Meta เปิดตัว Muse Wonder โมเดล frontier รุ่นแรก มุ่งพัฒนา 'active memory' สำหรับผู้ช่วยส่วนตัว
Meta เปิดตัว Muse Wonder และ Muse Wonder Full ซึ่งเป็น frontier model รุ่นแรกของบริษัท เน้นความสามารถด้านการจดจำและสังเคราะห์ข้อมูลของผู้ใช้ พร้อมรายละเอียดการใช้งานผ่าน API และเงื่อนไขการเข้าถึงสำหรับ Muse Code subscribers

Meta ประกาศเปิดตัว Muse Wonder และ Muse Wonder Full สองโมเดลใหม่จาก Superintelligence Lab ซึ่งถือเป็นความพยายามครั้งแรกของบริษัทในการปล่อย frontier model รุ่นใหญ่ขึ้นหลังจากที่ก่อนหน้านี้มี Muse Spark รุ่นเบา Muse Wonder ถูกออกแบบให้มีความสามารถสูงขึ้น ทำคะแนนเบนช์มาร์กได้ดีขึ้นและรับมือกับงานซับซ้อนอย่างการเขียนโค้ดได้เหนือกว่า
ความสามารถและตำแหน่งทางเทคนิค
ตามข้อมูลที่ Meta เปิดเผยใน model card โมเดล Wonder และ Wonder Full ทำคะแนนเบนช์มาร์กได้เทียบเท่ากับ Fable 5.1 และ GPT-6 Astra ซึ่งแสดงให้เห็นว่าเป็นโมเดลระดับแนวหน้า ทั้งสองรุ่นจะถูกนำมาใช้ขับเคลื่อน Muse agent เพื่อทำหน้าที่เป็นผู้ช่วยส่วนตัวที่สามารถทำงานต่อเนื่องกับข้อมูลของผู้ใช้
การเน้นเรื่องการจดจำ - active memory
จุดเด่นสำคัญที่ Meta เน้นคือความสามารถด้านการเก็บและสังเคราะห์ข้อมูลของผู้ใช้ในระยะยาว ซึ่งบริษัทเรียกแนวคิดนี้ว่า active memory เพื่อให้ผู้ช่วยสามารถจดจำสิ่งสำคัญของผู้ใช้ได้ข้ามวัน ข้ามสัปดาห์หรือข้ามเดือน Meta นำผลการทดสอบ MemoryBench ซึ่งเป็นเบนช์มาร์กที่ทดสอบการเรียนรู้ต่อเนื่องและการสร้างหน่วยความจำ โดยระบุว่า Muse Wonder ทำคะแนน MemoryBench สูงกว่า Fable, Opus และ Astra
การเข้าถึงและราคา
Meta ระบุว่าผู้พัฒนาสามารถเรียกใช้ Muse Wonder ผ่าน Meta Model API โดยมีค่าบริการเท่ากับ $4 per million input tokens และ $20 per million output tokens ซึ่งทำให้ต้นทุนโดยรวมเทียบเคียงกับ GPT-6 Sol หรือ Opus 5.5 ได้ อย่างไรก็ดี Muse Wonder Full จะเปิดให้เฉพาะผู้ที่เป็น Muse Code subscribers เท่านั้นและจะไม่ให้บริการผ่าน API
บริบทเชิงองค์กรและการพัฒนา
นี่ถือเป็นการออก frontier model ครั้งแรกของ Meta หลังจากการปรับโครงสร้างทีม AI เมื่อเดือนสิงหาคมปีที่ผ่านมา บริษัทได้เปิดตัว Muse Spark รุ่นเบาที่เน้นการตอบสนองความหน่วงต่ำและ Muse agent ก่อนหน้านี้ แต่ยังไม่เคยปล่อยโมเดลในระดับแนวหน้าแบบนี้มาก่อน โมเดล Wonder ทั้งสองถูกฝึกที่ Prometheus data center ใน central Ohio ซึ่งเริ่มใช้งานในปีนี้
ทีมวิจัยของ Meta ระบุว่าลงทุนอย่างมากเพื่อให้โมเดลสามารถจำสิ่งสำคัญของผู้ใช้ในช่วงเวลาที่ยาวนานได้มากขึ้น โดย Kavya Kopparapu ซึ่งเป็น research scientist อธิบายแนวคิดนี้พร้อมตัวอย่างการใช้งานในวิดีโอประกอบการเปิดตัว
สิ่งที่น่าสนใจต่อไปคือการสังเกตว่า Wonder จะถูกนำไปใช้ในเชิงปฏิบัติได้มากน้อยแค่ไหน ทั้งในด้านประสิทธิภาพจริง เมตริกด้านความปลอดภัย และเงื่อนไขการเข้าถึงที่แยกระหว่างรุ่น API และรุ่นสำหรับ Muse Code subscribers
สิ่งที่ต้องติดตาม - ผลการประเมินอิสระจากชุมชนวิจัยและนักพัฒนา รวมถึงการทดสอบการใช้งานจริงของ Muse agent จะเป็นตัวชี้วัดว่าการเน้น active memory ของ Meta จะสร้างความได้เปรียบด้านผู้ช่วยส่วนตัวอย่างไร
ที่มา: TechCrunch - เรียบเรียงและสรุปเป็นภาษาไทยโดยทีมงาน IT Genius
ไอทีจีเนียส เอ็นจิเนียริ่ง ให้บริการด้านไอทีครบวงจร
ทั้งงานอบรม (Training) สัมมนา รับเขียนโปรแกรม เว็บไซต์ แอปพลิเคชัน งานออกแบบกราฟิก และงานด้าน E-Marketing ทั้ง SEO, PPC และ Social Media Marketing
ติดต่อเราเพื่อสอบถามผลิตภัณฑ์ ขอราคา หรือปรึกษาเรื่องไอทีได้เลยค่ะ
แนะนำหลักสูตรที่น่าสนใจ

Generative AI for Software Developers
Generative AI กลายเป็นส่วนหนึ่งของงานพัฒนาซอฟต์แวร์ประจำวัน ตั้งแต่ออกแบบระบบ เขียนโค้ด แก้ Bug เขียน Test ไปจนถึงทำเอกสาร แต่ผลลัพธ์ที่ได้ขึ้นอยู่กับว่านักพัฒนาสื่อสารกับ AI ได้ชัดเจนแค่ไหน ให้บริบทเพียงพอหรือไม่ และตรวจสอบผลงานของ AI อย่างไร นักพัฒนาที่ใช้…

Local LLM Deployment with Ollama and vLLM
หลายองค์กรอยากใช้ LLM กับเอกสารภายใน ข้อมูลลูกค้า หรือซอร์สโค้ด แต่ติดเงื่อนไขว่าข้อมูลห้ามส่งออกไปยังผู้ให้บริการภายนอก ทางออกคือรันโมเดล Open-weight บนเครื่องหรือเซิร์ฟเวอร์ขององค์กรเอง แต่พอลงมือจริงทีม IT ต้องตอบคำถามที่ไม่ง่ายเลย ว่าควรเลือกโมเดลไหน…

LLM Application Engineering Foundations
การเรียก LLM API ให้ได้คำตอบกลับมานั้นใช้โค้ดไม่กี่บรรทัด แต่การสร้างแอปที่ใช้งานได้จริงเป็นอีกเรื่อง นักพัฒนาต้องรับมือกับคำตอบที่รูปแบบไม่แน่นอน ค่าใช้จ่ายที่บานปลาย Rate Limit ข้อมูลที่โมเดลไม่รู้ และคำถามว่าแก้ Prompt แล้วดีขึ้นจริงหรือไม่…
