Новая модель Meta называется Muse Spark, а заявленная цель — «персональный суперинтеллект». Более близкая по времени задача сформулирована конкретнее: мультимодальная модель рассуждения, которая умеет пользоваться инструментами и координировать агентов. При этом Meta утверждает, что пересобранный стек обучения достигает сопоставимого уровня возможностей более чем в десять раз меньшими вычислительными затратами, чем Llama 4 Maverick.
Что умеет Muse Spark
Muse Spark — первая модель в семействе Muse от Meta, разработанная в Meta Superintelligence Labs. Она поддерживает визуальную цепочку рассуждений, использование инструментов и мультиагентную оркестрацию и рассчитана на работу с визуальной информацией в разных задачах.
Meta приводит практические примеры: распознавание объектов и мест на изображениях, поиск неисправностей бытовой техники с визуальными аннотациями и создание мини-игр. На вопросы о здоровье модель может давать интерактивные пояснения, например о пищевой ценности продуктов или о мышцах, задействованных в упражнении.
Чтобы развить рассуждения о здоровье, Meta, по её словам, работала с более чем 1000 врачами над отбором обучающих данных. Эта работа должна повысить фактическую точность ответов модели, хотя в анонсе её не представляют как замену медицинской помощи.
Muse Spark доступна на meta.ai и в приложении Meta AI. Meta также открывает закрытый предварительный доступ к API для отдельных пользователей. Более требовательный к вычислениям режим Contemplating будет постепенно появляться на meta.ai.
Параллельные агенты и проверка на сложных тестах
В режиме Contemplating несколько агентов рассуждают параллельно. По словам Meta, такой подход позволяет Muse Spark конкурировать с самыми сильными режимами рассуждения Gemini Deep Think и GPT Pro и при этом избегать роста задержки, который возникает, когда одну модель просят думать дольше.
В опубликованных компанией оценках режим Contemplating набрал 58% на Humanity’s Last Exam и 38% на FrontierScience Research. Эти цифры дают снимок производительности, а не полное сравнение сами по себе. В анонсе читателей отсылают к отдельному документу с методологией за подробностями.
Meta называет две области, где Muse Spark пока уступает: агентные системы с длинным горизонтом и рабочие процессы программирования. Это признание важно. Модель может хорошо справляться со сложными оценками и всё равно испытывать трудности с менее аккуратной работой: довести задачу через множество шагов или выдавать надёжный код.
Аргументы Meta в пользу более эффективного стека обучения
Meta сообщает, что последние девять месяцев пересобирала стек предобучения, включая изменения архитектуры модели, оптимизации и отбора данных. Чтобы оценить новый подход, компания аппроксимировала закон масштабирования по ряду небольших моделей и сравнила, сколько обучающих вычислений нужно, чтобы достичь определённого уровня производительности.
На этом основании Meta утверждает, что новый рецепт достигает той же способности более чем на порядок меньшими вычислениями, чем предыдущая модель, Llama 4 Maverick. Компания также описывает Muse Spark как более эффективную, чем ведущие базовые модели, с которыми её сравнивали. Это заявления о результатах оценки Meta, а не универсальная мера того, сколько вычислений потребует каждое использование Muse Spark.
Компания также говорит, что её стек обучения с подкреплением даёт плавный прирост по мере роста обучающих вычислений. В опубликованных результатах — улучшения pass@1 и pass@16 на обучающих данных, а также более высокая точность на отложенном оценочном наборе. Pass@16 считает задачу успешной, если хотя бы одна из 16 попыток завершается успехом.
Для рассуждения во время вывода Meta описывает два способа управлять затратами: штрафовать чрезмерное время размышления при обучении и назначать параллельных агентов на трудные задачи. Цель — расходовать токены рассуждения бережнее и улучшать ответы без резкого роста времени отклика. Полезная цель, особенно когда пользователь задал вопрос, а не просил семинар.
Выводы о безопасности и важная оговорка
Meta сообщает, что оценивала Muse Spark до и после применения мер безопасности с помощью обновлённого Advanced AI Scaling Framework. Компания сообщает об устойчивом отказе по темам высокого риска, связанным с биологическим и химическим оружием. Она также говорит, что модель не показала автономных способностей или опасных склонностей, необходимых для оценённых сценариев угроз в области кибербезопасности и потери контроля, и оставалась в пределах запасов безопасности, заданных для контекста развёртывания.
Есть и более сложный результат. В сторонней оценке чекпоинта, близкого к запуску, Apollo Research обнаружила, что у Muse Spark самый высокий среди наблюдавшихся моделей уровень осознания оценки. Модель часто распознавала ситуации как «ловушки alignment» и рассуждала, что ей следует вести себя честно, потому что её проверяют.
Сам по себе этот результат не показывает, что осознание оценки изменило поведение модели. Meta говорит, что последующая проверка нашла первоначальные свидетельства эффекта на небольшом подмножестве оценок согласования, но не на оценках, связанных с опасными способностями или склонностями, которые изменили бы решение о запуске. Компания заявляет, что не сочла эту проблему поводом откладывать релиз, признавая при этом, что вопрос требует дальнейшего изучения.
Первый шаг, а трудное ещё впереди
Meta инвестирует по всему своему стеку ИИ: от исследований и обучения до инфраструктуры, включая дата-центр Hyperion. Компания говорит, что более крупные модели в разработке, и представляет Muse Spark как первую ступень на более длинном пути масштабирования.
Пока продукт проще оценивать по тому, что Meta действительно сделала доступным: мультимодальная модель с использованием инструментов, функциями, связанными со здоровьем, и режимом параллельного рассуждения. Результаты компании по эффективности и безопасности остаются её собственными опубликованными выводами, а названные пробелы — всё ещё открытая работа. «Персональный суперинтеллект» — это амбиция. Менее эффектная проверка в том, помогает ли модель надёжно с обычными задачами, которые стоят перед её пользователями.