Muse Opus 5.5-ке жетті ме? Жаңа Muse Wonder моделі не көрсетті

Muse Opus 5.5-ке жетті ме? Жаңа Muse Wonder моделі не көрсетті

12 қазанда Meta екі модельді - Muse Wonder және Muse Wonder Full шығарды, бұл оның суперинтеллект зертханасының алғашқы жоғары деңгейлі модельдері. Meta-ның өз кестесі бойынша, үлкен Full 14 тесттің 8-інде Opus 5.5-тен озады, бірақ тек Muse Code жазылымы арқылы сатылады. API арқылы алуға болатын базалық Wonder, Opus 5.5-пен бірдей бағада (GPTunneL-де екеуі де 1K токенге 6 ₸ және 30 ₸), 14 тесттің 9-ында оған жеңіледі.

Төменде - не шықты, Meta тестілері не көрсетті және оларды қалай оқу керек.

Үлкен кристалы бар витринаның жанындағы плюш Tun: ең күшті нұсқа Muse Wonder Full тек жазылымда бар

Не шықты және қайда қолжетімді

ПараметрMuse WonderMuse Wonder Full
Қайда қолжетімдіMeta Model API және Muse Codeтек Muse Code жазылушыларына, API-де жоқ
БағасыGPTunneL-де 1K токенге 6 ₸ / 30 ₸; ID muse-wonderMuse Code жазылымы, айына $50 немесе $200 (GPTunneL-де жоқ)
Контекст1M токен1M токен
Кіріс / шығысмәтін, суреттер, бейне, аудио / мәтінсол сияқты

Біздің прайста Opus 5.5 Wonder-мен бірдей тұрады, ал GPT 6 Astra мен Fable 5.1 - 1K токенге 10 ₸ және 50 ₸. Muse Code жазылымында Power тарифі ($50) базалық Everyday жоспарынан 20 есе көп лимит береді, ал Maximum ($200) - 80 есе. Салмақтары ашық емес, модельді өз серверіңізде іске қосу мүмкін емес. Кейінірек Wonder-ді Muse агентіне қосуға уәде берілген, алдымен жазылушыларға.

Meta кестесі не көрсетті

Meta Wonder-ді GPT-6 Astra, Claude Fable 5.1 және Claude Opus 5.5-пен салыстырды, бәрі максималды күш деңгейінде. Төменде бағасы бойынша ең жақын бәсекелес - Opus 5.5 қалдырылған. Барлық сандар модель карточкасынан, үшеуінің ең жақсысы қою қаріппен.

ТестНені тексередіWonderWonder FullOpus 5.5
Personal Superintelligence IndexMeta-ның өз индексі, жеке және жұмыс тапсырмалары54,359,155,2
Harvey LAB-AAагенттің заң жұмысы10,013,14,2
Vals Finance Agent V2қаржы талдаушысының жұмысы56,659,158,6
HealthBench Proденсаулық туралы ашық сұрақтар60,562,365,6
AutomationBench-AAбасынан аяғына дейінгі бизнес-процестер39,145,441,2
GDP.pdfPDF-пен кәсіби жұмыс30,833,230,6
JobBenchмамандықтар бойынша құралдармен жұмыс70,575,375,4
OSWorld 2.1компьютерді басқару72,678,481,8
MemoryBenchұзақ диалогтарда есте сақтау85,685,581,5
Terminal-Bench 4.0пәрмен жолындағы агент52,057,159,6
DeepSWE 1.1кодтағы ұзақ тапсырмалар78,879,074,2
SWE-Marathonөте ұзақ жобалар53,157,546,3
ProgramBenchбағдарламаны нөлден жазу50,059,070,5
Artificial Analysis индексіжиынтық баға525658

API-де алуға болатын базалық Wonder Opus 5.5-тен бес жолда алда: заң тапсырмалары, PDF-пен жұмыс, жад, ұзақ код (DeepSWE және SWE-Marathon). Қалған тоғызында Opus жоғары. Ең үлкен алшақтықтар - ProgramBench (70,5 қарсы 50,0), OSWorld (81,8 қарсы 72,6) және Terminal-Bench (59,6 қарсы 52,0). Full 14 жолдың сегізінде Opus-тан алда, бірақ ол API-де жоқ.

