Meta បានណែនាំ Muse Ember កាលពីថ្ងៃច័ន្ទ ដែលជាគំរូតូចបំផុត និងមានប្រសិទ្ធភាពបំផុតនៅក្នុងគ្រួសារ Muse របស់ខ្លួន សំដៅលើការងារធម្មតាដែលភ្នាក់ងារ AI អនុវត្តពេញមួយថ្ងៃ៖ ការហៅឧបករណ៍ កិច្ចការរងការសរសេរកូដ ការកំណត់ផ្លូវ ការស្រង់ចេញ និងការញែកឯកសារវែងៗ។ គំរូនេះបានផ្សាយបន្តផ្ទាល់នៅលើ Meta Model API នៅតម្លៃ 0.10 ដុល្លារក្នុងមួយលានសញ្ញាសម្ងាត់បញ្ចូល និង 0.50 ដុល្លារក្នុងមួយលាននិមិត្តសញ្ញាទិន្នផល។

យោងតាមការប្រកាសរបស់ Meta ក្រុមហ៊ុន Muse Ember ផ្តល់នូវភាពវៃឆ្លាតក្នុងមួយដុល្លារច្រើនជាង Claude Haiku 5.5 ឬ GPT-6 Luna នៅការកំណត់ហេតុផលណាមួយ។ ក្រុមហ៊ុននិយាយថាម៉ូដែលនេះត្រូវគ្នានឹងពិន្ទុល្អបំផុតរបស់ Haiku 5.5 ប្រហែលមួយភាគបីនៃការចំណាយ ហើយបានយកឈ្នះរាល់ការកំណត់ Luna ដោយដាក់វានៅលើព្រំដែនប្រសិទ្ធភាពនៃតារាងពិន្ទុនៃការវិភាគសិប្បនិម្មិត ដែលគ្មានគំរូណាមួយទទួលបានពិន្ទុខ្ពស់ជាងសម្រាប់ប្រាក់តិចក្នុងមួយកិច្ចការ។ For more context on this story, see our ongoing latest AI developments.

គំរូដែលបង្កើតឡើងសម្រាប់កិច្ចការរងរបស់ភ្នាក់ងារ

ទីលានរបស់ Meta គឺថាភ្នាក់ងារទំនើបចំណាយភាគច្រើននៃសញ្ញាសម្ងាត់របស់ពួកគេលើជំហានតូចៗជាច្រើនដែលមានរចនាសម្ព័ន្ធជាជាងចម្លើយដ៏ធំមួយ ហើយ Muse Ember ត្រូវបានវិស្វកម្មសម្រាប់បន្ទុកការងារនោះ។ ក្រុមហ៊ុនពណ៌នាអំពីគំរូដែលអាចអនុវត្តលំហូរការងារអាជីវកម្មដល់ទីបញ្ចប់ ទាញកំណត់ត្រា ហៅឧបករណ៍តាមលំដាប់លំដោយ និងការធ្វើបច្ចុប្បន្នភាពប្រព័ន្ធតាមកម្មវិធីនានា។

វិនដូបរិបទគឺមិនធម្មតាសម្រាប់ថ្នាក់គំរូនេះ។ Muse Ember ទទួលយកនិមិត្តសញ្ញាបញ្ចូលរហូតដល់ 1 លាន ហើយអាចផលិតបានរហូតដល់ 512,000 output tokens ក្នុងការហៅតែមួយ វាគ្រប់គ្រាន់ក្នុងការបញ្ចូល codebase ពេញលេញ ឬឯកសារធំដែលបានកំណត់ក្នុងពេលតែមួយ។

ពិន្ទុគោល៖ ពិន្ទុខ្លាំង គម្លាតគួរឱ្យកត់សម្គាល់មួយ។

លេខចំណងជើងបានមកពីទិន្នន័យការវិភាគសិប្បនិម្មិតចុះថ្ងៃទី 9 ខែវិច្ឆិកា ឆ្នាំ 2026 ដែលផលិតឡើងវិញនៅក្នុងសេចក្តីប្រកាសរបស់ Meta ។ នៅលើសន្ទស្សន៍វៃឆ្លាតវិភាគសិប្បនិម្មិត Muse Ember ទទួលបានពិន្ទុ 33.9 នៅ $0.116 ក្នុងមួយកិច្ចការ និង 35.8 នៅ $0.136 ក្នុងមួយភារកិច្ចឆ្លងកាត់ការកំណត់ហេតុផលខ្ពស់បំផុតរបស់វា។ លទ្ធផលល្អបំផុតរបស់ Claude Haiku 5.5 គឺ 36.2 ប៉ុន្តែវាមានតម្លៃ 0.411 ដុល្លារក្នុងមួយកិច្ចការ ប្រហែលបីដងច្រើនជាង។ GPT-6 Luna ឡើងដល់កំពូលនៅ 27.8 ។ នៅលើសន្ទស្សន៍រួមនៅអតិបរិមានៃហេតុផល Muse Ember និង Haiku 5.5 បានចងនៅ 36 ជាមួយនឹង Luna នៅ 28 ។

