آزمایشگاه هوش مصنوعی Meta در پست رسمی ۲ سپتامبر ۲۰۲۶ مدل Muse Spark ۱٫۳ را معرفی کرد؛ به‌روزرسانی‌ای که روی عملکرد ایجنتیک و کدنویسی تمرکز دارد و با بازخورد ماه‌ها استفاده از Muse Code و Meta Model API برای کاربرد واقعی تنظیم شده است. طبق اعلام متا، این مدل هم‌اکنون با حالت max reasoning در Muse Code و Meta Model API در دسترس است و نقطهٔ شروع کار روی dev.meta.ai اعلام شده است.
برای مخاطب فارسی‌زبان حوزهٔ هوش مصنوعی، Muse Spark ۱٫۳ یعنی یک مدل عامل‌محور که قرار است در کارهای بلندمدت کمتر گم شود، وقتی دستور مبهم است سؤال بپرسد و قبل از اقدام‌های پرریسک تأیید بگیرد؛ نه فقط یک عدد تازه روی جدول بنچمارک.
چه تغییری در کارهای ایجنتیک آمده است؟
متا می‌گوید Muse Spark ۱٫۳ برای نگه‌داشتن کارهای طولانی‌تر طراحی شده است: در یک نخ گفت‌وگوی واحد چند جریان کاری را جابه‌جا می‌کند، با ابزارها از منابع پراکنده و حتی متناقض زمینه می‌سازد، خلأهای نقشه را اصلاح می‌کند و آنچه آموخته را تا تحویل نهایی نگه می‌دارد. مدل روی harnessهای متنوع آموزش دیده تا به محیط‌های ایجنتیک مختلف تعمیم پیدا کند.
رفتار همکاری با کاربر هم پررنگ‌تر شده است. وقتی پرامپت مبهم باشد، مدل سؤال‌های شفاف‌ساز می‌پرسد؛ اگر گیر کند از کاربر کمک می‌خواهد و قبل از اقدام‌های پیامددار، تأیید می‌گیرد. در کارهای طولانی می‌تواند مطابق ترجیح کاربر یا مدام گزارش بدهد یا بی‌سروصدا در پس‌زمینه پیش برود. متا همچنین می‌گوید پیروی از دستورهای پیچیده و چندمرحله‌ای بهتر شده و مدل کمتر قیدها را جا می‌اندازد یا از مسیر درخواستی منحرف می‌شود.
در بخش چندوظیفگی، مدل دقیق‌تر پرامپت‌های جدید را به وظیفهٔ درست داخل یک زمینهٔ شلوغ تک‌نخی نگاشت می‌کند؛ چه کاربر کار قبلی را هدایت کند و چه وسط کار قطعش کند. متا ادعا می‌کند آگاهی مدل از توان و محدودیت خودش هم بالاتر رفته تا به‌جای توهم نتیجه، وقتی به مانع می‌رسد واقع‌بینانه‌تر رفتار کند.
روی کدنویسی، Muse Spark ۱٫۳ با آموزش بیشتر روی وظایف بلندمدت، در جریان‌های رایج مهندسی «قابل‌استفاده‌تر» شده است. نسبت به ۱٫۲، نوبت‌های اضافی کمتر، پرحرفی کمتر و سبک کد تمیزتر گزارش شده است. در مقایسهٔ داخلی مهندسان متا، مدل حدود ۲۰٪ فراخوان ابزار کمتر و حدود ۲۵٪ توکن کمتر مصرف کرده و سریع‌تر و کارآمدتر دیده شده است. جزئیات ارزیابی‌ها در گزارش جداگانهٔ متا آمده است.
دسترسی، ایمنی و نقشهٔ راه باز
Muse Spark ۱٫۳ همین حالا در Muse Code و Meta Model API عرضه شده است. برای نصب Muse Code روی macOS یا لینوکس، متا این دستور رسمی را منتشر کرده است:
curl -fsSL https://dev.meta.ai/install.sh | bash
مسیر توسعه‌دهنده همان dev.meta.ai است.
در بخش ایمنی، متا می‌گوید مقاومت در برابر ورودی‌های خصمانه و تزریق پرامپت بهتر شده و در کارهای ایجنتیک پیچیده، مدل برای تشخیص اقدام‌های برگشت‌ناپذیر کالیبره‌تر عمل می‌کند. این تغییرات را به «تشخیص و قضاوت بهتر» در افق‌های زمانی بلند نسبت داده است.
در نگاه جلو، متا از مدل‌های بزرگ‌تر و انتشار وزن‌های باز Muse Spark حرف زده و گفته جزئیات بیشتری در راه است. اگر با Muse Code یا Meta Model API کار می‌کنید، تجربهٔ واقعی‌تان از مصرف توکن، سؤال‌های شفاف‌ساز یا پایداری کارهای چندساعته را در نظرات بنویسید.
فکر می‌کنید کاهش ۲۰٪ ابزار و ۲۵٪ توکن در Muse Spark ۱٫۳ بیشتر به تیم‌های محصول کمک می‌کند یا به توسعه‌دهندگانی که عامل‌های طولانی روی API می‌سازند؟