Бұл сандарды қалай оқу керек

  • Ең жақсы сандар API-де жоқ нұсқаға тиесілі. Басты нәтижелер Full-дікі. Қосуға болатын базалық Wonder әлдеқайда әлсіз.
  • Балдарды таңдау әдісі. Meta үшінші тараптың салыстырмалы нәтижесі жоқ жерде үшеуінің ең жақсысын алатынын жазады: өз іске қосуын, жарияланған балды немесе ресми лидербордты. Басқа модельдер үшін іске қосулар «мүмкіндігінше жақсы», ал сұраныстар мен құралдар оңтайлы бапталмауы мүмкін.
  • Бір жолдағы әртүрлі шарттар. SWE-Marathon-да Astra мен Fable нәтижелері Codex және Claude Code-та алынған, яғни бұл ортақ ортадағы салыстыру емес. Full онда xhigh деңгейінде көрсетілген.
  • Өз тестілері. Personal Superintelligence индексі мен MemoryBench - Meta-ның ішкі тесттері. Artificial Analysis индексінде (52 қарсы 58) және Terminal-Bench-те тәуелсіз тексеру бар.
  • Бас тартулар. Meta модельдің бас тартулары алынып тасталмай, нөл болып саналатынын жазады.
  • Заң тесті. Harvey LAB-AA-дағы Full-дың ең жақсы нәтижесі - 13,1: Opus-тың 4,2-сімен салыстырғанда көп, бірақ абсолютті мәнде төмен. VentureBeat бұны агенттер заң құжаттарын әлі сенімді жасай алмайтынының белгісі деп оқиды.

Сандардан басқа не жаңа

Meta екі қасиетті бөліп көрсетеді. Active Memory - модель пайдаланушы туралы мәліметті әңгімелер арасында тасымалдайды және тапсырмаға қажеттісін алып шығады. Active Focus - қиын мақсатта басқа тәсілдерді байқайды, кедергілерді айналып өтеді, ал қажет болса, нақтылап сұрайды және маңызды әрекеттер алдында тексеріледі. Жад бойынша сандар бар (85,6 қарсы Opus-та 81,5), бірақ тест ішкі. Active Focus үшін Meta өзінің FocusBench-ін келтіреді.

Қауіпсіздік және шектеулер

Meta Wonder-ді «бүгінгі ең үйлесімді модель» деп атайды және химия, биология мен киберқауіпсіздіктегі теріс пайдалануға қарсы ең күшті қорғанысты уәде етеді. Толық есеп кейінірек уәде етілген. Модель карточкасында анонсте жоқ бөлшектер бар:

  • қорғаныс шараларынсыз Meta модельдің химия мен биологияда қауіптің жоғары шегіне жетуін жоққа шығармайды, сондықтан қосымша сүзгілер қосылған;
  • ExploitGym тестінде Full 92 жалауды басып алды, бірақ тек 21-ін көзделген осалдық арқылы, қалған 71-і көзделмеген осалдықтар арқылы. Рейтингте 21 саналады;
  • әлсіз тұсы - көру және кеңістіктік ойлау, әсіресе 3D тапсырмалар;
  • модель оқыту деректеріндегі барлық тілдерде тексерілмеген және 18 жасқа дейінгілерге арналмаған.

Бұл сіз үшін нені білдіреді

Wonder мен Opus 5.5-тің токен бағасы бірдей, бірақ Artificial Analysis бағалауы бойынша Wonder олардың индексін іске қосуға Opus 5.5-ке қарағанда азырақ токен жұмсайды. Яғни тапсырма бойынша Wonder орта есеппен төрттен біріне арзан. Сондықтан таңдау өз тапсырмаңыздағы сапа мен құнға байланысты.

  • Пайдаланушы туралы жад, заң тапсырмалары, кодтағы үлкен жобалар. Базалық Wonder-ді тексеруге тұрады: Meta деректері бойынша мұнда ол Opus 5.5-тен алда. Қаржы тапсырмаларында (Vals) Opus сәл алда: 58,6 қарсы 56,6.
  • Компьютерді басқару, терминал, бағдарламаларды нөлден жазу, медициналық сұрақтар. Мұнда Opus 5.5 5-20 ұпайға алда. Бұл тапсырмалар үшін Wonder әзірге алмастыра алмайды.
  • Full-дың ең жоғары балдары. Оны тек Muse Code жазылымының ішінде пайдалануға болады, API арқылы да, өз сервистеріңізде де емес.

Бизнес үшін де шарт бар: VentureBeat деректері бойынша Muse Code жазылымдары әдепкіде Contributor режимінде жұмыс істейді, онда Meta жіберілген деректерді модельдерін жақсарту үшін пайдалана алады, ал деректерді нөлдік сақтау әдепкіде қосылмаған.

Meta сандары - өз есебі. Көшпес бұрын екі модельде де өз сұраныстар жиынтығыңызды іске қосыңыз.

Қайда байқап көруге болады

Muse Wonder GPTunneL каталогында бар. Бұл API-дегі базалық нұсқа: Full тек Muse Code жазылымында қолжетімді. Контекст - 1 048 576 токен, бағасы - кірісте 1K токенге 6 ₸, шығыста 30 ₸, басты бәсекелесі Claude Opus 5.5 бағасымен дәл бірдей: кірісте 100 мың, шығыста 10 мың токендік сұрау екеуінде де 900 ₸ тұрады. Сондықтан оларды өз тапсырмаңызда бір чатта салыстыру оңай, Opus туралы толығырақ - Opus 5.5 талдауында. Сол желіде арзанырақ Muse Spark 1.3 бар, оның талдауы - бөлек мақалада. VPN керек емес, жергілікті төлем тәсілдері, жазылымсыз, баланс ортақ. Нақты бағалар - бағалар бетінде.

Дереккөздер