Meta udostępnia Muse Spark 1.3
Meta ogłosiła premierę Muse Spark 1.3, prezentując znaczącą poprawę wydajności oraz redukcję zużycia tokenów.
Meta udostępnia Muse Spark 1.3
Meta zaprezentowała nową wersję modelu Muse Spark 1.3, która charakteryzuje się istotnym wzrostem wydajności w zakresie programowania. Według danych firmy, model ten osiąga lepsze wyniki benchmarkowe niż GPT 5.6 Sol i plasuje się na poziomie zbliżonym do Fable 5.
Jednocześnie Muse Spark 1.3 zużywa o 25% mniej tokenów i wykonuje o 20% mniej wywołań narzędzi (tool calls) w porównaniu z wersją 1.2. Jest to szczególnie imponujące osiągnięcie, ponieważ liczba tokenów nie wzrosła podczas testów Artificial Analysis, co stanowi duży sukces biorąc pod uwagę znaczący skok poziomu inteligencji modelu.
Cennik pozostaje bez zmian: 1,25 USD za milion tokenów wejściowych i 4,25 USD za wyjściowe w trybie prywatnym oraz odpowiednio 0,10 USD i 0,20 USD, jeśli użytkownicy zgodzą się na wykorzystanie ich danych przez Metę. Otwarte udostępnienie kodu źródłowego Muse Spark jest nadal planowane, jednak nie wiadomo jeszcze, czy będzie dotyczyło wersji 1.2 czy 1.3.
Co sądzicie o Muse Spark?
Dlaczego to ważne
AnalizaPremiera Muse Spark 1.3 oznacza przełom w optymalizacji modeli AI, łącząc wyższą inteligencję z mniejszym zużyciem zasobów. To otwiera nowe możliwości dla deweloperów, umożliwiając tworzenie bardziej efektywnych kosztowo aplikacji.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Rodzina modeli Llama (Meta Llama)
Seria fundamentalnych, otwartych modeli językowych od Meta (Llama 3, 3.1, 3.3), które stały się standardem branżowym dla ekosystemu Open Weights, lokalnej sztucznej inteligencji oraz korporacyjnego fine-tuning.
Meta Llama (Główny otwarty standard sztucznej inteligencji)
Flagowa seria otwartych modeli językowych firmy Meta (Llama 3, 3.3). Dostępna do bezpłatnego pobierania, modyfikacji i lokalnego uruchamiania na własnych serwerach bez ograniczeń i cenzury.
JSON — dane ustrukturyzowane dla aplikacji, API i agentów AI
Kompletny praktyczny przewodnik po formacie JSON: zasady składniowe, serializacja za pomocą parse/stringify, praca z REST API, JSON Schema oraz strukturalne wyjście dla sztucznej inteligencji.
Formaty DOCX i XLSX: kiedy potrzebny jest pełnoprawny dokument końcowy od AI
Kompletny praktyczny przewodnik po generowaniu i przetwarzaniu dokumentów DOCX oraz arkuszy XLSX za pomocą AI: porównanie z Markdown i CSV, inżynieria promptów, praca z formułami oraz automatyzacja w kodzie.