Până acum, Meta juca o carte diferită. Modelul Muse Spark, lansat anterior, a fost gândit ca unul ușor, rapid, cu latență mică, genul de unealtă pe care o bagi într-o aplicație și nu-ți blochezi telefonul. Acum, cu seria Wonder, compania urcă treapta. Modelele sunt mai mari, mai complexe, mai scumpe de antrenat și, oficial, mai capabile. Meta susține că Wonder și Wonder Full obțin scoruri comparabile pe teste standardizate cu Fable 5.1 și GPT-6 Astra, ceea ce, dacă se confirmă în teste independente, le pune direct în conversația cu cele mai puternice sisteme de pe piață.
Diferența nu se vede doar în scoruri. Pe sarcini grele, cum ar fi scrisul de cod, modelele noi sunt prezentate ca fiind net superioare variantei Spark. Iar prețul reflectă imediat saltul: prin API-ul Meta Model, Wonder costă 4 dolari pe milion de token-uri la intrare și 20 de dolari pe milion de token-uri la ieșire. Practic, vorbim de un tarif comparabil cu cel al modelelor de top de la competitori, ceea ce arată că Meta nu mai vine cu politica veche de a da totul gratis sau aproape gratis. Vrea bani, și încasează la fel ca toți ceilalți.
Un detaliu interesant: Wonder Full nu va fi disponibil publicului larg prin API. El este rezervat abonaților Muse Code, deci e un soi de premium absolut, gândit pentru dezvoltatori și companii care plătesc abonamente serioase. Ambele modele, însă, vor alimenta agentul Muse, asistentul pe care Meta îl construiește de ceva vreme și pe care pariază masiv.
Aici intră partea care, sincer, sună cel mai bine în comunicarea Meta. Compania insistă pe ceea ce numește „memorie activă” – capacitatea modelului nu doar să răspundă la întrebări, ci să rețină ce i-ai spus acum o săptămână, acum o lună, acum trei luni, și să le pună cap la cap în conversații viitoare. Într-o perioadă în care toți producătorii de modele se laudă cu ferestre de context din ce în ce mai mari, Meta încearcă o abordare diferită: nu doar să ții minte un prompt uriaș, ci să înveți, în timp, ce e important pentru tine. Este exact promisiunea unui asistent personal, nu a unui motor de căutare deghizat.
Pentru a demonstra că nu e doar marketing, Meta a prezentat rezultate pe MemoryBench, un test conceput tocmai pentru a evalua învățarea continuă și construcția de memorie. Potrivit companiei, Muse Wonder obține scoruri mai bune pe acest test decât Fable, Opus sau Astra. Dacă aceste cifre se verifică independent, e un avantaj real, pentru că tocmai lipsa de continuitate e slăbiciunea clasică a modelelor actuale. Azi te ajută, mâine te întreabă iar de unde ești.
Mesajul Meta, formulat direct în postarea de pe blogul companiei, e aproape mistic: „Împreună, marchează următorul pas pe scara noastră de scalare și un salt major către superinteligența personală”. Cuvintele astea, „superinteligență personală”, sunt exact termenul pe care Meta l-a ales pentru a-și defini întreaga strategie AI. Nu mai vorbim despre un chatbot care te ajută la rețete, ci despre un partener digital care te cunoaște, învață de la tine și, teoretic, acționează în numele tău.
Kavya Kopparapu, cercetătoare care a apărut într-un filmuleț de lansare, a mers pe aceeași linie: „Am depus un efort imens pentru a ne asigura că modelul tău poate să-și amintească ce e important pentru tine pe parcursul zilelor, săptămânilor, lunilor și nu numai”. E o declarație ambițioasă, dar și o promisiune pe care Meta va trebui s-o onoreze, pentru că utilizatorii au devenit sceptici la astfel de afirmații.
Contextul e important. Wonder și Wonder Full sunt primele modele de frontieră lansate de Meta de când fondatorul Scale AI, Alexandr Wang, a restructurat în august anul trecut întreaga direcție de inteligență artificială a companiei. De atunci, Meta a tot lansat chestii: modelul ușor Muse Spark, agentul Muse, diverse funcții integrate în WhatsApp, Instagram, Facebook. Dar a lipsit tocmai momentul acela de tip „drop”, evenimentul care pune Meta pe hartă lângă OpenAI și Anthropic. Acum l-a avut.
Detaliul tehnic care închide tabloul: modelele au fost antrenate în centrul de date Prometheus din centrul statului Ohio, o facilitate care a devenit operațională la începutul acestui an. E o declarație de independență, într-un fel – Meta nu mai depinde doar de norii altora pentru antrenament, ci are propria infrastructură la scară mare. Într-o eră în care cursa pentru putere de calcul e la fel de acerbă ca cea pentru talente, asta contează enorm.
Rămâne de văzut dacă utilizatorii și dezvoltatorii vor îmbrățișa Wonder și Wonder Full la fel de entuziast cum o face comunicarea Meta. Până la urmă, modelele de frontieră nu câștigă doar prin scoruri pe benchmark-uri, ci prin cât de naturale și utile se simt în viața de zi cu zi. Meta susține că le are pe ambele. Urmează testul cel mai greu, cel al pieței.
De ce este important:
Lansarea Muse Wonder marchează intrarea oficială a Meta în cursa modelelor de frontieră, segment dominat până acum de OpenAI și Anthropic. Prețurile practicate arată că Meta nu mai vrea să fie jucătorul care dă totul mai ieftin, ci un competitor care cere tarife premium. Conceptul de „memorie activă” și accentul pe continuitatea relației cu utilizatorul reprezintă o abordare diferită față de simpla mărire a ferestrei de context. Dacă funcționează, ar putea redefini așteptările pe care le avem de la un asistent AI. Iar antrenamentul pe propria infrastructură din Ohio demonstrează că Meta își consolidează independența tehnologică, ceea ce are implicații directe asupra întregii industrii.
