Zusammenfassung:
Meta gab bekannt, dass seine persönliche intelligente Assistentenanwendung Muse und die Meta-KI-Plattform ab dem 6. November eine Reihe neuer dedizierter Modelle ermöglichen werden, die auf der Grundlage des Flaggschiffmodells Muse Wonder trainiert werden. In der Zwischenzeit steht zahlenden Abonnenten weiterhin das leistungsstärkere Muse Wonder-Modell für die Bewältigung komplexerer und schwierigerer Aufgaben zur Verfügung.
Laut Meta sind diese neuen Modelle „spezialisierte Versionen“ des bestehenden Modellsystems und werden durch Muse Wonder trainiert. Obwohl Meta die genauen Namen dieser Modelle nicht bekannt gegeben hat, erben sie die beiden Kernfunktionen, die erstmals in der Wonder-Serie eingeführt wurden, nämlich „Active Memory“ und „Active Focus“.
Muse Wonder und das leistungsstärkere Wonder Full wurden erstmals im Oktober 2026 veröffentlicht. Darunter wurde Wonder in die Meta Model API und den Muse Code-Programmierassistenten integriert, während Wonder Full derzeit nur zahlenden High-End-Benutzern von Muse Code offen steht.
Meta brachte im September dieses Jahres Muse auf den Markt, eine persönliche intelligente Assistentenanwendung. Im Gegensatz zu vielen Konkurrenzprodukten bietet Muse ein kostenloses Nutzungskontingent an, was die Hemmschwelle für Benutzer, persönliche KI-Agenten auszuprobieren, deutlich senkt. Im Gegensatz dazu sind ähnliche Produkte einiger Wettbewerber nur für Premium-Abonnenten verfügbar.
In Bezug auf die technische Umsetzung hat Meta dieses Mal nicht einfach eine reduzierte Version des Wonder-Modells auf den Markt gebracht, sondern das Modell für Verbraucheranwendungsszenarien neu trainiert. Das Unternehmen sagte, das neue Modell konzentriere sich auf das Erlernen wichtiger Verhaltensmuster persönlicher Assistenten im tatsächlichen Einsatz, z. B. auf die Bestimmung, wann eine Aufgabe autonom ausgeführt werden soll, wann eine Bestätigung durch den Benutzer erforderlich ist und wie die Kontextkontinuität aufrechterhalten werden kann, nachdem Benutzerkorrekturen während der Aufgabenausführung erhalten wurden.
Die Branche übernimmt im Allgemeinen die Methode, kleine Modelle mit großen Modellen zu trainieren, um Großanwendern modernste Funktionen zu geringeren Kosten anzubieten. Spezifische Trainingsmethoden gab Meta jedoch nicht im Detail bekannt. Das Unternehmen betont, dass das neue Modell gezielt auf die spezifischen Bedürfnisse persönlicher intelligenter Assistenten zugeschnitten sei und nicht nur eine allgemeine Wissensabdeckung anstrebe.
Meta ist davon überzeugt, dass ein ausgezeichneter persönlicher Agent in der Lage sein muss, praktische Aufgaben wie Restaurantreservierungen und die Verwaltung von Postfächern zu erledigen, ohne alle Wissensreserven modernster Modelle beherrschen zu müssen. Vielmehr geht es darum, sich Informationen zu merken, die ein Benutzer vor einer Woche erwähnt hat, und weiterzuarbeiten, wenn ein Site-Fehler auftritt oder die Aufgabe unterbrochen wird.
Die Funktion „Aktiver Speicher“ soll Modellen dabei helfen, benutzerbezogene Informationen langfristig zu bewahren und zu nutzen. Meta sagte, dass das Modell nach dem Training unterscheiden kann, welche Informationen temporäre Inhalte sind und welche Inhalte für lange Zeit aufbewahrt werden müssen. Es kann auch über die Zeitdimension hinweg schlussfolgern und feststellen, welche Informationen noch relevant und welche veraltet sind.
In internen Tests von Meta erreichte die Erfolgsquote des neuen Modells bei der korrekten Verwendung wichtiger Kontextinformationen während der Aufgabenausführung 90 %, was im Vergleich zu 76 % des Modells der vorherigen Generation eine deutliche Verbesserung darstellt.
Eine weitere „Active Focus“-Funktion konzentriert sich auf die Bewältigung von Notfällen während der Aufgabenausführung. Meta sagte, dass das Modell anhand einer großen Anzahl realer Hindernisszenarien trainiert wurde, sodass es bei Schwierigkeiten proaktiv weitere Lösungen ausprobieren, den Prozess selbstständig wieder aufnehmen oder alternative Wege finden kann, anstatt einfach mit der Arbeit aufzuhören, nachdem ein Problem aufgetreten ist.
Meta ergab, dass in der Muse-Anwendung die Fähigkeit des neuen Modells, Routineaufgaben zu erledigen, um 67 % zunahm, wenn unerwartete Probleme auftraten. Obwohl das Unternehmen keine spezifischen Benchmark-Daten veröffentlichte, sagte es, dass diese Modelle erhebliche Verbesserungen bei der autonomen Entscheidungsfindung, der Handhabung von Midstream-Änderungen und der kontinuierlichen Weiterentwicklung von Aufgaben zeigten.
Auf kommerzieller Ebene bietet Muse Wonder Entwicklern derzeit Dienste über die Modellschnittstelle von Meta und Gebühren auf Basis von Eingabe- und Ausgabe-Tokens an. Gleichzeitig wurde Meta AI umfassend in Plattformen wie WhatsApp, Instagram, Facebook und Messenger integriert. Für Meta ist die Verwendung von leichtgewichtigen dedizierten Modellen, die von Wonder trainiert wurden, um eine große Anzahl von Benutzern zu bedienen, zweifellos kostengünstiger und effizienter, als allen Benutzern das direkte Aufrufen des Flaggschiffmodells zu ermöglichen.
Dieses Update zeigt auch, dass Meta eine neue KI-Entwicklungsstrategie vorantreibt, die darin besteht, die fortschrittlichsten Spitzenmodelle zu verwenden, um professionelle Modelle zu trainieren, die für bestimmte Szenarien optimiert sind, und diese Fähigkeiten zu geringeren Kosten und in größerem Maßstab in Produkte für normale Verbraucher einzusetzen.
Kommentare