Meta-მ Muse Ember გამოუშვა. ეს Muse ოჯახის ყველაზე პატარა და ეკონომიური მოდელია. ის იმ სამუშაოებისთვისაა შექმნილი, რომლებსაც AI აგენტები მთელი დღის განმავლობაში იმეორებენ: ხელსაწყოების გამოძახება, კოდის მცირე ამოცანები, მოთხოვნების გადანაწილება, მონაცემების ამოღება და გრძელი დოკუმენტების დამუშავება.
მოდელი დღესვე ხელმისაწვდომია Meta Model API-სა და Muse Code-ში, იდენტიფიკატორით muse-ember-1.0. გამოშვება მარკ ცუკერბერგმა X-ზე გამოაცხადა.
პრაქტიკაში ეს ნიშნავს, რომ Muse Ember შეიძლება ჩაისვას აგენტის მუშაობის ციკლში, სადაც ყოველი ნაბიჯი იაფი უნდა იყოს, ხოლო მთავარი გადაწყვეტილებები უფრო ძლიერ მოდელს დარჩეს.
რისთვისაა Muse Ember
დიდი მოდელები ხშირად გეგმავენ და რთულ ამოცანებს წყვეტენ. მაგრამ აგენტის უმეტესი დრო და ტოკენები მცირე, განმეორებად ნაბიჯებზე იხარჯება. ტოკენი აქ ტექსტის პატარა ერთეულია, რომლითაც მოდელი ითვლის მოცულობას და ფასს. როცა ასეთი ნაბიჯები დღეში ათასობითაა, თითო გამოძახების ფასი სწრაფად იზრდება.
ახალი მოდელი სწორედ ასეთ ნაბიჯებს ემსახურება. ხელსაწყოს გამოძახება ნიშნავს, რომ მოდელი გარე პროგრამას ან სერვისს მიმართავს, მაგალითად მონაცემთა ბაზას ან ტერმინალს. გადანაწილება ნიშნავს, რომ მოდელი მოთხოვნას კატეგორიას ანიჭებს და სწორ ადგილას აგზავნის. ამოღება კი დოკუმენტიდან საჭირო ველების ან ფაქტების გამოყოფაა. კოდის ქვეამოცანები, მაგალითად ერთი ფუნქციის შესწორება ან ტესტის გაშვება, იგივე კატეგორიაშია.
Meta გირჩევთ, რთული დაგეგმვა Muse Wonder-ს ან Muse Spark-ს მიანდოთ, განმეორებადი ქვეამოცანები კი პატარა მოდელს. ასე დიდი მოდელი გეგმავს, პატარა კი მოცულობას ამუშავებს და საერთო ხარჯი მცირდება.
ფასი და ტექნიკური მონაცემები
Meta Model API-ზე ფასი ასეა დადგენილი: შეყვანის მილიონ ტოკენზე 0,10 დოლარი, გამომავალ მილიონ ტოკენზე 0,50 დოლარი, ქეშირებულ შეყვანაზე კი 0,004 დოლარი მილიონ ტოკენზე. კონტექსტის ფანჯარა დაახლოებით 1 მილიონი ტოკენია, გამომავალი კი 512 ათასამდე. ეს ნიშნავს, რომ ერთ გამოძახებაში დიდი კოდის ბაზა ან დოკუმენტების ნაკრები შეიძლება ჩაეტიოს, ნაწილებად დაყოფის გარეშე.
მოთხოვნები, რომლებშიც შეყვანა 200 ათას ტოკენს აღემატება, უფრო მაღალი ტარიფით ფასდება. მოდელი ტექსტს, სურათს, ვიდეოს, აუდიოსა და PDF-ს იღებს და ტექსტს აბრუნებს. ამიტომ ერთი და იგივე API შეიძლება გამოიყენოთ როგორც ჩატისთვის, ისე ფაილების დასამუშავებლად.
რას ამბობს Meta შედარებებზე
Meta-ს თქმით, Muse Ember იმავე ფასად უკეთეს შედეგს იძლევა, ვიდრე Claude Haiku 5.5 ან GPT-6 Luna მსჯელობის ნებისმიერ რეჟიმში. კომპანიის თქმით, Haiku-ს საუკეთესო შედეგს დაახლოებით სამჯერ იაფად აღწევს და Luna-ს ყველა რეჟიმს სჯობს. Artificial Analysis-ის ინდექსის მიხედვით, ერთი ამოცანის შესრულება დაახლოებით 0,14 დოლარი ჯდება.
ცალკე ტესტებში კომპანია ახალ მოდელს აგენტურ და კოდირების ამოცანებზე Haiku-სა და Luna-ს ადარებს. ზოგი შედეგი მის სასარგებლოდაა, ზოგი კი არა. მაგალითად, FrontierCode 2.0-ზე Haiku უკეთესია. ეს შედეგები Meta-სა და Artificial Analysis-ის შეფასებებია და დამოუკიდებლად ჯერ არ გადამოწმებულა.
უსაფრთხოების მხრივ Meta ამბობს, რომ მოდელი შეამოწმა Meta Superintelligence Scaling Framework-ით და შეფასებულ კატეგორიებში მაღალი რისკის ზღვარს ქვემოთ დარჩა. მოდელის წონები ღიად არ გამოქვეყნებულა, ამიტომ საკუთარ კომპიუტერზე მისი გაშვება ჯერ შეუძლებელია.
წყაროები
სხვა თემები
NVIDIA Meta 3 მილიარდი: NVIDIA Meta-ში ინვესტიციას დებს და Muse-ს აძლიერებს
Meta 95 მილიარდი დოლარის აქციებს გაყიდის AI ინფრასტრუქტურისა და სუპერინტელექტისთვის
Muse Spark Open: Meta-ს პასუხი ჩინურ ღია მოდელებს