Back to top
  • 공유 แชร์
  • 인쇄 พิมพ์
  • 글자크기 ขนาดตัวอักษร
ลิงก์ถูกคัดลอกแล้ว

1 ล้านโทเคน! เมตา(META) เปิดตัว Muse Spark 1.3 คงราคาเดิม

เมตา(META) เปิดตัวโมเดลปัญญาประดิษฐ์ (AI) เชิงเหตุผลรุ่นใหม่ 'Muse Spark 1.3' ที่รองรับบริบทยาวถึง 1 ล้านโทเคน พร้อมคงราคาการใช้งานผ่าน API ไว้เท่าเดิม ชูจุดเด่นด้านประสิทธิภาพการเขียนโค้ดและงานที่ต้องใช้เอเจนต์ (agent) หลายขั้นตอน

เมตาประกาศอย่างเป็นทางการเมื่อวันที่ 2 (เวลาท้องถิ่น) ว่า Muse Spark 1.3 พร้อมให้บริการผ่าน Muse Code และ Meta Model API แล้ว โดยโมเดลนี้รองรับข้อมูลนำเข้าทั้งข้อความ ภาพ และวิดีโอ และถูกออกแบบมาให้ติดตามบริบทและผลลัพธ์ก่อนหน้าได้ตลอดการทำงานที่มีหลายขั้นตอนต่อเนื่อง

เมตาระบุว่าในการทดสอบเปรียบเทียบภายใน Muse Spark 1.3 ลดจำนวนการเรียกใช้เครื่องมือ (tool call) ในงานเขียนโค้ดลงราว 20% และลดปริมาณการใช้โทเคนลงราว 25% เมื่อเทียบกับรุ่นก่อนหน้าอย่าง Muse Spark 1.2 พร้อมอธิบายว่าโมเดลตอบสนองได้กระชับขึ้นและจัดรูปแบบโค้ดได้เป็นระเบียบมากขึ้นในงานที่ใช้เวลานาน

บริบท 1 ล้านโทเคน หมายถึงขอบเขตข้อมูลนำเข้าที่โมเดลสามารถอ้างอิงได้ในคราวเดียว ไม่ว่าจะเป็นเอกสารยาว โค้ดเบส หรือบทสนทนาต่อเนื่อง นักพัฒนาสามารถป้อนไฟล์และประวัติงานหลายชุดพร้อมกันเพื่อสั่งงานโมเดลได้ ขณะที่บริการเชิงเอเจนต์ก็สามารถจดจำคำสั่งและผลลัพธ์ก่อนหน้าได้นานขึ้นแม้ในงานที่มีหลายขั้นตอน

Artificial Analysis เผยผลวิเคราะห์เมื่อวันที่ 2 เช่นกันว่า Muse Spark 1.3 อยู่ในอันดับที่ 6 จากโมเดลทั้งหมด 636 ตัวบนดัชนีความฉลาด (Intelligence Index) ซึ่งจัดให้โมเดลนี้อยู่ในกลุ่มบนของตาราง อย่างไรก็ตาม คะแนนรายละเอียดของเวอร์ชัน xhigh ที่เปิดให้ใช้งานอยู่ในปัจจุบันยังไม่มีการเปิดเผยเพิ่มเติมจากข้อมูลที่มี

ขณะที่เวอร์ชัน Max ยังอยู่ในขั้นทดลองใช้แบบจำกัดสิทธิ์ Artificial Analysis วิเคราะห์ว่าการปรับปรุงของ Muse Spark 1.3 เห็นผลชัดเจนในงานเชิงเอเจนต์และประสิทธิภาพการเขียนโค้ด โดยในการประเมินเดียวกัน หมวดการค้นคืนบริบทยาว (long-context retrieval) ทำคะแนนได้ 98.5 และ 98.1

โครงสร้างราคาถือเป็นประเด็นที่กระทบนักพัฒนาและผู้ใช้งานองค์กรโดยตรง Artificial Analysis ระบุว่าราคา API ของ Muse Spark 1.3 รุ่น xhigh อยู่ที่ 1.25 ดอลลาร์ต่อการนำเข้า 1 ล้านโทเคน และ 4.25 ดอลลาร์ต่อการส่งออก 1 ล้านโทเคน ซึ่งเท่ากับราคาของรุ่นก่อนหน้า ส่วนราคาการนำเข้าแบบแคช (cache input) อยู่ที่ 0.15 ดอลลาร์ต่อ 1 ล้านโทเคน

