Meta* выпустила модели Muse Wonder для личных и рабочих агентов

Meta выпустила Muse Wonder и Muse Wonder Full — свои самые способные модели. По замерам компании, они показывают лучшие результаты в ключевых бенчмарках для личных и рабочих агентов, памяти и программирования.

Почему это важно: Muse Wonder построена на более крупной и сильной базовой модели¹, чем Muse Spark, которую Meta с апреля улучшала обновлениями. Ей предстоит стать основой личного агента Muse: по данным The Information, ему пишут больше 3 млн человек в неделю.

Предыстория: за полгода Meta выпустила несколько моделей и агента:

• 8 апреля лаборатория Meta Superintelligence Labs выпустила Muse Spark — свою первую модель.
• 5 августа и 2 сентября вышли обновления Muse Spark 1.2 и 1.3, почти ровно с месячным промежутком.
• 8 сентября Meta запустила личного агента Muse в WhatsApp и отдельном приложении: он сам ведёт долгие задачи в облаке.
• 24 сентября, показывая устройства вокруг агента, Meta обещала самую способную модель «совсем скоро».

Расклад: Muse Wonder уже доступна через API Meta и в Muse Code — агенте Meta для программирования, который работает в терминале, а Muse Wonder Full — только подписчикам Muse Code. Программист Саймон Уиллисон², который проверяет модели просьбой нарисовать пеликана, уже добавил Muse Wonder в свой плагин для утилиты LLM. Уровней рассуждений у модели шесть, от минимального до максимального: чем выше уровень, тем дольше модель думает перед ответом.

Детали: Meta делает упор на то, что нужно агенту в долгой работе:

• Active Memory («активная память») переносит важное о пользователе из разговора в разговор и сама достаёт детали, когда они нужны для задачи.
• Active Focus («активная сосредоточенность») не даёт бросить трудную задачу: модель пробует другие подходы, обходит препятствия, а перед важными действиями сверяется с человеком.
• Знания в праве, финансах и медицине компания проверяла на задачах вроде разбора договора аренды; среди тестов — юридический бенчмарк Harvey³ с работой по исходным документам.
• В примерах Meta модель по фотографиям из личного Instagram* придумывает и заказывает сувениры, а по списку сложных условий рассаживает гостей на свадьбе.

Интрига: Meta попыталась измерить то, что в отрасли называют «запахом большой модели», — широту умений, которую не ловят популярные бенчмарки:

• Компания сравнила Muse Spark 1.3 и Muse Wonder Full на разных уровнях рассуждений — на задачах, к которым модели готовили при дообучении⁴, и на незнакомых.
• При равном балле на знакомых задачах Muse Wonder Full решает незнакомые лучше, чем можно было ожидать по результатам Muse Spark 1.3.
• Meta объясняет это более крупной и сильной базовой моделью: польза от дообучения лучше переносится на задачи, которых разработчики не предвидели.

Что говорят: «Похоже, это первые модели Meta класса Fable», — написал Уиллисон, имея в виду уровень Claude Fable от Anthropic. «Meta выпускает по новой модели в месяц, и разница от модели к модели — по крайней мере в рисовании пеликанов — существенная», — добавил он.

Но: независимые сторонние замеры Meta приводит лишь для части тестов — например, для DeepSWE и SWE-Marathon на долгие задачи программирования. Чем Muse Wonder Full отличается от обычной версии, компания не объясняет. Полный отчёт о проверках безопасности она обещает выпустить позже.

Что дальше: в агенте Muse новую модель сначала получат подписчики. Позже Meta собирается делать на основе Muse Wonder специализированные модели для всех пользователей агента.

По словам Meta, у Muse Wonder самые сильные среди моделей компании защитные меры против попыток получить помощь в создании химического, биологического, радиологического и ядерного оружия и в кибератаках. Возможности для киберзащиты при этом остаются доступны. Модели учили осторожно обращаться с личными данными и не поддаваться вредоносным инструкциям: личный агент может видеть переписку, календарь и документы. При этом, как писал в начале октября WIRED, инструкции, по которым работает агент Muse, велят ему вести профили людей вокруг пользователя. Обновлять их агент должен каждый час; в профилях — история отношений и советы, как эти отношения укрепить.