លទ្ធផលកម្រិតការងារបង្ហាញគំរូដូចគ្នា៖

  • នៅលើ Terminal-Bench 4.0 ដែលវាស់វែងការសរសេរកូដរបស់ភ្នាក់ងារភ្នាក់ងារ Muse Ember ទទួលបានពិន្ទុ 40.9 នៅការវែកញែកអតិបរមា នាំមុខ Claude Haiku 5.5 នៅ 39.2 និងឆ្ងាយពី GPT-6 Luna នៅ 16.4។
  • នៅលើ AutomationBench-AA ដែលជាស្តង់ដារដំណើរការអាជីវកម្មពីចុងដល់ចប់ដែលទទួលបានពិន្ទុយ៉ាងតឹងរឹង pass@1, Muse Ember បានឈានដល់ 37.8 ធៀបនឹង 20.2 សម្រាប់ GPT-6 Luna និង 13.9 សម្រាប់ Claude Haiku 5.5 ។
  • នៅលើ ការប្រឡងចុងក្រោយរបស់ភ្នាក់ងារ ការវាយតម្លៃផ្ទៃក្នុងមេតានៃភារកិច្ចភ្នាក់ងារពីចុងដល់ចប់នៅលើសំណុំរងលីនុច Muse Ember ទទួលបានពិន្ទុ 61.6 នាំមុខ Luna នៅ 57.1 និង Haiku 5.5 នៅ 57.0 ។
  • នៅលើ Meta's Personal Superintelligence Index ដែលជាសមាសធាតុផ្ទៃក្នុងនៃការងារផ្ទាល់ខ្លួន និងចំណេះដឹង Muse Ember ទទួលបានពិន្ទុ 46.8 ធៀបនឹង 37.0 សម្រាប់ Luna និង 36.1 សម្រាប់ Haiku 5.5 ។
  • នៅលើ OSWorld 2.1 ដែលជាស្តង់ដារប្រើប្រាស់កុំព្យូទ័រលើកម្មវិធីកុំព្យូទ័រលើតុ Muse Ember ទទួលបានពិន្ទុ 69.5 ក្នុងការប្រកួតដោយផ្នែក និង 27.8 ក្នុងពិន្ទុគោលពីរ។
  • នៅលើ PerceptionBench ជាមួយនឹងឧបករណ៍ ការធ្វើតេស្តការយល់ឃើញដែលមើលឃើញយ៉ាងល្អិតល្អន់ Muse Ember បានដឹកនាំជាមួយនឹង 80.6 ទល់នឹង 78.6 សម្រាប់ Haiku 5.5 និង 62.8 សម្រាប់ Luna ។

មានគម្លាតមួយដែលត្រូវដាក់ទង់។ នៅលើ FrontierCode 2.0-AA ដែលវិនិច្ឆ័យកិច្ចការវិស្វកម្មពិតប្រាកដថាតើលេខកូដលទ្ធផលអាចបញ្ចូលគ្នាបានដែរឬទេ Claude Haiku 5.5 បានដឹកនាំនៅ 34.9 ជាមួយនឹង Muse Ember នៅ 27.2 និង GPT-6 Luna នៅ 25.2។ វា​ជា​ការ​រំលឹក​ថា​តារាង​ពិន្ទុ​ខុសគ្នា ហើយ​ក្រុម​គួរតែ​ផ្គូផ្គង​គំរូ​ទៅនឹង​បន្ទុក​ការងារ​ជាក់ស្តែង​របស់ពួកគេ ជាជាង​តារាង​ពិន្ទុ​តែមួយ។

តើលេខប្រសិទ្ធភាពមានន័យដូចម្តេច

តម្លៃក្នុងមួយកិច្ចការគឺជាកន្លែងដែល Meta កំពុងគូរកម្រិតពណ៌ច្បាស់បំផុត។ Haiku 5.5 ត្រូវការចំណាយរហូតដល់ 0.411 ដុល្លារក្នុងមួយកិច្ចការក្នុងការកំណត់ហេតុផលខ្ពស់បំផុតរបស់ខ្លួនដើម្បីឈានដល់ពិន្ទុល្អបំផុតរបស់ខ្លួន 36.2 ខណៈពេលដែល Muse Ember បានបង្ហោះ 35.8 នៅ 0.136 ដុល្លារ។ ពិន្ទុល្អបំផុតរបស់ Luna នៃ 27.8 បានមកនៅ $0.152 ក្នុងមួយកិច្ចការ លើសពីតម្លៃរបស់ Muse Ember និងទាបជាងពិន្ទុរបស់វា។ សម្រាប់ខ្សែភ្នាក់ងារដែលដំណើរការកិច្ចការរងរាប់រយក្នុងមួយវគ្គ សមាសធាតុចំណាយក្នុងមួយកិច្ចការយ៉ាងឆាប់រហ័ស ដែលពិតជាផ្នែកដែលមេតាកំពុងកំណត់គោលដៅ។

