Meta သည် Consumer GPUs များတွင် AI အေးဂျင့်များကို လုပ်ဆောင်ပေးသည့် 30B Open-Weight Model ဖြစ်သော Muse Glimmer

Meta ၏ Superintelligence Labs သည် သုံးစွဲသူအဆင့် GPU များပေါ်တွင် ပြည်တွင်း၌ AI အေးဂျင့်များကို အသုံးပြုရန် ဒီဇိုင်းထုတ်ထားသည့် Apache 2.0 လိုင်စင်အောက်တွင် ထုတ်ဝေထားသော 30-billion-parameter AI မော်ဒယ် Muse Glimmer ကို ထုတ်ပြန်ခဲ့သည်။ အဆိုပါအလေးချိန်များကို Hugging Face တွင်ရရှိနိုင်ပြီး CEO Mark Zuckerberg က အသစ်ထုတ်ဝေထားသော AI ၏အနာဂတ်အတွက် စာလုံးပေါင်း 6,500 လုံးစာစီစာကုံးတွင် စီအီးအို Mark Zuckerberg က ချန်ပီယံဖြစ်စေခဲ့သော ကုမ္ပဏီ၏နောက်ဆုံးပေါ်ဝိတ်ဂေဟစနစ်သို့တွန်းအားပေးမှုကို အမှတ်အသားပြုပါသည်။

developer များသည် ဉာဏ်ရည်ထက်မြက်သောစနစ်များတည်ဆောက်ပုံနှင့် အသုံးချပုံတို့ကို ပြန်လည်ပုံဖော်ခြင်း ပိုမိုကျယ်ပြန့်သော AI လုပ်ငန်းနယ်ပယ်လွှမ်းခြုံမှု တွင် ဖြန့်ချိမှုထွက်ပေါ်လာခြင်းဖြစ်သည်။ Meta မှ developer များသည် ဒေသန္တရကုဒ်များ၊ လုပ်ဆောင်ချက်ခေါ်ဆိုမှု၊ ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရအေးဂျင့်များနှင့် cloud-hosted API သို့ ဒေတာမပို့ဘဲ LLM-as-a-judge အကဲဖြတ်ခြင်းလုပ်ငန်းများအတွက် Muse Glimmer ကို အသုံးပြုနိုင်ကြောင်း ပြောကြားခဲ့သည်။

စက်ပေါ်ရှိ အေးဂျင့်များအတွက် တည်ဆောက်ထားသည်။

Meta သည် တိကျသောလုပ်ငန်းလည်ပတ်မှုကန့်သတ်ချက်ကိုဖြေရှင်းချက်တစ်ခုအဖြစ် Muse Glimmer ကို နေရာချထားသည်- cloud-hosted မော်ဒယ်များသည် latency၊ cost နှင့် privacy ဆိုင်ရာစိုးရိမ်မှုများကိုမိတ်ဆက်နိုင်သည့်အမြဲတမ်းကွန်ရက်ချိတ်ဆက်မှုနှင့်ဗဟိုအခြေခံအဆောက်အအုံလိုအပ်သည်။ ကုမ္ပဏီသည် အချိန်ဇယားများ၊ မက်ဆေ့ချ်များ၊ ဖိုင်များနှင့် အခြားကိုယ်ရေးကိုယ်တာအကြောင်းအရာများကို ဝင်ရောက်ကြည့်ရှုရန် လိုအပ်သည့် ကိုယ်ရေးကိုယ်တာ အေးဂျင့်များအပါအဝင် စက်တွင်ရှိနေရန် လိုအပ်သည့် အလုပ်များများအတွက် မော်ဒယ်ကို ထုတ်ပေးပါသည်။

မော်ဒယ်သည် စကားဝိုင်းတစ်ခု၏ တစ်စိတ်တစ်ပိုင်းအဖြစ် သီးသန့် ခံယူချက်ကုဒ်ပြောင်းသည့်ကိရိယာမှတစ်ဆင့် ကြားဖြတ်ဝင်ထားသော စာသားနှင့် ရုပ်ပုံများကို လက်ခံသည်၊ အေးဂျင့်များက ဖန်သားပြင်ဓာတ်ပုံများ၊ ဇယားများနှင့် စာရွက်စာတမ်းများကို စကားဝိုင်းတစ်ခု၏ တစ်စိတ်တစ်ပိုင်းအဖြစ် အဓိပ္ပာယ်ပြန်ဆိုရန် ခွင့်ပြုသည်။ ဤဘက်စုံသုံးစွမ်းဆောင်နိုင်မှုသည် အေးဂျင့်များအား ရုပ်ပုံဆိုင်ရာ အင်တာဖေ့စ်များအကြောင်း အကြောင်းပြချက်ပေးသည်၊၊ ဂရပ်ဖစ်ဆော့ဖ်ဝဲလ် သို့မဟုတ် ဝဘ်စာမျက်နှာများနှင့် အပြန်အလှန်တုံ့ပြန်သည့် အဖွဲ့များတည်ဆောက်သည့်ကိရိယာများအတွက် အရေးပါသည့်အင်္ဂါရပ်တစ်ခုဖြစ်သည်။

Muse Glimmer သည် မော်ဒယ်၏ developer စာရွက်စာတမ်းများတွင် အသေးစိတ်ဖော်ပြထားသော စိတ်ကြိုက် scaffolds များဖြင့် OpenClaw နှင့် အခြားသော အေးဂျင့်-တီးမှုတ်မှုပုံစံများကို ပံ့ပိုးပေးပါသည်။ မော်ဒယ်ပေါ်တွင် တည်ဆောက်ထားသော ဒေသန္တရ ကုဒ်နံပါတ် အေးဂျင့်သည် မည်သည့် repositories၊ terminals၊ test environments နှင့် commands များကို ၎င်းမှ ဝင်ရောက်ရန် ဆုံးဖြတ်နိုင်သော်လည်း၊ အဖွဲ့အစည်းများသည် လုပ်ငန်းအောင်မြင်မှုကို တိုင်းတာခြင်းမပြုမီ ရရှိနိုင်သော command များနှင့် repositories များကို သတ်မှတ်သင့်ကြောင်း Meta မှ သတိပေးထားသည်။

ပြိုင်ဘက်များအပေါ် စံပြုချက်

Meta ၏အတွင်းပိုင်းစံနှုန်းစမ်းသပ်မှုများသည် ယေဘူယျ-အေးဂျင့်စံသတ်မှတ်ချက် ရှစ်ခုအနက်ငါးခုတွင် Google ၏ Gemma4-31B နှင့် Alibaba ၏ Qwen3.6-27B တို့ထက် Muse Glimmer ကို နေရာယူထားသည်။ စုစုပေါင်းအေးဂျင့်ရမှတ်တွင်၊ Muse Glimmer သည် Gemma4-31B အတွက် 61.7 နှင့် Qwen3.6-27B အတွက် 71.1 နှင့် နှိုင်းယှဉ်ပါက 74.6 သို့ရောက်ရှိခဲ့သည်။

မော်ဒယ်သည် Gemma4-31B ၏ 37.6 နှင့် Qwen3.6-27B ၏ 43.2 တို့ထက် WildClawBench တွင် 47.6 တင်ခဲ့သည်။ GAIA2 တွင် အထွေထွေ AI လက်ထောက်များအတွက် စံသတ်မှတ်ချက်တစ်ခုဖြစ်သည့် Muse Glimmer သည် ပြိုင်ဖက်မော်ဒယ်များအတွက် 36.4 နှင့် 40.0 နှင့် နှိုင်းယှဉ်လျှင် 43.3 ရမှတ်ရခဲ့သည်။ စစ်မှန်သောကွန်ပြူတာပတ်ဝန်းကျင်များအတွင်း အေးဂျင့်တစ်ဦး၏လုပ်ဆောင်နိုင်စွမ်းကို စမ်းသပ်သည့် OSWorld-Verified သည် အဖွဲ့၏အကြီးမားဆုံးကွာဟချက်ကို ဖြစ်ပေါ်စေသည်- Muse Glimmer သည် Gemma4-31B ၏ 58.5 နှင့် 65.9 သို့ရောက်ရှိခဲ့သည်။

အမျိုးအစားတိုင်းသည် Meta ၏ မော်ဒယ်ကို နှစ်သက်ကြသည်မဟုတ်ပါ။ SkillsBench တွင်၊ Qwen3.6-27B သည် ရမှတ် 46.6 ဖြင့် ဦးဆောင်ခဲ့ပြီး Muse Glimmer က 44.3 ဖြင့် မှတ်တမ်းတင်ခဲ့သည်။ Qwen3.6-27B သည် Muse Glimmer ၏ 953 ကို 1,141 ဖြင့် GDPval-AA တွင် ဦးဆောင်ခဲ့သည်။

