متا بالاخره مدل پرچمدار ساخت؛ Muse Wonder چقدر به Claude Opus ۵.۵ نزدیک است؟

متا با دو مدل Muse Wonder و Muse Wonder Full وارد رقابت مستقیم با انتروپیک و OpenAI شد. اما آزمون‌های مستقل نشان می‌دهند هنوز هیچ‌کدام از این دو مدل بالاتر از Opus ۵.۵ نایستاده‌اند.

متا دوشنبه ۱۲ اکتبر ۲۰۲۶ در بیانیه‌ی رسمی خود دو مدل Muse Wonder و Muse Wonder Full را معرفی کرد. این مدل‌ها نخستین محصول آزمایشگاه ابرهوش متا هستند که شرکت آن‌ها را «مدل مرزی» می‌نامد، یعنی همرده‌ی بهترین مدل‌های OpenAI و انتروپیک. پیش‌تر متا فقط مدل سبک Muse Spark و عامل شخصی Muse را عرضه کرده بود و سراغ رقابت در سطح بالا نرفته بود. به‌گفته‌ی Axios نام رمز این پروژه «Watermelon» بوده است.

متا می‌گوید این مدل‌ها را برای کارهای شخصی و حرفه‌ای عامل‌محور ساخته؛ کارهایی مثل پیگیری یک ادعای بیمه، فهمیدن قرارداد اجاره، بررسی وضعیت مالی یا ساخت یک اپ کامل. الکساندر وانگ، مدیر آزمایشگاه ابرهوش متا، در گفت‌وگو با CNBC گفته مدل را طوری آموزش داده‌اند که وقتی رزرو یک شام به مشکل می‌خورد، متوقف نشود و راه دیگری امتحان کند.

دو مدل، دو در ورودی

Muse Wonder از طریق API متا و ابزار کدنویسی Muse Code در دسترس است. نسخه‌ی قوی‌تر، یعنی Muse Wonder Full، فقط به مشترکان Muse Code می‌رسد و از API عرضه نمی‌شود. طبق گزارش Fello AI، Muse Code چهار پلن ۵، ۱۵، ۵۰ و ۲۰۰ دلاری دارد و Wonder Full فقط در دو پلن بالا فعال است. متا همچنین گفته Wonder به‌زودی موتور اصلی عامل Muse می‌شود و اول به مشترکان پولی می‌رسد. CNBC آن را آزمونی دیگر برای سنجیدن تمایل کاربران به پرداخت پول می‌داند، چون متا هنوز بیشتر درآمدش را از تبلیغات می‌گیرد.

قیمت API برای هر میلیون توکن ورودی ۴ دلار و برای خروجی ۲۰ دلار است. این دقیقاً همان قیمت Claude Opus ۵.۵ است. نکته‌ی جالب این‌که وانگ پیش‌تر وعده داده بود قیمت‌ها «به‌طور معناداری پایین‌تر» از OpenAI و انتروپیک باشد. Fello AI تذکر می‌دهد که این وعده در برابر Fable ۵.۱ و GPT-۶ Astra برقرار است، اما در برابر Opus ۵.۵ نه. هر دو مدل پنجره‌ی زمینه‌ی ۱ میلیون توکنی دارند، ورودی متن، تصویر، ویدیو و صدا را می‌پذیرند و خروجی‌شان فقط متن است.

حافظه‌ی فعال و تمرکز فعال

متا دو قابلیت را محور تبلیغ مدل‌ها کرده است. اولی «Active Memory» نام دارد؛ یعنی مدل جزئیات مهم را از گفت‌وگوهای قبلی به خاطر می‌سپارد و در لحظه‌ی مناسب بیرون می‌کشد. دومی «Active Focus» است؛ یعنی وقتی کار سخت می‌شود مدل رها نمی‌کند، روش دیگری امتحان می‌کند، از خطا بیرون می‌آید و پیش از هر اقدام مهم از کاربر تأیید می‌گیرد.

بخش مهمی از ادعای حافظه بر بنچمارک MemoryBench تکیه دارد. طبق توضیح Fello AI، این آزمون یادآوری اطلاعات را در مکالمه‌هایی با ۶۴ تا ۱۰۰ هزار توکن می‌سنجد که عمداً حقایق متناقض و به‌روزشده در آن‌ها قرار داده‌اند. هر دو مدل جدید با امتیاز حدود ۸۵٫۵ بالاتر از Opus ۵.۵ با ۸۱٫۵ و Fable ۵.۱ با ۷۹٫۰ ایستاده‌اند.

