به گزارش مدیاتی:شرکت متا با معرفی مدل هوش مصنوعی جدید Muse Ember، به‌دنبال ارائه راهکاری کم‌هزینه‌تر برای توسعه‌دهندگان و کسب‌وکارهایی است که به قابلیت‌های هوش مصنوعی برای انجام وظایف تکراری و روزمره نیاز دارند. متا می‌گوید این مدل با وجود هزینه پایین‌تر، می‌تواند در برخی زمینه‌ها عملکردی بهتر از مدل‌های هوش مصنوعی گران‌قیمت داشته باشد و به گزینه‌ای اقتصادی برای خودکارسازی فرایندها تبدیل شود.
متا از مدل هوش مصنوعی Muse Ember رونمایی کرد؛ گزینه‌ای ارزان برای انجام وظایف تکراری
شرکت متا از مدل هوش مصنوعی جدیدی با نام Muse Ember رونمایی کرده است؛ مدلی کوچک و کم‌هزینه که با هدف انجام وظایف تکراری و روزمره عامل‌های هوش مصنوعی (AI Agents) توسعه یافته است. متا ادعا می‌کند این مدل در مقایسه با برخی رقبای گران‌تر خود، عملکرد بهتری با هزینه کمتر ارائه می‌دهد و می‌تواند انتخابی اقتصادی برای توسعه‌دهندگان باشد.
به گزارش Digital Trends، متا Muse Ember را کوچک‌ترین و ارزان‌ترین مدل هوش مصنوعی خود معرفی کرده است. این مدل برخلاف سیستم‌های هوش مصنوعی بزرگ که برای حل مسائل پیچیده و دشوار طراحی شده‌اند، روی انجام کارهای مشخص، سبک و پرتکرار تمرکز دارد؛ وظایفی که عامل‌های هوش مصنوعی در طول روز بارها با آن‌ها سروکار دارند.
از جمله کاربردهای Muse Ember می‌توان به فراخوانی و استفاده از ابزارها، انجام بخش‌های کوچک برنامه‌نویسی، دسته‌بندی و هدایت درخواست‌ها، استخراج اطلاعات از فایل‌ها و پردازش اسناد طولانی اشاره کرد. به این ترتیب، توسعه‌دهندگان می‌توانند برای کارهای پرتکرار به‌جای استفاده از مدل‌های بزرگ و پرهزینه، از گزینه‌ای اقتصادی‌تر بهره ببرند.
مارک زاکربرگ، مدیرعامل متا، در تاریخ ۹ نوامبر ۲۰۲۶ (۱۸ آبان ۱۴۰۵) با انتشار پستی در شبکه اجتماعی ایکس، از عرضه این مدل خبر داد. او تأکید کرد که Muse Ember در مقایسه با مدل‌های کوچک مشابه، هوش و توان پردازشی بیشتری را در ازای هزینه پرداختی در اختیار کاربران قرار می‌دهد.
قیمت‌گذاری Muse Ember؛ پردازش میلیون‌ها توکن با هزینه کم
یکی از مهم‌ترین ویژگی‌های Muse Ember، هزینه پایین استفاده از آن است. متا برای پردازش هر یک میلیون توکن ورودی، ۰٫۱۰ دلار و برای هر یک میلیون توکن خروجی، ۰٫۵۰ دلار دریافت می‌کند. این قیمت‌گذاری باعث می‌شود استفاده از مدل برای پروژه‌هایی که به پردازش حجم زیادی از داده‌ها نیاز دارند، مقرون‌به‌صرفه‌تر باشد.
متا برای مقایسه عملکرد اقتصادی مدل جدید خود، به رقبایی مانند Claude Haiku 5.5 اشاره کرده است. براساس ادعای این شرکت، مدل Claude Haiku 5.5 برای دستیابی به بالاترین امتیاز مشابه، تقریباً سه برابر هزینه بیشتری نیاز دارد. همچنین متا مدعی است GPT-6 Luna در تنظیمات مختلف نمی‌تواند از نظر عملکرد با Muse Ember رقابت کند.
