โมเดลและแพลตฟอร์ม AI

Meta ส่ง Muse Code ตัวแทนเขียนโค้ดร่วมกับ Muse Spark 1.2 โมเดลที่ฝึกฝนร่วมกัน

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

Meta ได้ส่ง Muse Code ตัวแทนเขียนโค้ดตัวแรกของบริษัทในเวอร์ชันเบต้าพร้อมกับ Muse Spark 1.2 เวอร์ชันใหม่ของโมเดลแฟลกชิปที่บริษัทระบุว่าได้รับการฝึกฝนร่วมกับตัวแทนสำหรับการผสานรวมที่แน่นหนา

Muse Code เป็นตัวแทนเทอร์มินัลที่ติดตั้งด้วยคำสั่งเดียวและรับหน้าที่ด้านวิศวกรรมซอฟต์แวร์ที่สมบูรณ์ รวมถึงการวางแผนการเปลี่ยนแปลง การเขียนโค้ด และการตรวจสอบผลลัพธ์ ใน หน้าผลิตภัณฑ์ Muse Code ของ Meta ระบุว่าเป็น “ตัวแทนสำหรับงานเขียนโค้ดที่ซับซ้อนที่สุด” โดยมีตัวแทนหลายตัวประสานงานในแต่ละงาน: ตัวแทนการทำงานขนานทำการนำไปใช้ ในขณะที่ผู้ตรวจสอบทำงานในพื้นหลัง บริษัทระบุว่าการกระทำทุกอย่างที่ตัวแทนกระทำสามารถตรวจสอบได้และสามารถติดตามได้ และเนื่องจาก Muse Code และ Muse Spark 1.2 ได้รับการฝึกฝนร่วมกัน จึงทำให้ผลลัพธ์ที่ได้ดีกว่าการใช้โมเดลภายนอกทั่วไป

โมเดลพื้นฐาน Muse Spark 1.2 ได้รับการปรับให้เหมาะสมสำหรับกระบวนการทำงานเขียนโค้ดจริง โดย Meta ระบุว่ามีความแม่นยำในการลองครั้งแรกที่สูงขึ้นและความน่าเชื่อถือในการเรียกใช้เครื่องมือที่ดีขึ้น โมเดลนี้มีหน้าต่างบริบท 1 ล้านโทเค็น ซึ่ง Meta ระบุว่าช่วยให้สามารถทำงานที่ใช้เวลานานติดต่อกันในเซสชันเดียว Meta ตีพิมพ์กราฟเปรียบเทียบผลลัพธ์ของโมเดลบนหน้า รวมถึงผลลัพธ์จาก Terminal-Bench, DeepSWE, บัลลังก์ภายในของ Meta และ GDPval แม้ว่าหน้านั้นจะนำเสนอเป็นรูปภาพโดยไม่มีรายละเอียดวิธีการ

ราคาแบ่งออกเป็นสองระดับ คือ ระดับผู้ร่วมให้ข้อมูลและระดับมาตรฐาน

การเข้าถึงดำเนินผ่าน Meta Model API ซึ่ง Meta ระบุว่าขณะนี้อยู่ในระหว่างการแสดงตัวอย่างสาธารณะพร้อมการเข้าถึงทั่วโลก ระดับมาตรฐานของ Muse Spark 1.2 มีราคา 1.25 ดอลลาร์สหรัฐฯ ต่อล้านโทเค็นเข้า 0.15 ดอลลาร์สหรัฐฯ ต่อล้านโทเค็นเข้าที่แคช และ 4.25 ดอลลาร์สหรัฐฯ ต่อล้านโทเค็นออก และคำสั่งบนระดับนี้จะไม่ถูกนำมาใช้ในการปรับปรุงผลิตภัณฑ์ของ Meta ระดับผู้ร่วมให้ข้อมูลจะลดราคาเหลือ 0.10 ดอลลาร์สหรัฐฯ ต่อล้านโทเค็นเข้า 0.002 ดอลลาร์สหรัฐฯ ต่อล้านโทเค็นเข้าที่แคช และ 0.20 ดอลลาร์สหรัฐฯ ต่อล้านโทเค็นออก โดยแลกกับการให้ Meta ใช้ข้อมูลเพื่อปรับปรุงโมเดลของตน โมเดลนี้ยังมีให้ผ่าน OpenRouter สำหรับนักพัฒนาที่ต้องการสลับใช้ในเครื่องมือที่มีอยู่

จอนาส รีฟ เป็นนักวิเคราะห์ที่สร้างโดย AI ที่ Unite.AI โดยมุ่งเน้นไปที่ปัญญาประดิษฐ์แบบ认知 (Cognitive AI) ปัญญาประดิษฐ์ทั่วไป (Artificial General Intelligence - AGI) และรากฐานทางทฤษฎีของปัญญาประดิษฐ์ เขาได้สำรวจว่ากระบวนการเรียนรู้ การให้เหตุผล ความจำ และการสรุปผลเกิดขึ้นในระบบทางชีววิทยาและระบบประดิษฐ์ โดยเชื่อมโยงระหว่างโครงสร้าง AI สมัยใหม่และคำถามที่มีมานานในด้านวิทยาศาสตร์认知และปรัชญาของจิต

ด้วยแนวทางเชิงแนวคิดและสะท้อนกลับ จอนาสได้ตรวจสอบกรอบการทำงาน เช่น โมเดลการให้เหตุผล ระบบอージェนต์ การรับรู้ที่เกิดขึ้น และทฤษฎีการจัดตำแหน่ง โดยมีเป้าหมายเพื่อชี้แจงว่าการก้าวหน้าไปสู่ AGI หมายถึงอะไร และไม่หมายถึงอะไร โดยไม่ได้ตาม đuổiเส้นเวลาหรือการโฆษณา เขาเน้นย้ำถึงหลักการแรก การใช้เหตุผลเชิงแนวคิด และข้อจำกัดของโมเดลปัจจุบัน

บทความที่เขียนโดยจอนาส รีฟเป็นผลงานที่สร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อให้แน่ใจถึงความถูกต้อง ความชัดเจน และการอภิปรายที่มีความรับผิดชอบเกี่ยวกับแนวคิด AI ที่ทันสมัย