دهندگان

انتشار فوراً توجه خود را در هکر نیوز به خود جلب کرد، جایی که این داستان در عرض چند ساعت صدها رأی مثبت را جمع آوری کرد. توسعه دهنده Simon Willison معیار مرسوم پلیکان روی دوچرخه SVG خود را در برابر مدل جدید اجرا کرد و گزارش داد که Muse Spark 1.3 با هزینه تقریباً چهار سنت در هر اجرا، نتیجه قابل توجهی بهتر از 1.2 ایجاد کرد.

بررسی سریع جامعه نشان می دهد که چقدر مخاطبان این نسخه ها به طور چشمگیری بالغ شده اند. Muse Code خود تنها در اوایل آگوست راه‌اندازی شد و توسط Muse Spark 1.2 ارائه شد و توسعه‌دهندگان از آن زمان این سیستم را روی همه چیز از مهندسی معکوس باینری‌های بازی قدیمی گرفته تا رفع اشکال روزمره قرار داده‌اند. نظر دهندگان Hacker News 1.3 را به خوبی با نسخه قبلی خود مقایسه کردند، در حالی که دیگران خاطرنشان کردند که بسته به وظیفه بین مدل های متا و رقبای مانند GLM-5.3-Flash حرکت کرده اند.

تصویر رقابتی

زمینه پیرامون انتشار به اندازه تغییرات مهم است. گوگل این هفته Gemini 3.8 Flash و یک نسخه همراه با محوریت سایبری را روانه بازار کرد - همانطور که Ars Technica اشاره کرد، سومین مدل کلاس Flash خود در تقریباً شش هفته گذشته - در حالی که OpenAI همچنان با حماسه عمومی در مورد مدل Astra خود دست و پنجه نرم می کند. در مقابل این پس‌زمینه، متا Muse Spark 1.3 را به‌عنوان یک نیروی کار عملی و عاملی به‌جای یک رهبر معیار جستجوگر سرفصل، قرار می‌دهد.

اینکه آیا بهبودها کافی هستند یا خیر، در ارزیابی‌های Meta که در کنار مدل منتشر شده و در نهایت در دست توسعه‌دهندگانی که ماه گذشته را صرف تست استرس Muse Code کرده‌اند، تصمیم‌گیری خواهد شد. این شرکت قول ارائه گزارش همراه با جزئیات ارزیابی های خود را داد و گفت که حالت های استدلالی توانمندتر از آن عقب تر هستند.

در حال حاضر، پیام متا ساده است: مدلی که برای نوشتن کد و اجرای عوامل استفاده می‌کنید، در بخش‌های غیرمعمول کار بهتر شده است - حفظ زمینه، تصحیح برنامه‌های خود و دانستن زمان درخواست کمک.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →