மெட்டாவின் சூப்பர் இன்டெலிஜென்ஸ் லேப்ஸ் மியூஸ் க்ளிம்மரை வெளியிட்டுள்ளது, இது அப்பாச்சி 2.0 உரிமத்தின் கீழ் வெளியிடப்பட்ட 30 பில்லியன் அளவுரு AI மாடலானது. AI இன் எதிர்காலம் குறித்து புதிதாக வெளியிடப்பட்ட 6,500-சொல் கட்டுரையில் தலைமை நிர்வாக அதிகாரி மார்க் ஜுக்கர்பெர்க் வெற்றி பெற்றுள்ள திறந்த எடை சுற்றுச்சூழல் அமைப்பில் நிறுவனத்தின் சமீபத்திய உந்துதலைக் குறிக்கும் எடைகள் ஹக்கிங் ஃபேஸில் கிடைக்கின்றன.
டெவலப்பர்கள் எவ்வாறு புத்திசாலித்தனமான அமைப்புகளை உருவாக்குகிறார்கள் மற்றும் பயன்படுத்துகிறார்கள் என்பதை மாற்றியமைக்கும் AI தொழில்துறையின் பரந்த அலை மத்தியில் இந்த வெளியீடு வருகிறது. கிளவுட் ஹோஸ்ட் செய்யப்பட்ட API க்கு தரவை அனுப்பாமல், டெவலப்பர்கள் உள்ளூர் குறியீட்டு முறை, செயல்பாட்டு அழைப்பு, தன்னாட்சி முகவர்கள் மற்றும் LLM-ஆக-ஒரு நீதிபதி மதிப்பீட்டு பணிகளுக்கு மியூஸ் க்ளிம்மரைப் பயன்படுத்தலாம் என்று மெட்டா கூறுகிறது.
சாதன முகவர்களுக்காக கட்டப்பட்டது
ஒரு குறிப்பிட்ட செயல்பாட்டுத் தடைக்கான தீர்வாக மியூஸ் க்ளிம்மரை மெட்டா நிலைநிறுத்துகிறது: கிளவுட் ஹோஸ்ட் செய்யப்பட்ட மாடல்களுக்கு நிலையான நெட்வொர்க் அணுகல் மற்றும் மத்திய உள்கட்டமைப்பு தேவை, இது தாமதம், செலவு மற்றும் தனியுரிமைக் கவலைகளை அறிமுகப்படுத்தலாம். அட்டவணைகள், செய்திகள், கோப்புகள் மற்றும் பிற தனிப்பட்ட சூழல்களுக்கு அணுகல் தேவைப்படும் தனிப்பட்ட முகவர்கள் உட்பட, சாதனத்தில் இருப்பு தேவைப்படும் பணிச்சுமைகளுக்கான மாதிரியை நிறுவனம் முன்வைக்கிறது.
ஒரு பிரத்யேக புலனுணர்வு குறியாக்கி மூலம் இடைக்கணிக்கப்பட்ட உரை மற்றும் படங்களை மாடல் ஏற்றுக்கொள்கிறது, இது உரையாடலின் ஒரு பகுதியாக ஸ்கிரீன்ஷாட்கள், விளக்கப்படங்கள் மற்றும் ஆவணங்களை விளக்குவதற்கு முகவர்களை அனுமதிக்கிறது. இந்த மல்டிமாடல் திறன் முகவர்கள் காட்சி இடைமுகங்களைப் பற்றி நியாயப்படுத்த அனுமதிக்கிறது என்று மெட்டா தெரிவிக்கிறது, இது வரைகலை மென்பொருள் அல்லது இணையப் பக்கங்களுடன் தொடர்பு கொள்ளும் கருவிகளை உருவாக்கும் குழுக்களுக்கு முக்கியமான அம்சமாகும்.
மியூஸ் க்ளிம்மர் OpenClaw மற்றும் பிற முகவர்-ஆர்கெஸ்ட்ரேஷன் வடிவங்களையும் ஆதரிக்கிறது, மாடலின் டெவலப்பர் ஆவணத்தில் தனிப்பயன் சாரக்கட்டுகள் விவரிக்கப்பட்டுள்ளன. மாதிரியில் கட்டமைக்கப்பட்ட ஒரு உள்ளூர் குறியீட்டு முகவர் எந்த களஞ்சியங்கள், டெர்மினல்கள், சோதனை சூழல்கள் மற்றும் கட்டளைகளை அணுகலாம் என்பதை தீர்மானிக்க முடியும், இருப்பினும் பணி வெற்றியை அளவிடும் முன் நிறுவனங்கள் கிடைக்கக்கூடிய கட்டளைகள் மற்றும் களஞ்சியங்களை வரையறுக்க வேண்டும் என்று மெட்டா எச்சரிக்கிறது.
போட்டியாளர்களுக்கு எதிரான பெஞ்ச்மார்க் செயல்திறன்
Meta இன் இன்டர்னல் பெஞ்ச்மார்க் சோதனைகள், கூகிளின் Gemma4-31B மற்றும் Alibabaவின் Qwen3.6-27B ஐ விட மியூஸ் க்ளிம்மரை எட்டு பொது-ஏஜெண்டிக் வரையறைகளில் ஐந்தில் வைக்கிறது. ஜெம்மா4-31பிக்கு 61.7 மற்றும் கியூவென்3.6-27பிக்கு 71.1 உடன் ஒப்பிடும்போது, ஒட்டுமொத்த ஏஜென்டிக் மதிப்பெண்ணில், மியூஸ் க்ளிம்மர் 74.6ஐ எட்டினார்.
Gemma4-31B இன் 37.6 மற்றும் Qwen3.6-27B இன் 43.2 ஐ விட, WildClawBench இல் மாடல் 47.6 ஐப் பதிவு செய்தது. GAIA2 இல், பொது AI உதவியாளர்களுக்கான அளவுகோலாக, மியூஸ் க்ளிம்மர் 43.3 மதிப்பெண்களைப் பெற்றுள்ளார், போட்டியிட்ட மாடல்களுக்கான 36.4 மற்றும் 40.0 உடன் ஒப்பிடும்போது. OSWorld-Verified, உண்மையான கணினி சூழல்களுக்குள் செயல்படும் முகவரின் திறனை சோதிக்கிறது, குழுவில் மிகப்பெரிய இடைவெளியை உருவாக்கியது: மியூஸ் க்ளிம்மர் Gemma4-31B இன் 58.5 க்கு எதிராக 65.9 ஐ எட்டியது.
ஒவ்வொரு வகையும் மெட்டாவின் மாதிரியை ஆதரிக்கவில்லை. SkillsBench இல், Qwen3.6-27B 46.6 மதிப்பெண்களுடன் முன்னிலை பெற்றது, அங்கு மியூஸ் க்ளிம்மர் 44.3 ஐப் பதிவு செய்தார். Qwen3.6-27B GDPval-AA இல் 1,141 உடன் முன்னணியில் இருந்தது, மியூஸ் க்ளிம்மரின் 953 க்கு எதிராக.
குறியீட்டு முடிவுகள் போட்டி நிலப்பரப்பைக் காட்டுகின்றன
மியூஸ் க்ளிம்மரின் குறியீட்டு வரையறைகள் ஒரு குறுகிய போட்டி படத்தை வழங்குகின்றன. மாடல் SWE-Bench Pro ஐ 51.2 மதிப்பெண்களுடன் வழிநடத்தியது, Gemma4-31B க்கு 36.9 மற்றும் Qwen3.6-27B க்கு 50.2 மதிப்பெண்களுடன் ஒப்பிடும்போது. இருப்பினும், Qwen3.6-27B SWE-Bench இல் 77.2 உடன் முந்தியது, Muse Glimmer இன் 76.0 க்கு எதிராக, மேலும் TerminalBench 2.1 ஐ 60.7 க்கு எதிராக மியூஸ் க்ளிம்மரின் 51.7 உடன் வழிநடத்தியது.
Meta வழங்கிய மெட்டீரியல் தோல்வியுற்ற கருவி அழைப்புகளுக்கான மறுமுயற்சி பயிற்சியையும் விவரிக்கிறது, இது ஏஜெண்டுகள் தானாகவே பிழைகளில் இருந்து மீண்டு வருவதற்கு உதவுகிறது. இந்த திறனுக்கு மீண்டும் மீண்டும் முயற்சிகள் மீதான கட்டுப்பாடுகள் தேவை என்று நிறுவனம் குறிப்பிடுகிறது, குறிப்பாக ஒரு கருவி மூலக் குறியீட்டை மாற்றலாம் அல்லது வெளிப்புற அமைப்புகளை செயல்படுத்தலாம்.
ஜுக்கர்பெர்க்கின் திறந்த எடை பார்வை
மியூஸ் க்ளிம்மர் வெளியீடு ஜுக்கர்பெர்க்கின் AI மேம்பாட்டிற்கான தனது பார்வையை வெளிப்படுத்தும் ஒரு நீண்ட கட்டுரையை வெளியிடுவதுடன் ஒத்துப்போகிறது. ராய்ட்டர்ஸ் மற்றும் ப்ளூம்பெர்க்கின் கூற்றுப்படி, மெட்டா தலைமை நிர்வாக அதிகாரி திறந்த-எடை அணுகுமுறையை வென்றெடுக்க கட்டுரையைப் பயன்படுத்தினார், பரவலாகக் கிடைக்கும் மாதிரிகள் ஒரு சில கார்ப்பரேட் கைகளில் AI சக்தியின் செறிவைத் தடுக்கின்றன என்று வாதிட்டார்.