بنچمارک ها چه میگویند

نام بنچمارک‌ها گیج‌کننده است، پس به زبان ساده:

اگر با Claude کد می‌نویسید، معنی این جدول این است: Wonder Full در پروژه‌های طولانی و چندساعته ظاهراً جلوتر است، اما وقتی قرار است برنامه‌ای از صفر ساخته شود یا کامپیوتر کنترل شود، Opus ۵.۵ همچنان برتری دارد. طبق شمارش Fello AI روی کل جدول متا، Wonder Full در ۷ ردیف از ۱۴ ردیف جلوتر است و Opus ۵.۵ در ۶ ردیف.

یک احتیاط درباره‌ی اعداد

همه‌ی اعداد جدول را خود متا گزارش کرده است. طبق توضیح Fello AI از کارت مدل (model card)، متا در نبود امتیاز مستقل از بالاترین عدد میان اجرای داخلی، امتیاز خوداظهاری‌شده و امتیاز رسمی جدول‌ها استفاده کرده و اجرای مدل‌های رقیب را «بهترین تلاش ممکن» خوانده که شاید برای مدل‌های بسته کاملاً تنظیم نشده باشد. در ردیف SWE-Marathon هم مقایسه با ابزارهای متفاوتی انجام شده و خود متا آن را مقایسه‌ی کنترل‌شده نمی‌داند. دو ردیف از جدول، یعنی Personal Superintelligence Index و MemoryBench، را هم خود متا ساخته است.

بنابراین شاخص هوش Artificial Analysis مرجع بی‌طرف‌تری است. طبق همان گزارش، نسخه‌ی ۴٫۳٫۲ این شاخص Opus ۵.۵ را ۵۸، Sonnet ۵.۵ و Muse Wonder Full را هر دو ۵۶، Fable ۵.۱ و GPT-۶ Astra را ۵۳ و Muse Wonder را ۵۲ می‌داند. یعنی نسخه‌ای که همه می‌توانند از API بخرند، یک امتیاز از Fable ۵.۱ پایین‌تر و شش امتیاز از Opus ۵.۵ عقب‌تر است، با قیمتی برابر با Opus. Sonnet ۵.۵ هم با نصف قیمت (۲ و ۱۰ دلار) چهار امتیاز از Wonder بالاتر ایستاده است.

آیا از ایران قابل استفاده است؟

پاسخ قطعی ندارم و در منابعی که بررسی کردم، متا دسترسی از ایران را اعلام نکرده. چند چیز را می‌دانیم: متا در صفحه‌ی توسعه‌دهندگانش از «دسترسی جهانی گسترش‌یافته» به Muse Spark نوشته، اما مدل قبلی (Muse Spark ۱.۱) در عرضه‌ی OpenRouter فقط برای کاربران آمریکایی بود. اشتراک اپ Muse هم طبق Fello AI هنوز در همه‌ی کشورها فعال نیست. سرویس‌های آمریکایی معمولاً شامل محدودیت‌های تحریمی برای ایران می‌شوند، پس پیش از هر پرداختی، فهرست کشورهای پشتیبانی‌شده‌ی خود متا را بررسی کنید.

جایگاه متا در این رقابت

مدل‌ها در مرکز داده‌ی Prometheus در اوهایو آموزش دیده‌اند؛ مجموعه‌ای در مقیاس گیگاوات که متا می‌گوید امسال راه‌اندازی شده است. متا همچنین می‌گوید چهارده ماه پیش بازسازی بنیادی تیم هوش مصنوعی‌اش را آغاز کرده است.

حالا Claude Opus ۵.۵ دو رقیب جدی دارد. یکی Gemini ۴ Argon که هنوز در مرحله‌ی لیک است و دیگری Muse Wonder که ظاهراً در کارهای طولانی و حقوقی از آن جلوتر است. آنچه فعلاً دیده می‌شود، ورود محکم متا به باشگاه مدل‌های مرزی است، نه کنار زدن Opus ۵.۵. این هم در حالی است که شایعه‌ها درباره‌ی مدلی تازه‌تر از انتروپیک همچنان ادامه دارد.