Coding ရလဒ်များသည် ယှဉ်ပြိုင်မှုအခင်းအကျင်းကို ပြသသည်။

Muse Glimmer ၏ coding စံနှုန်းများသည် ပိုမိုကျဉ်းမြောင်းသော ပြိုင်ဆိုင်မှုရှိသော ရုပ်ပုံလွှာကို တင်ပြသည်။ မော်ဒယ်သည် Gemma4-31B အတွက် 36.9 နှင့် Qwen3.6-27B အတွက် 50.2 ရမှတ် 51.2 ဖြင့် SWE-Bench Pro ကို ဦးဆောင်ခဲ့သည်။ သို့သော်၊ Qwen3.6-27B သည် 77.2 ဖြင့် Muse Glimmer's 76.0 ကို ဆန့်ကျင်ကာ SWE-Bench Verified တွင် ရှေ့သို့တက်သွားကာ TerminalBench 2.1 ကို 60.7 နှင့် Muse Glimmer's 51.7 ဖြင့် ဦးဆောင်ခဲ့သည်။

Meta ၏ ပံ့ပိုးပေးထားသော ပစ္စည်းသည် မအောင်မြင်သော ကိရိယာခေါ်ဆိုမှုများအတွက် ပြန်လည်ကြိုးစားလေ့ကျင့်မှုကို ဖော်ပြသည်၊၊ အေးဂျင့်များသည် အမှားများမှ အလိုအလျောက် ပြန်လည်ရယူနိုင်စေသည့် အမူအကျင့်တစ်ခုလည်း ဖြစ်သည်။ အထူးသဖြင့် ကိရိယာတစ်ခုသည် အရင်းအမြစ်ကုဒ်ကို ပြောင်းလဲနိုင်သည် သို့မဟုတ် ပြင်ပစနစ်များကို ခေါ်ဆိုနိုင်သည့်နေရာတွင် ဤစွမ်းရည်သည် ထပ်ခါထပ်ခါ ကြိုးပမ်းမှုများအပေါ် ထိန်းချုပ်မှုများ လိုအပ်ကြောင်း ကုမ္ပဏီမှ မှတ်သားထားသည်။

Zuckerberg ၏ Open-Weight မျှော်မှန်းချက်

Muse Glimmer ထုတ်ဝေမှုသည် Zuckerberg ၏ AI ဖွံ့ဖြိုးတိုးတက်မှုအတွက် သူ၏အမြင်ကို ရှည်လျားသောစာစီစာကုံးထုတ်ဝေမှုနှင့် တိုက်ဆိုင်သည်။ Reuters နှင့် Bloomberg တို့၏အဆိုအရ Meta CEO သည် ကျယ်ပြန့်စွာရရှိနိုင်သောမော်ဒယ်များသည် ကော်ပိုရိတ်လက်အနည်းငယ်တွင် AI ပါဝါပါဝင်မှုကို ဟန့်တားနိုင်သည်ဟု စောဒကတက်ကာ အဖွင့်ဝိတ်ချဉ်းကပ်မှုတွင် အက်ဆေးကိုအသုံးပြုခဲ့သည်။

Zuckerberg သည် စူပါဥာဏ်ရည်မြင့်စနစ်များကို ထိန်းချုပ်သည့် အဖွဲ့အစည်းတစ်ခုတည်း၏ အန္တရာယ်များကို ဆန့်ကျင်ကြောင်း သတိပေးထားပြီး အနည်းကိန်း အကျိုးပြုသော စူပါထောက်လှမ်းရေးကဲ့သို့ အရာမျိုးမရှိကြောင်း သတိပေးခဲ့သည်။ မှတ်ချက်များသည် Meta ၏ open-weight နည်းဗျူဟာကို နည်းပညာဆိုင်ရာ ဒဿနတစ်ခုနှင့် OpenAI နှင့် Anthropic ကဲ့သို့သော အပိတ်မော်ဒယ်ပြိုင်ဘက်များနှင့် အပြိုင်အဆိုင် ရပ်တည်ချက်တစ်ခုအဖြစ် နေရာယူထားသည်။

