Meta超级智能实验室(MSL)经过14个月的努力,正式发布了其第二代模型系列Muse Wonder(代号“Watermelon”)及其完整版Muse Wonder Full。这一发布标志着MSL作为前沿实验室的地位正式确立,类似于OpenAI的Sol/Terra/Luna系列和Anthropic的Opus/Sonnet/Haiku系列。

主要发布内容

  • 两款模型:Muse Wonder定位为快速前沿模型,Wonder Full为完整版,后者在部分基准测试中优于Fable和Astra。
  • 定价与可用性:Wonder通过Meta模型API和Muse Code提供,Wonder Full仅限Muse Code订阅用户使用。定价为输入4美元/百万token,输出20美元/百万token,支持100万token上下文窗口。
  • 核心特性:
    • 活跃记忆:支持跨天、周、月的记忆管理。
    • 活跃聚焦:能够克服阻碍,完成任务。
    • 领域专长:在金融和法律领域表现领先,医疗领域表现强劲。

独立评测亮点

  • Artificial Analysis:Wonder Full在智能指数v4.3中得分56,Wonder得分52,均优于前代Spark 1.3。Wonder Full在10项评测中均有提升,尤其在代理任务中表现突出。
  • Vals AI:Wonder Full在Vals指数中排名第五,领先所有OpenAI模型,表现大幅提升。
  • 成本效率:Wonder每项任务成本约4.52美元,介于Anthropic和OpenAI/Google模型之间。

Meta团队观点

  • 目标聚焦于“个人赋能”,而非简单的工作自动化。
  • 重点优化长时间跨度的指令执行和对抗“懒惰”行为,确保模型持久执行任务。
  • 强调模型在IMO数学难题和部分开放研究问题上的一次性解决能力。

社区与专家反馈

  • 多位早期用户将Muse Wonder列为S级模型,认为其在多模态和代理任务上表现优异。
  • 也有声音认为Meta仍落后OpenAI和Anthropic约3-6个月,且希望看到更详细的系统说明。
  • 部分用户对Wonder Full仅限订阅用户使用表示不满,认为两者差异较大。

相关技术与生态

  • 伴随发布的还有多项强化学习、代理训练框架和推理硬件进展,如微软Maia 300推理系统、Elastic RL框架QwenGyre等。
  • 生态中还包括多款专用模型和开发者工具,如GLM-Legal、Coinbase定制模型等。

未来展望

Meta通过Muse Wonder系列,展示了其在AI前沿领域的强大实力和持续创新能力。随着模型的不断优化和生态完善,预计将进一步推动个人和专业智能代理的发展。