متا از Muse Spark، اولین مدل هوش مصنوعی خود از واحد جدید آزمایشگاه‌های فرا هوش متا (Meta Superintelligence Labs) رونمایی کرده است و آن را گامی به سوی "فرا هوش شخصی" معرفی کرده که می‌تواند استدلال کند، از ابزارها استفاده کند و عوامل متعددی را به نمایندگی از کاربران هماهنگ سازد. این مدل که در 8 آوریل اعلام شد و توسط حساب X Coin Bureau به عنوان "اولین گام متا به سوی فرا هوش شخصی" برجسته شد، در حال حاضر در meta.ai با پیش‌نمایش API خصوصی که برای شرکای منتخب عرضه می‌شود، فعال است. متا می‌گوید Muse Spark "طراحی کوچک و سریع دارد، اما به اندازه کافی توانمند است تا در مورد سوالات پیچیده در علم، ریاضیات و سلامت استدلال کند" و به تدریج به واتس‌اپ، اینستاگرام، فیس‌بوک، مسنجر و عینک‌های هوش مصنوعی ری-بن گسترش خواهد یافت.

این راه‌اندازی پس از نه ماه بازسازی زیرساخت هوش مصنوعی متا تحت پرچم Superintelligence Labs صورت می‌گیرد که پس از آن ایجاد شد که مارک زاکربرگ سوگند یاد کرد "فرا هوش را در دستان همه قرار دهد" و به رقبایی مانند OpenAI و گوگل برسد. بر اساس وبلاگ متا، این شرکت معماری، خط لوله بهینه‌سازی و جمع‌آوری داده‌های خود را بازسازی کرده تا قابلیت‌های مشابهی با مدل قبلی خود یعنی Llama 4 Maverick را با "کمتر از یک دهم توان محاسباتی" به دست آورد، و Muse Spark را "اولین گام در نردبان مقیاس‌پذیری" خود توصیف می‌کند. در اظهاراتی که توسط فایننشال تایمز گزارش شده است، متا به طور صریح به نقاط قوت خاص مانند سلامت تکیه می‌کند و استدلال می‌کند که پرسش‌های پزشکی و سلامتی "یکی از دلایل اصلی روی آوردن مردم به هوش مصنوعی" و فضایی است که در آن تمایز از چت‌بات‌های عمومی امکان‌پذیر است.

حالت "تامل" جدید و قابلیت‌های عامل‌محور

مرکزیت Muse Spark حالت جدید "تامل" است که چندین عامل را به صورت موازی قبل از پاسخگویی اجرا می‌کند، قابلیتی که متا آن را پاسخی به حالت‌های "تفکر عمیق" در مدل‌های پیشرو مانند Gemini Deep Think و GPT Pro می‌داند. تیم هوش مصنوعی متا این حالت را به عنوان هماهنگ‌سازی چندین عامل برای استدلال مشترک توصیف کرد، که به 58% در آزمون نهایی بشریت و 38% در معیار تحقیقات علمی مرزی دست یافت، عملکردی که تیم می‌گوید به Spark اجازه می‌دهد "با حالت‌های استدلال شدید" رقبای خود رقابت کند. این مدل همچنین به طور بومی چندوجهی است و قادر به پردازش و تولید متن و تصویر، فراخوانی ابزارهای خارجی و مدیریت زیرعوامل برای تجزیه وظایف پیچیده، از مدل‌سازی مالی گرفته تا عیب‌یابی لوازم خانگی، است.

ناظران صنعت این حرکت را تلاشی برای بازگرداندن متا به صف مقدم ارائه‌دهندگان مدل‌های هوش مصنوعی پس از دوره‌ای می‌بینند که بیشترین توجه به OpenAI، گوگل و Anthropic معطوف شده بود، مشابه تلاش‌های گذشته برای جبران عقب‌ماندگی که محصولات اصلی آن را تغییر شکل داد. در مقاله‌ای اخیر، بلومبرگ اشاره کرد که شرکت‌های بزرگ فناوری میلیاردها دلار را روی مدل‌های اختصاصی "استدلال" با قابلیت‌های عامل‌محور شرط‌بندی می‌کنند و چرخش متا از انتشار صرفاً متن‌باز Llama را به عنوان بخشی از روند گسترده‌تر به سمت پشته‌های هوش مصنوعی بسته و یکپارچه عمودی نشان می‌دهد.

تمرکز بر سلامت فرصت و ریسک را افزایش می‌دهد

فراتر از معیارهای استدلال، متا به شدت در حال بازاریابی قابلیت‌های سلامتی Muse Spark است و آن را "یکی از کاربردهای اصلی فرا هوش شخصی" می‌نامد و تاکید می‌کند که این مدل می‌تواند توضیحات تعاملی در مورد تغذیه، ورزش و اطلاعات پزشکی تولید کند. متا می‌گوید که "با بیش از 1000 پزشک همکاری کرده تا داده‌های آموزشی را گردآوری کند که پاسخ‌های واقعی‌تر و جامع‌تری را ممکن می‌سازد"، و ارزیابی‌های خارجی که توسط شرکت ذکر شده است، ادعا می‌کنند Muse Spark در معیار HealthBench Hard امتیاز 42.8% را کسب کرده که از مدل‌های رقیب از جمله Gemini 3.1 Pro و Opus 4.6 بهتر عمل کرده و کمی از GPT‑5.4 پیشی گرفته است. رویترز گزارش داد که در عمل، Muse Spark می‌تواند کالری یک وعده غذایی را از یک عکس تخمین بزند و اشیا را روی آن قرار دهد، مانند یک لیوان روی قفسه، که قابلیت‌های بصری و استدلالی ترکیبی آن را نشان می‌دهد.

با این حال، تحلیلگران به نقل از فایننشال تایمز و دیگر رسانه‌ها هشدار می‌دهند که تبدیل یک شبکه اجتماعی به یک دستیار شبه‌پزشکی می‌تواند نظارت نظارتی را برانگیزد، به ویژه در ایالات متحده و اتحادیه اروپا، جایی که مشاوره سلامت و حفظ حریم خصوصی داده‌ها به شدت تنظیم شده‌اند. در همین زمان، پلتفرم معاملاتی Invezz اشاره کرد که سهام متا در روز اعلام خبر حدود 9% جهش کرد، زیرا سرمایه‌گذاران شرط‌بندی کردند که یک استراتژی هوش مصنوعی قوی‌تر می‌تواند جریان‌های درآمدی جدیدی را به ارمغان بیاورد و حاشیه سود را در سراسر برنامه‌ها و خطوط سخت‌افزاری متا بهبود بخشد. در حال حاضر، ترکیب استدلال عامل‌محور، تمرکز بر سلامت و قابلیت‌های چندوجهی Muse Spark نشان می‌دهد که متا قصد دارد کمتر بر اندازه خام مدل و بیشتر بر موارد استفاده هدفمند و با ارزش بالا رقابت کند که می‌تواند کاربران را در اکوسیستم خود قفل کند.