The Pulse
Meta presenta i modelli Muse Wonder per gli agenti e la programmazione
Il 12 ottobre Meta ha presentato Muse Wonder e Muse Wonder Full, descrivendoli come modelli per attività affidate ad agenti in ambito personale e professionale. L’azienda afferma che i modelli combinano una memoria persistente con la capaci
AI.info Team · Scritto con l’IA ·
«Muse Wonder unisce Active Memory e Active Focus per tenere traccia di ciò che conta per te e lavorare con costanza verso ciò che vuoi realizzare.»
Meta AI Research, presentando i modelli Muse Wonder
Il 12 ottobre Meta ha presentato Muse Wonder e Muse Wonder Full come i suoi modelli più capaci per le attività affidate ad agenti di IA in ambito personale e professionale. Il lancio aggiunge alla famiglia Muse una linea dedicata ai compiti, con funzionalità pensate per aiutare i modelli a conservare dettagli utili tra una conversazione e l’altra e a continuare a lavorare verso un obiettivo quando incontrano ostacoli.
Muse Wonder è disponibile tramite Meta Model API e Muse Code. Muse Wonder Full è disponibile per gli abbonati a Muse Code. Meta afferma che Muse Wonder sarà presto alla base di esperienze nel suo assistente Muse, che saranno rese disponibili inizialmente agli abbonati, oltre che della generazione di artefatti e di processi che richiedono maggiore intelligenza.
La proposta punta su memoria e perseveranza
Meta chiama le due funzionalità principali Active Memory e Active Focus. Active Memory conserva il contesto importante relativo all’utente tra le conversazioni e recupera i dettagli pertinenti a un compito successivo. Active Focus descrive l’impegno del modello a continuare a lavorare verso un obiettivo difficile, provando approcci alternativi, superando gli ostacoli e adattandosi alle nuove informazioni. L’azienda afferma che il modello può anche chiedere chiarimenti e consultare l’utente prima di compiere azioni importanti.
Meta cita attività come interpretare un contratto di locazione e comprendere informazioni finanziarie o sanitarie. Il suo articolo di ricerca descrive valutazioni negli ambiti del diritto, della finanza e della salute, oltre a test di programmazione che includono progetti software di lunga durata. Tra gli esempi mostrati nell’articolo figurano l’uso di un browser e di app per creare un programma di corsa, la progettazione di articoli personalizzati a partire da foto personali e la preparazione di un piano dei posti per un matrimonio.
I confronti sui benchmark usano configurazioni diverse
La scheda del modello di Meta indica testo, immagini, video e audio come input supportati, il testo come output e una lunghezza del contesto in inferenza pari a un milione di token. Precisa che i risultati di Muse Wonder e Muse Wonder Full sono stati ottenuti con il massimo livello di impegno nel ragionamento, così come i confronti con i modelli OpenAI e Anthropic elencati nella metodologia generale. C’è un’eccezione: per SWE-Marathon, la scheda riporta Muse Wonder Full con un livello di impegno nel ragionamento xhigh.
La scheda descrive anche differenze nel modo in cui sono stati predisposti alcuni confronti sulla programmazione. I risultati esterni mantengono l’harness o il prodotto per agenti utilizzato dal fornitore o dal produttore del modello che li ha riportati. Le esecuzioni dei modelli concorrenti generate internamente usano impostazioni comuni dove possibile, ma Meta le definisce tentativi condotti con la massima cura, osservando che prompt, strumenti e ambiente di esecuzione potrebbero non essere ottimizzati per i modelli proprietari. Le prestazioni dichiarate sono risultati riportati dall’azienda su più valutazioni, non l’esito di un unico test uniforme.
Valutazioni di sicurezza e limiti
Meta afferma che i modelli sono stati addestrati a trattare con attenzione le informazioni private e a resistere agli usi impropri, pur mantenendo l’accesso a capacità avanzate di cybersicurezza per scopi difensivi. La scheda del modello precisa che Meta non esclude che Muse Wonder Full raggiunga la sua soglia di rischio elevato nell’ambito chimico e biologico in assenza di misure di mitigazione. L’azienda afferma di aver applicato un post-addestramento orientato alla sicurezza e classificatori a livello di sistema; con le misure di mitigazione e di salvaguardia in atto, ha valutato il rischio come moderato o inferiore in tutti gli ambiti esaminati.
La scheda elenca anche i limiti: il modello può fornire risposte inesatte, distorte o discutibili e può commettere errori nel ragionamento a più passaggi, soprattutto in situazioni non familiari. Il ragionamento visivo e spaziale, in particolare nei compiti 3D, resta un limite noto. Meta raccomanda agli sviluppatori di valutare il modello per i propri usi e di prendere in considerazione misure di salvaguardia, come la conferma da parte di una persona prima di azioni irreversibili.
L’accesso al lancio è incentrato sui prodotti Meta
L’annuncio descrive l’accesso tramite l’API per sviluppatori di Meta e Muse Code, con Muse Wonder Full riservato agli abbonati a Muse Code. Meta afferma inoltre di voler portare Muse Wonder nel suo assistente, a partire dagli abbonati. L’annuncio e la scheda del modello descrivono queste modalità di accesso e le capacità dei modelli; non annunciano il rilascio dei pesi aperti.
Per ora, gli argomenti con cui Meta presenta i nuovi modelli si basano sui risultati dei benchmark, sull’accesso tramite i suoi prodotti e sulle misure di sicurezza dichiarate. Il lancio distingue tra Muse Wonder, disponibile tramite API e Muse Code, e Muse Wonder Full, offerto agli abbonati a Muse Code.