متا Muse Wonder را معرفی کرد؛ مدل ایجنت برای کارهای شخصی و حرفه‌ای با حافظهٔ فعال

آزمایشگاه هوش مصنوعی متا در ۱۲ اکتبر ۲۰۲۶ از سری Muse Wonder رونمایی کرد: دو مدل Muse Wonder و Muse Wonder Full که شرکت آن‌ها را برای ایجنت‌های شخصی و حرفه‌ای معرفی می‌کند. پیام رسمی روشن است؛ هدف، مدلی است که زمینهٔ کاربر را به یاد بسپارد، روی هدف بماند و کارهای چندمرحله‌ای را جلو ببرد، نه فقط یک پاسخ کوتاه بدهد.

طبق پست رسمی متا، Muse Wonder از همان روز معرفی از مسیر Meta Model API و Muse Code در دسترس قرار گرفت. نسخهٔ Muse Wonder Full هم برای مشترکان Muse Code اعلام شده است. متا می‌گوید این سری در آینده تجربهٔ محصول Muse را تغذیه می‌کند و ابتدا برای مشترکان عرضه می‌شود؛ تولید آرتیفکت و فرایندهایی که به هوش بیشتری نیاز دارند هم در نقشهٔ راه آمده است.

شرکت این انتشار را ادامهٔ مسیر مقیاس‌پذیری قابل‌پیش‌بینی بعد از Muse Spark می‌داند و آموزش را در مرکز دادهٔ مقیاس گیگاواتی Prometheus انجام‌شده اعلام کرده است. جزئیات معماری و اندازهٔ پارامتر در همان پست به‌صورت عدد مشخص منتشر نشده و باید منتظر گزارش ارزیابی جداگانه ماند.

Active Memory و Active Focus یعنی چه؟

متا دو مفهوم را برجسته کرده است. Active Memory یعنی مدل زمینهٔ مهم کاربر را بین گفتگوها نگه می‌دارد و وقتی لازم شد همان جزئیات را برای کار جاری بازیابی می‌کند. Active Focus به ادامهٔ کار روی هدف سخت اشاره دارد: امتحان مسیر جایگزین، رد کردن مانع، و پرسیدن شفاف‌سازی قبل از اقدام مهم. برای سنجش تمرکز به FocusBench و برای کارهای نرم‌افزاری بلندمدت به SWE-Marathon ارجاع داده شده است.

در بخش تخصص دامنه، متا به ارزیابی‌هایی در حقوق، مالی و سلامت اشاره می‌کند؛ از جمله Harvey Legal Agent Benchmark که کار با سند منبع و دستورالعمل دقیق را می‌سنجد. ادعای شرکت این است که مدل دانش تخصصی را روی مسائل واقعی کار و زندگی به کار می‌گیرد، نه فقط روی بنچمارک‌های عمومی.

کدنویسی، ایمنی و محدودیت‌ها

متا می‌گوید Muse Wonder و نسخهٔ Full در کدنویسی frontier عمل می‌کنند و روی پروژه‌های کوچک تا نرم‌افزار پیچیده‌تر آموزش دیده‌اند. در بخش ایمنی، قوی‌ترین محافظت‌های تا امروز در برابر سوءاستفادهٔ CBRN و سایبری ادعا شده، در حالی که قابلیت دفاعی سایبری طبق چارچوب مقیاس‌پذیری ابرهوش متا حفظ می‌شود. گزارش کامل‌تر ایمنی به‌زودی وعده شده است.

آنچه در پست رسمی نیست هم مهم است: قیمت توکن، سهمیهٔ رایگان، زمان عرضهٔ عمومی داخل اپ Muse و سطح دسترسی منطقه‌ای به عدد مشخص نشده‌اند. برای خواننده در ایران، استفادهٔ عملی از Meta Model API یا Muse Code به وضعیت حساب، پرداخت و دسترسی شبکه بستگی دارد و باید از همان صفحهٔ رسمی پیگیری شود.

Muse Wonder قدم بعدی متا بعد از Muse Spark است: ایجنت با حافظه و تمرکز فعال برای کار شخصی و حرفه‌ای، با دسترسی اعلام‌شده از Meta Model API و Muse Code. اگر با ایجنت‌های کدنویسی یا دستیارهای چندابزاری کار می‌کنید، صفحهٔ رسمی و گزارش ارزیابی را مبنا بگیرید؛ اعداد بنچمارک و جزئیات ایمنی کامل هنوز در همان پست به‌صورت جدول عمومی کامل نیامده‌اند.

برای کار روزمرهٔ شما کدام مهم‌تر است: حافظهٔ پایدار بین گفتگوها، یا تمرکز طولانی روی یک پروژهٔ کدنویسی؟

بعد از خواندن مطلب بپرسید؛ پاسخ فقط از همین مقاله است.

این مطلب برایتان مفید بود؟

فرهاد محمدی خبرنگار فناوری و هوش مصنوعی فیسیت است. کار روزانه‌اش این است که خبر مدل‌های زبانی، ابزارهای جدید و ادعاهای پرزرق‌وبرق شرکت‌ها را به زبان قابل‌استفاده برای مخاطب ایرانی برگرداند؛ بدون هیجان کاذب و بدون ترساندن بی‌دلیل.

میز کارش دو بخش است: هوش مصنوعی، و فناوری و تکنولوژی روز — نرم‌افزار، اینترنت و تغییراتی که روی کار و زندگی دیجیتال اثر می‌گذارند. قبل از نوشتن معمولاً می‌پرسد «برای کاربر چه فرقی می‌کند؟» و همان را محور مطلب می‌گذارد.

حذف محتوای تکراری؛ حرکت تازه فیسبوک و یوتیوب علیه ویدیوهای کپی‌شده

متا در مسیر ساخت نسل جدید گجت‌ها؛ رقابت بی‌سروصدا با اپل و سامسونگ

سال ۲۰۲۵؛ فصل تعیین‌کننده برای آینده واقعیت افزوده و واقعیت مجازی متا