متا از مدل هوش مصنوعی Muse Ember رونمایی کرد؛ مدلی ارزان‌ قیمت برای انجام وظایف تکراری

رونمایی متا از کوچک‌ ترین و ارزان‌ ترین مدل هوش مصنوعی خود

متا رسماً از Muse Ember، کوچک‌ترین و ارزان‌ترین مدل هوش مصنوعی خود تا به امروز رونمایی کرد. این مدل قرار نیست پیچیده‌ترین مشکلات جهان را حل کند، بلکه Meta آن را دقیقاً برای انجام وظایف کوچک و تکراری عامل‌های هوش مصنوعی (AI Agents) مانند استفاده از ابزارها، رفع اشکالات کوچک کدنویسی، دسته‌بندی درخواست‌ها، استخراج داده‌ها از فایل‌ها و خواندن اسناد طولانی طراحی کرده است.

قابلیت‌ های کلیدی و اظهارات مارک زاکربرگ درباره Muse Ember

به گزارش بخش اخبار فناوری زوم تک به نقل از Digital Trends، مارک زاکربرگ راه‌اندازی این مدل را در شبکه اجتماعی X (توییتر سابق) اعلام کرد و گفت با Muse Ember در مقایسه با مدل‌های کوچک مشابه، در ازای هزینه‌ای که می‌پردازید قدرت پردازشی و هوش بیشتری دریافت می‌کنید.

هزینه استفاده از Muse Ember چقدر است؟

هزینه استفاده از این ابزار بسیار ارزان‌تر از آن چیزی است که از مدلی با این توانایی انتظار می‌رود. شما برای هر یک میلیون توکن ورودی مبلغ ۰.۱۰ دلار و برای هر یک میلیون توکن خروجی مبلغ ۰.۵۰ دلار پرداخت می‌کنید. طبق اعلام متا، مدل Claude Haiku 5.5 برای دست‌یابی به همان امتیاز برتر باید حدود سه برابر بیشتر هزینه کند و مدل GPT-6 Luna نیز صرف‌نظر از تنظیماتی که انتخاب می‌کنید، در رتبه پایین‌تری قرار می‌گیرد.

بر اساس بنچمارک‌های Artificial Analysis، مدل Muse Ember یک وظیفه را با هزینه‌ای در حدود ۰.۱۴ دلار به پایان می‌رساند. این در حالی است که مدل دیگر خود متا یعنی Muse Spark 1.3 تنها یک امتیاز بالاتر کسب می‌کند اما برای انجام همان وظیفه ۲.۳۹ دلار هزینه روی دست کاربر می‌گذارد.

آیا یک مدل هوش مصنوعی کوچک می‌تواند با رقبا رقابت کند؟

با توجه به نتایج بنچمارکی که متا به اشتراک گذاشته، این مدل عملکرد بسیار خوبی از خود نشان داده است. در بنچمارک AutomationBench که گردش‌های کاری کسب‌وکارها را می‌سنجد، Muse Ember امتیاز ۳۷.۸ درصد را کسب کرد که تقریباً سه برابر امتیاز ۱۳.۹ درصدی Claude Haiku 5.5 است. این مدل همچنین در زمینه هدایت سیستم‌عامل رایانه و تشخیص جزئیات بصری از هر دو رقیب خود پیشی می‌گیرد. با این حال، دستگاه کاملاً بی‌نقص نیست و Claude Haiku 5.5 همچنان در وظایف مهندسی دنیای واقعی رتبه بالاتری دارد.

مدل Muse Ember علاوه بر متن، توانایی پردازش فرمت‌های دیگر را نیز دارد. این مدل می‌تواند تصاویر را بررسی کند، به فایل‌های صوتی گوش دهد و ویدیوها را تماشا کند. به لطف پنجره بافت (Context Window) غول‌پیکر ۱ میلیون توکنی، می‌توانید کل یک پروژه کدنویسی یا مجموعه‌ای از فایل‌ها را یک‌جا به آن تزریق کنید.

دسترسی به Muse Ember و نتیجه‌گیری

هم‌اکنون می‌توانید Muse Ember را از طریق Meta Model API، سرویس Muse Code، گوگل کلود (Google Cloud) و اوراکل کلود (Oracle Cloud) امتحان کنید. اگر در حال ساخت عامل‌های هوش مصنوعی با بودجه محدود هستید، این مدل قطعاً ارزش بررسی دارد.