Meta เปิดตัว Muse Spark 1.3 โมเดลเขียนโค้ดอัจฉริยะ
Meta AI เปิดตัว Muse Spark 1.3 โมเดลเอเจนต์เขียนโค้ดที่ประหยัดทูลคอลลง 20% และโทเค็นลง 25% พร้อมคะแนนทดสอบเทียบชั้นรุ่นท็อป
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Meta AI เปิดตัว Muse Spark 1.3 โมเดลเขียนโค้ดแบบเอเจนต์ใน Muse Code และ Meta Model API แล้ววันนี้
- ประหยัดการเรียกใช้งานเครื่องมือ (Tool Calls) ลงประมาณ 20% และใช้โทเค็นน้อยลงประมาณ 25% เมื่อเทียบกับเวอร์ชัน 1.2
- ทำคะแนนบน DeepSWE v1.1 ได้ 75.4 แซงหน้า Claude Opus 5 ที่ 74.0 และ GPT-5.6 Sol ที่ 72.7
- ยังไม่เปิดให้โฮสต์เองเนื่องจากน้ำหนักโมเดลยังเป็นแบบปิด และโหมดการใช้เหตุผลสูงสุดยังถูกจำกัดไว้รอการทดสอบความปลอดภัย
Meta AI ได้ฤกษ์ปล่อยโมเดลปัญญาประดิษฐ์รุ่นใหม่ Muse Spark 1.3 ออกมาอย่างเป็นทางการแล้ว โดยโมเดลตัวนี้ถูกออกแบบมาเพื่อทำหน้าที่เป็นเอเจนต์ในการเขียนโค้ดโดยเฉพาะ พร้อมเปิดให้เรียกใช้งานได้ทันทีใน Muse Code และผ่านทาง Meta Model API อย่างไรก็ตาม ผู้ใช้งานยังไม่สามารถนำโมเดลนี้ไปติดตั้งและดูแลรักษาด้วยตัวเอง (Self-host) ได้ เนื่องจากน้ำหนักของโมเดลยังคงเป็นแบบปิด (Closed weights) อีกทั้งโหมดการใช้เหตุผลระดับสูงสุด (Max reasoning mode) ก็ยังถูกจำกัดไว้เพื่อรอขั้นตอนการทดสอบด้านความปลอดภัยเพิ่มเติม
ทาง Meta ได้ฝึกฝน Muse Spark 1.3 ข้ามผ่านสภาพแวดล้อมของเอเจนต์ที่หลากหลาย เพื่อให้พฤติกรรมการทำงานสามารถปรับใช้ได้ดีในหลายสถานการณ์ โมเดลถูกสร้างขึ้นมาเพื่อให้สามารถรักษาเวิร์กโฟลว์หลายรายการเอาไว้ได้ภายในเธรดขนาดยาวเธรดเดียว เมื่อได้รับโจทย์ปลายเปิด ระบบจะทำหน้าที่รวบรวมบริบทของตัวเองจากแหล่งข้อมูลที่กระจัดกระจายและขัดแย้งกัน ก่อนจะทำการอุดช่องว่างในแผนการทำงานนั้นด้วยตนเอง
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ในด้านการทำงานร่วมกับมนุษย์ Muse Spark 1.3 มีการเปลี่ยนแปลงเชิงปฏิบัติที่ดีขึ้น โดยโมเดลจะคอยตั้งคำถามเพื่อความกระจ่างเมื่อได้รับชุดคำสั่งที่คลุมเครือ คอยดึงตัวผู้ใช้เข้ามามีส่วนร่วมเมื่อระบบเกิดติดขัด และจะขอการยืนยันก่อนปฏิบัติงานที่มีผลกระทบสำคัญ นอกจากนี้ ในการรันงานระยะยาว มันยังสามารถปรับตัวตามความต้องการของผู้ใช้ได้ เช่น การรายงานสถานะบ่อยครั้ง หรือการทำงานเบื้องหลังแบบเงียบๆ พร้อมทั้งมีความสามารถในการตรวจจับข้อจำกัดของตัวเองได้ดีขึ้น ทำให้มันเลือกที่จะแจ้งเตือนปัญหาที่พบแทนที่จะสร้างผลลัพธ์ที่ผิดเพี้ยนขึ้นมาเอง