ஜூக்கர்பெர்க், சூப்பர் இன்டெலிஜென்ட் அமைப்புகளைக் கட்டுப்படுத்தும் ஒற்றை நிறுவனத்தால் ஏற்படும் அபாயங்களுக்கு எதிராக எச்சரித்ததாகக் கூறப்படுகிறது. கருத்துக்கள் மெட்டாவின் திறந்த எடை மூலோபாயத்தை ஒரு தொழில்நுட்ப தத்துவம் மற்றும் OpenAI மற்றும் Anthropic போன்ற மூடிய மாதிரி போட்டியாளர்களுக்கு எதிரான போட்டி நிலைப்பாடு என நிலைநிறுத்துகிறது.
தி நியூயார்க் டைம்ஸ் மியூஸ் க்ளிம்மரை நுகர்வோர் வீட்டில் பயன்படுத்தக்கூடிய மெட்டாவின் AI திறன்களின் திறந்த மூலப் பதிப்பாக விவரித்தது, அதே சமயம் வால் ஸ்ட்ரீட் ஜேர்னல் கட்டுரையானது ஜுக்கர்பெர்க்கின் AI உலகக் கண்ணோட்டத்தை இன்றுவரை மிக விரிவாக வெளிப்படுத்துவதாகக் குறிப்பிட்டது.
அணிகளுக்கான நடைமுறை பரிசீலனைகள்
மெட்டாவின் வரையறைகள் தரப்படுத்தப்பட்ட சோதனைகளில் செயல்திறனைக் காட்டுகின்றன, ஆனால் ஒரு நிறுவனம் தனது சொந்த கோப்புகள், காலெண்டர்கள், செய்தியிடல் அமைப்புகள் அல்லது உள் கருவிகளுடன் அதை இணைத்த பிறகு உள்ளூர் முகவர் எவ்வாறு நடந்துகொள்வார் என்பதை அவை காட்டவில்லை. ஸ்கிரீன்ஷாட்-ரீடிங் மாடல்கள் தாங்கள் பார்ப்பதை விளக்க முடியும் என்பதை நிறுவனம் ஒப்புக்கொள்கிறது, இருப்பினும் உள்ளூர் சோதனை அனுமதிகள், காட்சி தளவமைப்புகள், ஆவண வடிவங்கள் மற்றும் இணைக்கப்பட்ட கருவிகளால் வழங்கப்படும் பிழைகள் ஆகியவற்றை உள்ளடக்கியதாக இருக்க வேண்டும்.
மியூஸ் க்ளிம்மரை மதிப்பிடும் நிறுவனங்களுக்கு, வரிசைப்படுத்துவதற்கு முன் முகவருக்குக் கிடைக்கும் கட்டளைகள் மற்றும் களஞ்சியங்களை வரையறுக்க மெட்டா பரிந்துரைக்கிறது. மாடலின் பாதுகாப்பு தொடர்பான மதிப்பீடுகளில் CI மெமரிஸ் மற்றும் சைரன் ஏஜென்ட் டோஜோ சோதனைகள் ஆகியவை அடங்கும், இருப்பினும் நிறுவனம் ஒவ்வொன்றிற்கும் வெவ்வேறு நடவடிக்கைகளைப் பயன்படுத்துகிறது.
இந்த வெளியீடு மெட்டாவை கூகுளின் ஜெம்மா லைன் மற்றும் அலிபாபாவின் க்வென் மாடல்களுடன் திறந்த-எடை இடத்தில் நேரடி போட்டியாக வைக்கிறது. Apache 2.0 உரிமம் வணிகரீதியான பயன்பாட்டை அனுமதிப்பதன் மூலம், கிளவுட் API களின் தொடர்ச்சியான செலவுகள் மற்றும் தனியுரிமை வர்த்தகம் இல்லாமல் முகவர் திறன்களை விரும்பும் டெவலப்பர்களிடையே மியூஸ் க்ளிம்மர் தத்தெடுப்பை துரிதப்படுத்த முடியும்.
AIக்கு முன்னால் இருங்கள்
AI மாடல்கள், ஓப்பன் வெயிட் வெளியீடுகள் மற்றும் தொழில்துறையை வடிவமைக்கும் போட்டி இயக்கவியல் ஆகியவற்றில் சமீபத்திய முன்னேற்றங்களுக்கு, விரிவான கவரேஜுக்கு AI Buzz Wire ஐப் பார்வையிடவும்.
மேலும் AI செய்திகளைப் படிக்கவும் →