អ្វីដែលដៃគូដំបូងរាយការណ៍

ការប្រកាសរបស់ Meta រួមមានលទ្ធផលដំបូងពីដៃគូចំនួន 5៖ Box, Cline, Oracle, Cloudflare និង You.com។

Cloudflare CTO Dane Knecht បាននិយាយថា Muse Ember ដំណើរការ "លឿនជាងដល់ទៅ 30% នៅកន្ទុយជាងគំរូប្រៀបធៀបដែលយើងបានសាកល្បង" ហើយបានដោះស្រាយកិច្ចការស៊ើបអង្កេតពហុ repo យ៉ាងទូលំទូលាយ ដោយហៅវាថាសមខ្លាំងសម្រាប់បន្ទុកការងារភ្នាក់ងារកម្រិតខ្ពស់។

នៅ You.com អ្នកដឹកនាំការសន្និដ្ឋាន ចក់ ប៉ូធីណា បានរាយការណ៍ថា Muse Ember បានបញ្ចប់រាល់ដំណើរស្វែងរកការសរសេរកូដនៅក្នុងការធ្វើតេស្តរបស់ក្រុមហ៊ុនជាមួយនឹងភាពយឺតយ៉ាវបំផុតនៃម៉ូដែលណាមួយដែលបានព្យាយាមគឺ p95 នៃ 2.2 វិនាទី។ នោះ​គឺ​យោង​តាម Pothina ប្រហែល 4x ទៅ 13x លឿន​ជាង​ម៉ូដែល​ទម្ងន់​បើក​ចំហ​ដែល​ឈាន​មុខ​គេ ដោយ​មាន​ថូខឹន​ទិន្នផល​តិច​ជាង 36% ទៅ 48%។

លោក Yashodha Bhavnani អនុប្រធានផ្នែកផលិតផល AI របស់ Box បាននិយាយថា នៅលើ AI Complex Work Eval របស់ Box ម៉ូដែលនេះអាចដាក់ពិន្ទុលើកិច្ចសន្យាប្រឆាំងនឹងកិច្ចសន្យា Playbook ចរចាររបស់ក្រុមហ៊ុនដោយឃ្លា និងដីលើការវាយតម្លៃហានិភ័យរួមត្រឹមត្រូវ។ ស្ថាបនិក Cline លោក Saoud Rizwan បានហៅ Muse Ember "បង្កើតដោយគោលបំណង" សម្រាប់ការងាររងដូចជាការសរសេរកូដ និងការវិភាគឯកសារ ហើយ Oracle SVP Konstantinos Papamiltiadis បានលើកឡើងពីសក្តានុពលខ្លាំងសម្រាប់ក្រុមវិស្វកម្ម។

ចំណុចគួរកត់សម្គាល់អំពីភាពអាចរកបាន និងទម្ងន់

Muse Ember អាចរកបានតាមរយៈ Meta Model API គិតត្រឹមថ្ងៃច័ន្ទ។ សេចក្តីប្រកាសនេះមិននិយាយអំពីភាពអាចរកបាននៃទម្ងន់បើកចំហទេ ដូច្នេះក្រុមដែលធ្វើម្ចាស់ផ្ទះដោយខ្លួនឯងគួរតែចាត់ទុកវាថាជាការចេញផ្សាយសម្រាប់តែ API សម្រាប់ពេលនេះ។ Meta Superintelligence Labs ត្រូវបានផ្តល់កិត្តិយសជាមួយនឹងការងារនៅក្នុងសម្រង់ដៃគូ។

សម្រាប់អ្នកអភិវឌ្ឍន៍ដែលផ្គុំខ្សែភ្នាក់ងារ ការមកដល់នៃម៉ូដែល subagent តម្លៃថោក និងរហ័សបានបន្ថែមជម្រើសសំខាន់ទីបីជាមួយនឹង Claude Haiku 5.5 និង GPT-6 Luna ដែលទាំងពីរនេះ Muse Ember កាត់បន្ថយតម្លៃក្នុងគុណភាពប្រៀបធៀបនៅលើស្តង់ដារ Meta ដកស្រង់។ ថាតើអត្ថប្រយោជន៍នោះស្ថិតនៅក្រោមការសាកល្បងឯករាជ្យឬអត់ ទិន្នន័យខាងក្រៅ Meta ដែលផលិតឡើងវិញពីការវិភាគសិប្បនិម្មិត នឹងក្លាយជារឿងបន្ទាប់ដែលត្រូវមើល។

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →