Meta hat mehr als ein Jahr damit verbracht, seine KI-Aktivitäten neu zu organisieren, und das erste Ergebnis auf Frontier-Niveau ist ein Modell, das verspricht, sich an deinen Geburtstag zu erinnern. Am Montag hat Meta Superintelligence Lab Muse Wonder und Muse Wonder Full veröffentlicht, den ersten Vorstoß des Unternehmens in den Bereich der Frontier-Modelle.
Die beiden sind oberhalb von Muse Spark angesiedelt, dem schlanken Modell mit geringer Latenz, das Meta zuvor veröffentlicht hatte. Wonder ist größer und laut Meta auch leistungsfähiger, mit höheren Benchmark-Werten und besseren Ergebnissen bei komplexen Aufgaben wie der Programmierung.
Was Meta behauptet
Die zentrale Behauptung stammt aus Metas eigenen Tests, die in der Model Card vorgestellt werden. Nach diesen Zahlen erreichen Wonder und Wonder Full Benchmark-Werte, die mit denen von Fable 5.1 und GPT-6 Astra vergleichbar sind.
Hier benotet ein Unternehmen seine eigenen Hausaufgaben – so laufen fast alle Modellveröffentlichungen ab. Die Ankündigung enthält keinerlei Hinweise auf eine unabhängige Überprüfung. Betrachte den Vergleich also als Metas Position und nicht als gesichertes Ergebnis.
Metas Blogbeitrag beschreibt die Veröffentlichung in entsprechend großen Worten: "Gemeinsam markieren sie die nächste Stufe auf unserer Skalierungsleiter und einen großen Sprung in Richtung persönlicher Superintelligenz." Der Ausdruck "Skalierungsleiter" deutet darauf hin, dass weitere Sprossen geplant sind, auch wenn der Beitrag den vorliegenden Berichten zufolge nicht sagt, welche das sind.
Preise und Zugang
Die beiden Modelle werden nicht auf dieselbe Weise angeboten.
| Muse Wonder | Muse Wonder Full | |
|---|---|---|
| Meta Model API | Ja | Nein |
| Abonnenten von Muse Code | Nicht angegeben | Ja, ausschließlich |
| Treibt den Muse agent an | Ja | Ja |
Über die Meta Model API kostet Wonder 4 US-Dollar pro Million Eingabe-Tokens und 20 US-Dollar pro Million Ausgabe-Tokens. Damit liegt es ungefähr auf dem Preisniveau von GPT-6 Sol und Opus 5.5. Meta unterbietet hier niemanden, was zu einem Modell passt, das als ebenbürtiger Konkurrent positioniert ist und nicht als Schnäppchen.
Wonder Full ist das exklusivere der beiden Modelle. Nur Abonnenten von Muse Code können es nutzen, und es wird nicht über die API angeboten. Entwickler, die über einen API-Aufruf auf dem größeren Modell aufbauen wollen, müssen sich mit Wonder begnügen.
Das Versprechen: aktives Gedächtnis
Wenn es eine Idee gibt, die Meta mit diesen Modellen verbunden sehen möchte, dann ist es das Gedächtnis. Das Unternehmen interessiert sich für persönliche Assistenten, die über einen längeren Zeitraum Aufgaben erledigen können, und legte besonderen Wert auf die Fähigkeit der Modelle, das, was Nutzer ihnen mitteilen, zu behalten und zusammenzuführen. Meta nennt das "aktives Gedächtnis".
Als Beleg verwies Meta auf MemoryBench, einen Benchmark, der Frameworks für kontinuierliches Lernen und den Aufbau eines Gedächtnisses auf die Probe stellt. In den Tests des Unternehmens erzielt Muse Wonder auf MemoryBench höhere Werte als Fable, Opus oder Astra.
Die Forschungswissenschaftlerin Kavya Kopparapu formulierte das Ziel in einem Video zur Veröffentlichung klar: "Wir haben enorm viel Aufwand betrieben, um sicherzustellen, dass dein Modell sich über Tage, Wochen, Monate und darüber hinaus merken kann, was dir wichtig ist."
Diese Behauptung lässt sich leicht aufstellen, aber nur schwer überprüfen. Ein Modell, das bei einem Gedächtnis-Benchmark gut abschneidet, erinnert sich nach drei Monaten nicht zwangsläufig an die richtigen Dinge über dich. Genau diese Frage werden Nutzer beantworten, sobald der Muse agent auf diesen Modellen läuft.
Warum diese Veröffentlichung für Meta wichtig ist
Der Zeitpunkt ist wichtiger als die technischen Daten. Dies sind die ersten Frontier-Modelle seit der Neuorganisation von Metas KI-Aktivitäten durch Scale AI-Gründer Alexandr Wang im August vergangenen Jahres. Seitdem hat Meta das schlanke Muse Spark und den Muse agent veröffentlicht, hielt sich aber mit jener Art von State-of-the-Art-Veröffentlichungen zurück, für die OpenAI und Anthropic bekannt sind.
Wonder beendet dieses Muster. Ob das überzeugend gelingt, hängt davon ab, wie sich die Benchmark-Behauptungen außerhalb von Metas eigener Model Card bewähren.
Hinzu kommt eine Fußnote zur Hardware. Laut Metas Beitrag wurden die Modelle im Rechenzentrum Prometheus im Zentrum von Ohio trainiert, das erst in diesem Jahr in Betrieb ging. Damit hat die Anlage innerhalb weniger Monate nach ihrer Eröffnung ein Flaggschiffmodell hervorgebracht – eine runde Geschichte für ein Unternehmen, das seine Rechenkapazitäten ausgebaut hat.
Was wir nicht wissen
Die Ankündigung lässt mehrere Fragen offen, zumindest nach dem, was bislang berichtet wurde:
- Unabhängige Ergebnisse. Die Benchmark-Vergleiche stammen aus Metas Tests.
- Unterschiede zwischen den Modellen. Wonder Full wird nur anhand seines eingeschränkten Zugangs beschrieben, und das Material, über das berichtet wurde, erläutert nicht, wie es sich in seinen Fähigkeiten von Wonder unterscheidet.
- Gedächtnis im Alltag. MemoryBench ist eine Messgröße, keine gelebte Erfahrung.
Klar ist hingegen die Strategie. Meta setzt den Preis für Wonder auf dem Niveau der bekanntesten Konkurrenten an, hält sein größtes Modell hinter einem Coding-Abonnement zurück und setzt darauf, dass ein Assistent, der sich an dich erinnert, das entscheidende Unterscheidungsmerkmal in einem Feld ist, in dem die Benchmark-Ergebnisse immer näher zusammenrücken. Das ist eine vernünftige Wette – vorausgesetzt, der Assistent erinnert sich an die richtigen Dinge.