สำหรับการจัดการงานหลายอย่างพร้อมกัน (Multitasking) ก็ได้รับการพัฒนาให้ดีขึ้นเช่นกัน ทาง Meta ระบุว่าตัวโมเดลสามารถจับคู่ชุดคำสั่งขาเข้าเข้ากับงานที่ถูกต้องภายในเธรดเดี่ยวที่มีความซับซ้อนได้ ไม่ว่าผู้ใช้จะเป็นผู้ควบคุมทิศทางหรือทำการขัดจังหวะก็ตาม ด้วยการฝึกฝนบนงานเขียนโค้ดระยะยาวที่มากขึ้น ทำให้เวอร์ชัน 1.3 มีขั้นตอนการทำงานที่ไม่จำเป็นลดลง ความเยิ่นเย้อลดลง และมีรูปแบบโค้ดที่สะอาดตามากกว่าเดิมเมื่อเทียบกับรุ่นก่อนหน้าอย่าง Muse Spark 1.2
การเปิดตัว Muse Spark 1.3 สะท้อนให้เห็นถึงความพยายามของ Meta ในการผลักดันโมเดลภาษาให้ก้าวข้ามจากการตอบคำถามแบบครั้งต่อครั้ง (Stateless) ไปสู่การเป็น AI Agent ที่มีความสามารถในการวางแผน ปรับตัว และจัดการงานเขียนโค้ดที่ซับซ้อนตลอดรอดฝั่ง การที่โมเดลสามารถลดการใช้โทเค็นและทูลคอลลงได้ถือเป็นจุดเปลี่ยนสำคัญในเชิงเศรษฐศาสตร์ของการพัฒนาซอฟต์แวร์ เพราะต้นทุนการรันเอเจนต์ AI มักจะสูงมากตามจำนวนรอบการทำงาน (Round trips) ที่เกิดขึ้น การประหยัดทรัพยากรส่วนนี้จึงช่วยลดภาระค่าใช้จ่ายในการทำ Production จริงได้อย่างมีนัยสำคัญ
จากการเปรียบเทียบภายในโดยวิศวกรของ Meta พบว่าโมเดลใหม่นี้ใช้การเรียกใช้งานเครื่องมือลดลงประมาณ 20% และใช้โทเค็นน้อยลงประมาณ 25% เมื่อเทียบกับ Muse Spark 1.2 ซึ่งตัวเลขเหล่านี้แปลผลโดยตรงไปยังต้นทุนที่ลดลงสำหรับเวิร์กโหลดแบบเอเจนต์ ในส่วนของผลการทดสอบประสิทธิภาพบนเกณฑ์มาตรฐาน Meta ระบุว่า Muse Spark 1.3 ทำคะแนนได้ 75.4 บน DeepSWE v1.1 อยู่นำหน้า Claude Opus 5 ที่ทำได้ 74.0 และ GPT-5.6 Sol ที่ทำได้ 72.7 นอกจากนี้ยังทำคะแนนได้ 59.4 บน SWE-Atlas Codebase QnA และทำคะแนนเสมอกับ GPT-5.6 Sol ที่ 88.8 บน Terminal-Bench 2.1 โดยที่ Claude Opus 5 ทำได้ 86.7 ขณะที่การดึงข้อมูลบริบทขนาดยาว (Long-context retrieval) บน MRCR v2 ทำคะแนนได้สูงถึง 98.5 (ในช่วง 256K–512K) และ 98.1 (ในช่วง 512K–1M) เหนือกว่าคู่แข่งอย่างชัดเจน
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น