Olcsó, többmodalitású modellt adott ki a Meta a Muse Ember-rel

A Meta hétfőn mutatta be a Muse Ember nevű modellt, amely a Muse családon belül a kisebb, hatékonyabb, többmodalitású tag. A The New Stack beszámolója szerint a cég a kis, nagy mennyiségű feladatokra szánt modelleket állítja szembe a nagyobb, csúcsteljesítményű rendszerekkel, ahogy a többi élvonalbeli laboratórium is teszi.

A Meta a Muse Embert agentalapú részfeladatokra ajánlja: fájlok olvasására, tesztek futtatására és célzott javításokra. A tervezést a nagyobb Muse Wonder Full modell végezné. A modell a Muse Code-ban és a Meta Model API-n keresztül érhető el muse-ember-1.0 azonosítóval, a súlyait viszont a Meta továbbra sem teszi közzé.

Árazás és teljesítmény

Az Ember 1 millió tokenes kontextusablakkal dolgozik, és legfeljebb 512 ezer kimeneti tokent támogat. A Meta szerint a bemeneti tokenek millió darabonként 0,10 dollárba, a kimeneti tokenek 0,50 dollárba kerülnek. Ezek a díjak a GPT-6 Luna és a Claude Haiku 5.5 rövid kontextusú standard árával egyeznek meg.

Az Artificial Analysis Intelligence Index mérése szerint a Meta állítása alapján az Ember maximális érvelésen 36 pontot ér el, a GPT-6 Luna 28 pontot, a Claude Haiku szintén 36 pontot. A Meta szerint a modell a Haiku legjobb pontszámát közel harmadannyi költségért hozza, és minden Luna-beállításnál jobb.

Számítógép-használat

Az Ember szövegből, képekből, hangból és videóból is dolgozhat, és a Meta szerint képernyőképek alapján asztali alkalmazásokat is tud kezelni. Az OSWorld 2.1 teszten a gyártó közlése szerint 33,8 százalékban fejezett be feladatokat teljesen, a Haiku 27,8, a Luna 17 százalékával szemben.

A Meta közölte, hogy az Ember az első olyan modell, amelyet a nagyobb Muse Wonder Full segítségével tanítottak be. A FrontierCode 2.0 tesztben viszont gyengébben szerepelt: 27,2 százalékot ért el, míg a Haiku 34,9 százalékot.