Meta के व्यक्तिगत सुपरइंटेलिजेंस सूचकांक में मौजूदा Muse का स्कोर 47%

Meta AI Research ने 6 नवंबर 2026 को घोषणा की कि वह Muse और Meta AI को संचालित करने वाले मॉडलों के विशेष संस्करण जारी कर रहा है। इन संस्करणों को Muse Wonder का उपयोग करके प्रशिक्षित किया गया है। मौजूदा Muse मॉडल ने अपने Personal Superintelligence Index पर 47% अंक हासिल किए, जबकि पिछले मॉडल का स्कोर 38% था।

इस अपडेट से दोनों उत्पादों में Active Memory और Active Focus की सुविधा मिलती है। जारी किए जा रहे मॉडल Meta के मौजूदा सिस्टम के विशेष संस्करण हैं, जिन्हें Muse Wonder के ज़रिए बेहतर बनाया गया है—यह Wonder सीरीज़ को ही जारी करना नहीं है। इस तरीके से Wonder के साथ शुरू की गई क्षमताएँ, सहायकों के मौजूदा मॉडलों के ज़रिए, और अधिक लोगों तक पहुँचती हैं।

अपने 12 अक्टूबर 2026 की घोषणा में, Meta ने Muse Wonder और Muse Wonder Full को अब तक के अपने सबसे सक्षम मॉडल बताया और कहा कि Wonder पहले सब्सक्राइबरों के लिए Muse के अनुभवों को संचालित करेगा, और उसके बाद Muse का उपयोग करने वाले सभी लोगों के लिए विशेष मॉडल विकसित करने में इस्तेमाल होगा। यह नई शुरुआत विशेष मॉडल बनाने की उस योजना को Muse और Meta AI, दोनों तक ले जाती है।

सक्रिय स्मृति प्रासंगिक संदर्भ चुनती है

सक्रिय स्मृति सहायकों को ज़रूरी जानकारी याद रखने और बाद की बातचीत में प्रासंगिक होने पर उसे वापस पाने में सक्षम बनाती है। प्रशिक्षण में अस्थायी और स्थायी जानकारी के बीच अंतर करना, समय के साथ तर्क करना और यह पहचानना शामिल है कि कोई विवरण अब भी प्रासंगिक है या पुराना पड़ चुका है। इससे स्मृति का सवाल सही जानकारी चुनने और उसे सही समय पर याद करने का बन जाता है: मॉडल को पहचानना होता है कि पहले की कौन-सी जानकारी अब लागू होती है और कौन-सी अप्रासंगिक हो चुकी है।

Meta के अनुसार, बेहतर Muse मॉडलों में उपयोगकर्ताओं के लक्ष्यों के लिए अहम जानकारी भूलने की दर 2.4 गुना कम हुई है। इसके सक्रिय स्मृति मूल्यांकन से पता चलता है कि मौजूदा मॉडल 90% कार्यों में अहम संदर्भ का सही इस्तेमाल करता है, जबकि पिछले मॉडल के लिए यह आँकड़ा 76% था। ये आँकड़े समस्या के दो अलग-अलग पहलुओं को दर्शाते हैं: लक्ष्य के लिए ज़रूरी जानकारी याद रखना और किसी कार्य के दौरान उस संदर्भ का सही इस्तेमाल करना।

सक्रिय एकाग्रता से काम आगे बढ़ता रहता है

सक्रिय एकाग्रता का उद्देश्य यह है कि अप्रत्याशित चुनौती से काम रुकने पर भी Muse लक्ष्य की ओर बढ़ता रहे। Meta ने मॉडलों को ऐसी विविध बाधाओं पर प्रशिक्षित किया है, जो वास्तविक दुनिया की परिस्थितियों को दर्शाने के लिए बनाई गई थीं, ताकि वे उपयोगकर्ता के लिए काम जारी रख सकें, रुकावट से उबर सकें या दूसरे रास्ते अपना सकें। Meta के अनुसार, Muse में अप्रत्याशित समस्याओं के बावजूद रोज़मर्रा के काम पूरे करने की क्षमता 67% बेहतर हुई है।

विशेष मॉडल इस बात पर भी ध्यान देते हैं कि कोई एजेंट काम के दौरान किसी व्यक्ति के साथ कैसे सहयोग करता है। इन्हें एक साथ कई काम करने, स्वतंत्र रूप से आगे बढ़ने और तत्काल सहयोग करने के बीच चुनाव करने, तथा दिशा-संबंधी निर्देशों या स्पष्टीकरणों को बिना भ्रमित हुए या काम से भटके अपनाने के लिए बनाया गया है। इससे लगातार काम करते रहने और उपयोगकर्ता के निर्देशों के प्रति उत्तरदायी बने रहने का मेल होता है: उपयोगकर्ता के हस्तक्षेप पर रास्ता बदलते हुए भी एजेंट लक्ष्य की ओर बढ़ना जारी रख सकता है।

Meta AI में, इन्हीं सुधारों का उद्देश्य सहायक को बेहतर विचार-साथी और सहयोगी बनाना है। यह जटिल समस्याओं को स्पष्ट चरणों में बाँट सकता है, अधिक सटीक अनुवर्ती प्रश्न पूछ सकता है और बातचीत के बीच में उपयोगकर्ता की दिशा बदलने पर भी उसके साथ तालमेल बनाए रख सकता है।

उपयोगकर्ताओं के लिए, इस चरणबद्ध उपलब्धता की असली कसौटी निरंतरता है: क्या परिस्थितियाँ बदलने पर भी उपयोगी संदर्भ बना रहता है, क्या बाधाओं के बाद काम फिर शुरू हो पाता है और क्या लक्ष्य खोए बिना सुधारों को शामिल किया जा सकता है। ये व्यवहार Meta के बताए नतीजों को उस रोज़मर्रा के सहयोग से जोड़ते हैं, जिसे वह Muse और Meta AI में समर्थन देना चाहता है।