داده‌های منتشرشده در پلتفرم Artificial Analysis نیز نشان می‌دهد که Muse Ember برای انجام یک وظیفه مشخص، حدود ۰٫۱۴ دلار هزینه دارد. در مقابل، مدل Muse Spark 1.3 خود متا با وجود کسب تنها یک امتیاز بیشتر، برای انجام همان وظیفه به ۲٫۳۹ دلار هزینه نیاز دارد. این اختلاف نشان می‌دهد Muse Ember با تمرکز بر کاهش هزینه پردازش، می‌تواند گزینه جذابی برای توسعه‌دهندگان باشد.
عملکرد Muse Ember در برابر مدل‌های رقیب چگونه است؟
براساس نتایج بنچمارک‌هایی که متا منتشر کرده، Muse Ember در برخی زمینه‌ها عملکرد قابل‌توجهی دارد. برای مثال، این مدل در آزمون AutomationBench که توانایی هوش مصنوعی در اجرای فرایندهای کاری و تجاری را ارزیابی می‌کند، امتیاز ۳۷٫۸ درصد را به دست آورده است.
این رقم تقریباً سه برابر امتیاز ۱۳٫۹ درصدی Claude Haiku 5.5 محسوب می‌شود. Muse Ember همچنین در زمینه کنترل رایانه و تشخیص جزئیات بصری، از هر دو رقیب مورد مقایسه عملکرد بهتری نشان داده است.
بااین‌حال، مدل جدید متا در تمام زمینه‌ها برتری ندارد. براساس اطلاعات منتشرشده، Claude Haiku 5.5 همچنان در انجام وظایف مهندسی واقعی عملکرد بهتری دارد. بنابراین، Muse Ember را نمی‌توان جایگزینی کامل برای مدل‌های پیشرفته‌تر دانست و انتخاب آن به نوع پروژه و نیازهای توسعه‌دهندگان بستگی خواهد داشت.
پشتیبانی از متن، تصویر، صدا و ویدیو با پنجره زمینه یک میلیون توکنی
Muse Ember تنها به پردازش متن محدود نیست و می‌تواند تصاویر را تحلیل کند، به محتوای صوتی گوش دهد و ویدیوها را نیز بررسی کند. یکی دیگر از قابلیت‌های مهم این مدل، برخورداری از پنجره زمینه (Context Window) یک میلیون توکنی است.
این ظرفیت به توسعه‌دهندگان اجازه می‌دهد حجم زیادی از اطلاعات، از جمله یک پروژه کامل برنامه‌نویسی یا مجموعه‌ای از فایل‌ها و اسناد طولانی را به‌صورت هم‌زمان در اختیار مدل قرار دهند. چنین قابلیتی می‌تواند فرایند تحلیل اطلاعات، استخراج داده‌ها و بررسی پروژه‌های پیچیده را ساده‌تر کند.
چگونه می‌توان از Muse Ember استفاده کرد؟
متا اعلام کرده است که Muse Ember از زمان معرفی در دسترس قرار گرفته و توسعه‌دهندگان می‌توانند از طریق سرویس‌های مختلف به آن دسترسی داشته باشند. این مدل از طریق مسیرهای زیر قابل استفاده است:
– Meta Model API: برای دسترسی مستقیم توسعه‌دهندگان به مدل.
– Muse Code: برای استفاده در فرایندهای مرتبط با برنامه‌نویسی.
– Google Cloud: برای بهره‌گیری از قابلیت‌های مدل در زیرساخت ابری گوگل.
– Oracle Cloud: برای اجرای مدل در بستر خدمات ابری اوراکل.
در مجموع، Muse Ember را می‌توان تلاش تازه متا برای کاهش هزینه استفاده از هوش مصنوعی در فرایندهای پرتکرار دانست. این مدل به‌جای رقابت مستقیم با سیستم‌های بزرگ در حل مسائل پیچیده، روی سرعت، هزینه و بهره‌وری در اجرای وظایف روزمره تمرکز دارد؛ رویکردی که می‌تواند استفاده از عامل‌های هوش مصنوعی را برای کسب‌وکارها و توسعه‌دهندگان اقتصادی‌تر کند.
