Meta представила ШІ-моделі Muse Wonder і Wonder Full для конкуренції з ChatGPT та Claude

Meta офіційно анонсувала нові передові моделі штучного інтелекту Muse Wonder і Wonder Full, які мають конкурувати з розробками OpenAI та Anthropic. За інформацією видання Ubergizmo, новинки стали наступним етапом розвитку лінійки після Muse Spark. Про це пише Ubergizmo.

Meta посилює конкуренцію на ринку штучного інтелекту

Основна увага розробників зосереджена на завданнях, які потребують складних міркувань, написання програмного коду та виконання кількох послідовних дій. Окремий напрямок – автономні агенти, здатні працювати над завданнями протягом тривалого часу, самостійно реагувати на проблеми й продовжувати роботу без постійного втручання користувача.

За результатами тестів, які представила сама Meta, нові моделі демонструють показники, порівнянні з GPT-6 Astra від OpenAI та Claude Fable 5.1 від Anthropic. Водночас незалежні оцінки, наведені в матеріалі, позиціюють Wonder Full серед передових систем, особливо у програмуванні та виконанні багатокрокових професійних завдань.

Однак ці результати варто розглядати з урахуванням того, що компанія несе відповідальність за представлені нею власні тестові показники. Для повноцінного порівняння моделей потрібні незалежні перевірки за однакових умов, зокрема щодо точності, швидкості, вартості використання та стабільності роботи.

Active Memory і Active Focus – головні особливості нових моделей

Meta виділяє дві технології, які мають покращити роботу її ШІ-моделей з тривалими завданнями: Active Memory та Active Focus.

Active Memory – механізм збереження й відновлення важливої інформації з попередніх розмов і виконаних дій. Завдяки йому штучний інтелект може повертатися до релевантного контексту навіть через кілька тижнів або місяців. Така функція може бути корисною для програмістів, які працюють над великими проєктами, фахівців, що виконують багатоетапні завдання, та команд, які регулярно використовують ШІ для робочих процесів. Замість повторного пояснення всіх деталей користувач зможе спиратися на раніше збережену інформацію.

Водночас сама наявність довготривалої пам'яті не гарантує, що модель завжди правильно відтворюватиме контекст. Практична цінність технології залежатиме від того, які дані вона зберігає, наскільки точно знаходить потрібні відомості та як керує застарілою або суперечливою інформацією.

Active Focus призначена для підтримання концентрації моделі на поставленій меті навіть тоді, коли під час виконання завдання виникають помилки, перешкоди чи непередбачені ситуації. Це важливо для автономних агентів, які мають не просто відповідати на окремі запити, а виконувати послідовність дій. Наприклад, під час написання програмного коду агент може зіткнутися з помилкою, спробувати знайти її причину, змінити рішення та продовжити роботу над початковою метою.

Поєднання пам'яті та механізмів утримання фокусу має допомогти моделям ефективніше виконувати тривалі завдання. Проте реальна надійність таких систем залежатиме також від їхньої здатності перевіряти результати, розпізнавати власні помилки та уникати небажаних дій.

Де доступна Muse Wonder і скільки коштує використання?

Meta повідомляє, що моделі навчали в обчислювальному центрі Prometheus в американському штаті Огайо. Цей проєкт є частиною розвитку інфраструктури компанії для створення потужніших систем штучного інтелекту та агентів, здатних виконувати складні завдання з більшою автономністю.

Модель Muse Wonder доступна через Meta Model API та інструмент Muse Code. За даними Ubergizmo, її використання коштує 4 долари за мільйон вхідних токенів і 20 доларів за мільйон вихідних токенів.

Водночас Wonder Full наразі доступна лише підписникам Muse Code. У матеріалі не зазначено її окремої вартості, а також не наведено детальних умов доступу для всіх категорій користувачів.

Чи зможуть нові моделі Meta конкурувати з OpenAI та Anthropic?

Вихід Muse Wonder і Wonder Full демонструє, що Meta прагне конкурувати не лише за якість відповідей чатботів, а й за ефективність ШІ в реальних робочих процесах.

Особливу увагу компанія приділяє програмуванню, складним багатокроковим завданням і автономним агентам. Довготривала пам'ять може допомогти таким системам працювати з великими проєктами, а Active Focus – зберігати початкову мету під час розв'язання проблем.

Однак порівняння з GPT-6 Astra та Claude Fable 5.1 поки не дає достатньої підстави стверджувати, що моделі Meta перевершують конкурентів. Для цього необхідні незалежні тести, практичні перевірки та оцінка роботи в різних сценаріях.

Якщо заявлені можливості підтвердяться, новинки можуть стати важливими інструментами для розробників програмного забезпечення та компаній, які автоматизують робочі процеси. У такому разі конкуренція між Meta, OpenAI та Anthropic дедалі більше залежатиме від того, наскільки довго, надійно й економно їхні моделі зможуть виконувати складну роботу без постійного контролю людини.