New York Times သည် Muse Glimmer သည် စားသုံးသူများ အိမ်တွင်အသုံးပြုနိုင်သည့် Meta ၏ AI စွမ်းရည်များကို open-source ဗားရှင်းအဖြစ် ဖော်ပြခဲ့ပြီး Wall Street Journal မှ အဆိုပါအက်ဆေးသည် ယနေ့အထိ Zuckerberg ၏ AI လောကအမြင်ကို အအသေးစိတ်ရှင်းလင်းစွာ ကိုယ်စားပြုကြောင်း ဖော်ပြခဲ့သည်။

အသင်းများအတွက် လက်တွေ့ကျသော ထည့်သွင်းစဉ်းစားမှုများ

Meta ၏စံသတ်မှတ်ချက်များသည် စံပြုစမ်းသပ်မှုများတွင် စွမ်းဆောင်ရည်ကို ပြသသော်လည်း အဖွဲ့အစည်းတစ်ခုမှ ၎င်းအား ၎င်း၏ကိုယ်ပိုင်ဖိုင်များ၊ ပြက္ခဒိန်များ၊ စာတိုပေးပို့ခြင်းစနစ်များ သို့မဟုတ် စက်တွင်းကိရိယာများနှင့် ချိတ်ဆက်ပြီးနောက် ပြည်တွင်းအေးဂျင့်တစ်ဦး မည်သို့ပြုမူမည်ကို ၎င်းတို့က မပြသပါ။ ဖန်သားပြင်ဖတ်ခြင်း မော်ဒယ်များသည် ၎င်းတို့မြင်ရသည့်အရာကို အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်သည်ကို ကုမ္ပဏီက အသိအမှတ်ပြုသော်လည်း ပြည်တွင်းစမ်းသပ်မှုတွင် ခွင့်ပြုချက်များ၊ ပြသသည့် အပြင်အဆင်များ၊ စာရွက်စာတမ်းဖော်မတ်များနှင့် ချိတ်ဆက်ထားသော ကိရိယာများဖြင့် ပြန်ပေးထားသည့် အမှားများကို ဖုံးကွယ်ထားဆဲဖြစ်သည်။

Muse Glimmer ကို အကဲဖြတ်သည့် အဖွဲ့အစည်းများအတွက်၊ Meta သည် အသုံးမပြုမီ အေးဂျင့်အတွက် ရရှိနိုင်သော ညွှန်ကြားချက်များနှင့် သိုလှောင်ခန်းများကို သတ်မှတ်ရန် အကြံပြုထားသည်။ မော်ဒယ်၏ဘေးကင်းရေးနှင့်ပတ်သက်သော အကဲဖြတ်ချက်များတွင် ကုမ္ပဏီတစ်ခုစီအတွက် မတူညီသောအတိုင်းအတာများကို အသုံးပြုသော်လည်း CI Memories နှင့် Siren AgentDojo စမ်းသပ်မှုများ ပါဝင်သည်။

ထုတ်ဝေမှုတွင် Meta အား Google ၏ Gemma လိုင်းနှင့် Alibaba ၏ Qwen မော်ဒယ်များနှင့် တိုက်ရိုက်ပြိုင်ဆိုင်မှုဖြစ်စေသည်။ Apache 2.0 လိုင်စင်ကို စီးပွားဖြစ်အသုံးပြုခွင့်ပြုခြင်းဖြင့်၊ Muse Glimmer သည် ထပ်တလဲလဲကုန်ကျစရိတ်များနှင့် cloud APIs များ၏ ကိုယ်ရေးကိုယ်တာအပေးအယူများမပါဘဲ အေးဂျင့်လုပ်ဆောင်နိုင်စွမ်းများကို အလိုရှိသော developer များကြားတွင် အရှိန်မြှင့်ပေးနိုင်သည်။

AI ထက်သာလွန်နေပါစေ။

AI မော်ဒယ်လ်များတွင် နောက်ဆုံးပေါ် တိုးတက်မှုများ၊ အလေးချိန်များသော ဖြန့်ချိမှုများနှင့် လုပ်ငန်းနယ်ပယ်ကို ပုံဖော်သည့် ပြိုင်ဆိုင်မှုဆိုင်ရာ တက်ကြွမှုများအတွက်၊ ကျယ်ကျယ်ပြန့်ပြန့် ဖော်ပြရန်အတွက် AI Buzz Wire သို့ သွားရောက်ကြည့်ရှုပါ။

AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →