Egy frissen bemutatott mesterséges intelligencia modell, a Muse Spark 1.3 kerül górcső alá, amely a hosszú távú, ügynöki (agentic) munkavégzésre és multimodális feladatokra készült. A teszt során azt vizsgálják, mennyire képes önállóan, minimális emberi beavatkozással komplex számítási műveleteket és webes infrastruktúrát létrehozni – például egy teljes weboldalt animációval, amelyet automatikusan feltelepít az Amazon felhőjébe.
A modell erősségei közé tartozik a professzionális eszközhasználat, a különböző ügynöki számítógépes munkafolyamatok (workflow-k) kezelése, valamint a nagy, akár egymillió tokenes kontextusablak kezelése. Az ára rendkívül alacsony, így költséghatékony megoldásként is figyelemre méltó, különösen a jelenlegi MI-piaci kínálathoz viszonyítva.
A tesztek során a Muse Spark 1.3 kiemelkedő teljesítményt nyújtott komplex feladatokban: önállóan létrehozott működő weboldalt, részletes látásalapú elemzéseket végzett egy WhatsApp-beszélgetés többértelműségének felismerésével, összetett tudományos, például kémiát és matematikát ötvöző problémákat oldott meg, valamint 80 nyelven adott kreatív és pontos válaszokat kultúraspecifikus italokra vonatkozóan.
Felmerülnek olyan kérdések is, hogy mennyire megbízható a modell nagy terhelés esetén, hogyan képes különválasztani egymással párhuzamosan futó részfeladatokat, vagy valóban versenyképes-e a legismertebb konkurensek – mint a GPT vagy az Opus modellek – mellett, azoknál is összetettebb munkafolyamatokban. Külön érdekesség, hogy a Meta hamarosan nyíltan elérhetővé teszi a modell súlyait.
