Meta AI выпустила модели уровня GPT-6: ставка на память, которая длится месяцами

До сих пор Meta AI развивала открытые модели семейства Llama и лёгкую Muse Spark, оставляя гонку за максимальной производительностью другим. Релиз Wonder и Wonder Full, первый выпуск передовых моделей после реструктуризации ИИ-подразделения Meta в августе прошлого года, когда его возглавил основатель Scale AI Александр Ванг. Об этом сообщает блог Meta и карточка модели, опубликованные одновременно с запуском.

Что именно измеряли?

Meta AI протестировала новые модели по стандартным бенчмаркам (наборам задач для сравнения нейросетей) и по собственному тесту MemoryBench.

MemoryBench проверяет, насколько хорошо модель запоминает информацию из долгих диалогов и выстраивает из неё связную картину. Если обычные бенчмарки оценивают точность ответа на разовый вопрос, MemoryBench имитирует реальное общение, когда пользователь возвращается к ИИ-ассистенту день за днём.

Отдельно компания подчеркнула результаты на сложных задачах, включая программирование, где Wonder и Wonder Full заявлены как более способные по сравнению с лёгкой моделью Muse Spark.

Что обнаружили?

• Уровень конкурентов по бенчмаркам. По данным карточки модели Meta, Wonder и Wonder Full показывают результаты, сопоставимые с Fable 5.1 и GPT-6 Astra.
• Лидерство в запоминании. На тесте MemoryBench модель Wonder набрала балл выше, чем Fable, Opus и Astra. Компания назвала эту способность «активной памятью» (active memory), когда модель удерживает важное для пользователя на протяжении дней, недель и месяцев.
• Цена на уровне топовых моделей. Wonder через Meta Model API стоит $4 за миллион входных токенов (единиц текста, которые модель «читает») и $20 за миллион выходных. По оценке Meta, это примерно столько же, сколько GPT-6 Sol или Opus 5.5.
• Wonder Full закрыта от свободного доступа. Полная версия доступна только подписчикам Muse Code и не будет работать через API. Обе модели при этом станут «мозгом» ИИ-агента Muse.

«Мы вложили огромные усилия, чтобы ваша модель могла помнить то, что важно для вас, на протяжении дней, недель, месяцев и дольше.» : Кавья Коппарапу, научный сотрудник Meta

Что это значит для вас?

Авторам Дзена и копирайтерам. «Активная память» может изменить работу с ИИ-ассистентами. Сейчас при каждом новом диалоге приходится заново объяснять контекст: тему канала, стиль, аудиторию. Если модель действительно запоминает эти детали между сессиями, рутинная часть промпт-инжиниринга (составления запросов к нейросети) сокращается. Пока доступа из России к Muse нет, но сам подход наверняка скопируют конкуренты.

Маркетологам. Цена $4/$20 за миллион токенов ставит Wonder в один ряд с самыми дорогими моделями. Для массовых задач (генерация описаний, рассылки) это невыгодно. Но для сложных аналитических цепочек, где нужна долгая «память» о клиенте, экономика может сойтись.

Предпринимателям из РФ и СНГ. Прямой доступ к Meta Model API из России ограничен. Из доступных в РФ аналогов для длинных диалогов можно использовать YandexGPT или GigaChat, хотя ни один из них пока не заявлял функцию «активной памяти» между сессиями. Следите за обновлениями: если подход Meta с долгосрочной памятью покажет результат, российские платформы, скорее всего, реализуют похожую механику.

Релиз Wonder показывает: гонка нейросетей сместилась от «кто умнее на разовом вопросе» к «кто лучше помнит пользователя». Для практиков это важнее любого бенчмарка, потому что именно память превращает нейросеть из инструмента в рабочего ассистента.

По данным блога Meta