Meta lance Muse Wonder, son premier modèle frontier

Original : Meta releases its first frontier model, Muse Wonder

Pourquoi c'est important

Meta entre enfin dans la course frontier, un an après la restructuration de son pôle IA.

Meta Superintelligence Lab a publié lundi Muse Wonder et Muse Wonder Full, ses premiers modèles frontier, affichant des scores comparables à GPT-6 Astra et Fable 5.1. Tarif : 4 $/million de tokens en entrée, 20 $ en sortie.

Le Meta Superintelligence Lab a dévoilé lundi deux nouveaux modèles : Muse Wonder et Muse Wonder Full. C'est la première incursion de Meta dans la catégorie dite « frontier », celle des modèles les plus puissants du marché. Contrairement à Muse Spark, conçu pour la légèreté et la faible latence, les modèles Wonder sont plus grands et plus performants sur des tâches complexes comme le code.

Selon les évaluations internes de Meta (publiées dans la model card), Wonder et Wonder Full atteignent des scores comparables à Fable 5.1 et GPT-6 Astra. « Ensemble, ils marquent la prochaine étape de notre trajectoire de mise à l'échelle et un bond majeur vers la superintelligence personnelle », indique le billet de blog officiel.

Via le Meta Model API, Wonder est facturé 4 $ par million de tokens en entrée et 20 $ en sortie, un niveau de prix proche de GPT-6 Sol ou Opus 5.5. Wonder Full, lui, sera réservé aux abonnés Muse Code et ne sera pas accessible via l'API. Les deux modèles alimenteront également l'agent Muse.

Meta met en avant une fonctionnalité baptisée « active memory », permettant aux modèles de retenir et synthétiser les informations utilisateur sur de longues périodes. Sur le benchmark MemoryBench, Muse Wonder surpasse désormais Fable, Opus et Astra. « Nous avons fourni un effort considérable pour que votre modèle se souvienne de ce qui compte pour vous sur des jours, des semaines, des mois », a déclaré la chercheuse Kavya Kopparapu. Les modèles ont été entraînés au data center Prometheus de Meta dans l'Ohio, mis en service plus tôt cette année.

Source

techcrunch.com — Lire l'original →