Meta的超级智能实验室在周一发布了一对新的最先进模型，Muse Wonder和Muse Wonder Full，代表了公司首次尝试前沿模型。Muse Spark旨在成为一种轻量级模型，可以在低延迟下执行任务，而Wonder模型则更大，并被认为更具能力，具有更高的基准得分和在复杂任务（如编程）上的更好结果。根据Meta的测试（在模型卡中展示），Wonder和Wonder Full在基准得分上与Fable 5.1和GPT-6 Astra相当。Meta关于这些模型的博客文章中写道：“它们标志着我们扩展阶梯的下一步，以及迈向个人超级智能的重大飞跃。”这种规模在定价上得到了反映：通过Meta模型API访问，Wonder的成本为每百万个输入令牌4.00美元，每百万个输出令牌20.00美元，使其与GPT-6 Sol或Opus 5.5的成本大致相当。值得注意的是，Wonder Full仅对Muse Code订阅者开放，且不会通过API提供。两个模型还将用于驱动Muse代理。为了与Meta在个人助手开发方面的兴趣保持一致，公司特别强调了新模型在保留和综合用户提供的信息方面的能力，这一特性被Meta称为“主动记忆”。为了实现更好的记忆，Meta突出展示了MemoryBench基准，该基准挑战持续学习和记忆构建框架。根据公司测试，Muse Wonder在MemoryBench上的得分现在高于Fable、Opus或Astra。“我们投入了大量精力，确保您的模型能够在数天、数周、数月甚至更长时间内记住对您重要的内容，”研究科学家Kavya Kopparapu在一个陪同发布的视频中表示。新的模型是自去年8月Scale AI创始人Alexandr Wang重组Meta的AI工作以来发布的首个前沿模型。自那时以来，Meta发布了轻量级的Muse Spark模型和Muse代理，但避免了OpenAI和Anthropic所知的那种最先进模型的发布。根据帖子，这些模型是在Meta位于俄亥俄州中部的Prometheus数据中心进行训练的，该数据中心于今年早些时候上线。通过我们文章中的链接进行购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。Russell Brandom自2012年以来一直报道科技行业，专注于平台政策和新兴技术。此前，他曾在The Verge和Rest of World工作，并为Wired、The Awl和MIT的《技术评论》撰写文章。他可以通过[email protected]或在Signal上拨打412-401-5489与他联系。