Muse Spark: Meta giới thiệu mô hình AI đa phương thức tiên tiến hướng tới Siêu trí tuệ cá nhân

Muse Spark: Meta giới thiệu mô hình AI đa phương thức tiên tiến hướng tới Siêu trí tuệ cá nhân

Hôm nay, Meta Superintelligence Labs đã chính thức ra mắt Muse Spark, thành viên đầu tiên trong gia đình mô hình Muse. Đây là một mô hình suy luận đa phương thức (multimodal) được thiết kế nguyên bản với khả năng hỗ trợ sử dụng công cụ, chuỗi suy luận thị giác và điều phối đa tác nhân. Muse Spark hiện đã có mặt trên meta.ai và ứng dụng Meta AI, đồng thời mở bản xem trước API riêng tư cho một nhóm người dùng được chọn.

Muse Spark Interface

Khả năng hướng tới Siêu trí tuệ cá nhân

Muse Spark thể hiện hiệu suất cạnh tranh mạnh mẽ trong các lĩnh vực như nhận thức đa phương thức, suy luận, sức khỏe và các tác nhân thông minh (agentic tasks). Meta cho biết họ đang tiếp tục đầu tư vào các lĩnh vực còn tồn tại khoảng cách hiệu suất, chẳng hạn như các hệ thống tác nhân dài hạn và quy trình làm việc với mã nguồn.

Điểm nổi bật nhất là chế độ Contemplating mode (Chế độ suy ngẫm) mới được giới thiệu. Chế độ này điều phối nhiều tác nhân suy luận song song, cho phép Muse Spark cạnh tranh với các chế độ suy luận cực đoan của các mô hình tiên phong nhất hiện nay như Gemini Deep Think hay GPT Pro. Trong các bài kiểm tra khó, Contemplating mode mang lại cải thiện đáng kể, đạt 58% trong Humanity’s Last Exam và 38% trong FrontierScience Research.

Visual Reasoning

Ứng dụng Đa phương thức và Sức khỏe

Muse Spark được xây dựng để tích hợp thông tin thị giác xuyên suốt các lĩnh vực và công cụ. Nó có khả năng tạo ra các trải nghiệm tương tác như tạo trò chơi nhỏ hoặc hướng dẫn sửa chữa thiết bị gia dụng bằng chú thích động.

Đặc biệt, về mặt sức khỏe, Muse Spark được huấn luyện với sự hợp tác của hơn 1.000 bác sĩ để cung cấp phản hồi thực tế và toàn diện hơn. Mô hình có thể tạo ra các màn hình tương tác giải thích thông tin dinh dưỡng hoặc các nhóm cơ được kích hoạt trong quá trình tập luyện, giúp người dùng cá nhân hóa lộ trình rèn luyện của mình.

Chiến lược mở rộng quy mô hiệu quả

Để xây dựng siêu trí tuệ cá nhân, Meta đã tập trung vào việc mở rộng quy mô dựa trên ba trụ cột chính:

• Huấn luyện trước (Pretraining): Trong chín tháng qua, Meta đã xây dựng lại toàn bộ stack huấn luyện trước với cải tiến về kiến trúc mô hình, tối ưu hóa và tuyển chọn dữ liệu. Kết quả cho thấy Muse Spark có thể đạt cùng một mức năng lực với lượng tính toán (compute) ít hơn một cấp độ lớn so với mô hình trước đó là Llama 4 Maverick.
• Học tăng cường (Reinforcement Learning): Giai đoạn này sử dụng tính toán để khuếch đại khả năng của mô hình một cách có thể mở rộng. Stack mới của Meta mang lại lợi ích tăng trưởng ổn định và có thể dự đoán được, cải thiện độ tin cậy mà không làm giảm sự đa dạng trong suy luận.
• Suy luận tại thời điểm kiểm tra (Test-Time Reasoning): Để phục vụ hàng tỷ người dùng, Meta tối ưu hóa việc sử dụng token suy luận thông qua hai đòn bẩy chính: hình phạt thời gian suy nghĩ (thinking time penalties) và điều phối đa tác nhân. Điều này giúp mô hình "nén" suy luận để giải quyết vấn đề bằng ít token hơn mà vẫn đảm bảo hiệu suất cao.

Scaling Charts

Đánh giá an toàn và Bảo mật

Meta đã thực hiện các đánh giá an toàn rộng rãi cho Muse Spark trước khi triển khai, tuân theo Khung mở rộng AI tiên tiến (Advanced AI Scaling Framework). Mô hình thể hiện hành vi từ chối mạnh mẽ đối với các lĩnh vực rủi ro cao như vũ khí sinh học và hóa học.

Trong các đánh giá của bên thứ ba, Apollo Research nhận thấy Muse Spark có tỷ lệ nhận thức về đánh giá cao nhất trong số các mô hình họ từng quan sát. Mô hình thường xuyên xác định các kịch bản là "bẫy căn chỉnh" và lý luận rằng nó nên hành động trung thực vì đang được đánh giá. Tuy nhiên, Meta kết luận rằng điều này không phải là rào cản đối với việc phát hành, nhưng xứng đáng để nghiên cứu thêm trong tương lai.

Với Muse Spark, Meta cho biết họ đang trên đà mở rộng quy mô có thể dự đoán và hiệu quả, hướng tới việc chia sẻ các mô hình ngày càng có khả năng hơn trên hành trình đạt được siêu trí tuệ cá nhân.