เมตายังเปิดให้บริการระดับ 'Contributor' แยกต่างหาก โดยมีรายงานว่าคิดราคาที่ 0.10 ดอลลาร์ต่อการนำเข้า 1 ล้านโทเคน และ 0.20 ดอลลาร์ต่อการส่งออก 1 ล้านโทเคน แต่แลกมาด้วยเงื่อนไขที่ข้อมูลของผู้ใช้งานอาจถูกนำไปใช้พัฒนาผลิตภัณฑ์ของเมตาต่อไป

ระดับ Contributor จึงเป็นโครงสร้างที่แลกราคาต่ำกับการยินยอมให้นำข้อมูลไปใช้ องค์กรที่ต้องจัดการซอร์สโค้ดหรือข้อมูลลูกค้าที่มีความอ่อนไหว จึงควรพิจารณาเงื่อนไขการใช้ข้อมูลและมาตรฐานความปลอดภัยภายในก่อนพิจารณาต้นทุน API เพียงอย่างเดียว

การเปิดตัวครั้งนี้เชื่อมโยงกับยุทธศาสตร์ AI แบบเปิดของเมตาด้วย ก่อนหน้านี้ TokenPost รายงานว่าเมตาเปิดตัว Muse Glimmer แต่ยังคงเก็บ Muse Spark ซึ่งมีประสิทธิภาพสูงกว่าไว้ใน API ของตัวเอง เช่นเดียวกับ Muse Spark 1.3 ที่ไม่ได้เปิดเป็นโมเดลแบบ open-weight แต่ให้บริการผ่าน Meta Model API และ Muse Code เป็นหลัก

open-weight คือรูปแบบที่เปิดเผยค่าน้ำหนัก (weight) ที่โมเดลเรียนรู้มาให้ผู้ใช้งานภายนอกนำไปรันหรือปรับแต่งได้ในระบบของตนเอง ตรงข้ามกับโมเดลที่ให้บริการผ่าน API ซึ่งผู้ใช้งานไม่ได้ดาวน์โหลดตัวโมเดล แต่เข้าถึงฟังก์ชันผ่านช่องทางที่บริษัทเป็นผู้ดูแลระบบเอง

ก่อนหน้านี้ TokenPost เคยรายงานว่า Muse Spark 1.3 ลดปริมาณการใช้โทเคนลง 25% จากรุ่นก่อน ขณะที่การวิเคราะห์ล่าสุดนี้เพิ่มข้อมูลตัวชี้วัดประสิทธิภาพจากภายนอกและส่วนต่างราคาระหว่างระดับมาตรฐานกับระดับ Contributor เข้ามาด้วย

จุดเชื่อมโยงโดยตรงกับตลาดคริปโตอยู่ที่โครงสร้างพื้นฐานมากกว่าราคา เมื่อต้นทุนของโมเดลเอเจนต์และการเขียนโค้ดด้วย AI ลดลง ต้นทุนการทดลองของทีมพัฒนาที่สร้างเอ็กซ์เชนจ์ กระเป๋าเงินดิจิทัล เครื่องมือวิเคราะห์ออนเชน และเครื่องมือด้านความปลอดภัยก็อาจเปลี่ยนแปลงตามไปด้วย อย่างไรก็ตาม ยังไม่มีการยืนยันว่า Muse Spark 1.3 ส่งผลต่อราคาหรือปริมาณการซื้อขายโทเคนคริปโตสกุลใดเป็นการเฉพาะ

ปัจจุบันเมตาให้บริการ Muse Spark 1.3 ผ่าน Muse Code และ Meta Model API เป็นหลัก ผู้ใช้งานระดับองค์กรจึงควรพิจารณาทั้งตัวชี้วัดประสิทธิภาพและราคาค่าบริการ ควบคู่ไปกับเงื่อนไขการจัดการข้อมูลของระดับมาตรฐานและระดับ Contributor แยกจากกันให้รอบคอบ

<ลิขสิทธิ์ ⓒ TokenPost ห้ามเผยแพร่หรือแจกจ่ายซ้ำโดยไม่ได้รับอนุญาต>

บทความที่มีคนดูมากที่สุด

บทความที่เกี่ยวข้อง

ความคิดเห็น 0

ข้อแนะนำสำหรับความคิดเห็น

ขอบคุณสำหรับบทความดี ๆ ต้องการบทความติดตามเพิ่มเติม เป็นการวิเคราะห์ที่ยอดเยี่ยม

0/1000

ข้อแนะนำสำหรับความคิดเห็น

ขอบคุณสำหรับบทความดี ๆ ต้องการบทความติดตามเพิ่มเติม เป็นการวิเคราะห์ที่ยอดเยี่ยม
1