200 பில்லியன் டாலர் செலவினக் கணிப்புக்கு மத்தியில், கட்டண AI சேவையை விரிவுபடுத்தும் Muse Wonder மாடல்களை அறிமுகப்படுத்திய Meta

Meta-வின் AI செலவினத்துக்குச் சோதனையாக இரண்டு புதிய மாடல்கள்

Meta, 2026 அக்டோபர் 12 அன்று Muse Wonder மற்றும் Muse Wonder Full ஆகியவற்றை அறிமுகப்படுத்தியது. செயற்கை நுண்ணறிவுத் துறையில் மீண்டும் முன்னணி நிலைக்குத் திரும்புவதாகக் கூறிய நிறுவனம், தனது மிகத் திறன்மிக்க புதிய அம்சங்களை கட்டணச் சேவைக்குப் பின்னால் வைத்துள்ளது. மேம்பட்ட தனிப்பட்ட உதவியாளர்கள், சந்தாக்கள் மற்றும் டெவலப்பர்கள் வழியிலான வருவாய், கணிசமாக அதிகச் செலவை ஏற்படுத்தக்கூடிய கணினிக் கட்டமைப்பு விரிவாக்கம் என அதன் உத்தியின் மூன்று அம்சங்களை இந்த வெளியீடு இணைக்கிறது.

நிதிக் குத்தகைகளுக்கான அசல் தொகை செலுத்துதலையும் சேர்த்து, 2026 மூலதனச் செலவு 130 பில்லியன் முதல் 145 பில்லியன் டாலர் வரை இருக்கும் என நிறுவனம் எதிர்பார்க்கிறது. 2027இல் இந்தச் செலவு 200 பில்லியன் டாலரை எட்டக்கூடும் என நிதிச் சேவை நிறுவனமான Cantor Fitzgerald கணித்துள்ளது. அந்த உயர்ந்த தொகை வெளிப்புறக் கணிப்பே தவிர, Meta அறிவித்துள்ள பட்ஜெட் அல்ல. இந்த ஆண்டுக்கான வழிகாட்டுதலின் உச்ச அளவுடன் ஒப்பிடுகையில் இது சுமார் 38% அதிகம்; குறைந்தபட்ச அளவுடன் ஒப்பிடுகையில் சுமார் 54% அதிகம்.

2025இல் எதிர்பார்ப்புகளைப் பூர்த்தி செய்யாத Llama 4 வெளியீட்டுக்குப் பிறகும், Meta-வின் AI செயல்பாட்டை மறுகட்டமைக்க சுமார் 14 மாதங்கள் எடுத்துக்கொண்ட பிறகும் இந்த மாடல்கள் வெளியாகியுள்ளன. மேம்பட்ட நிரலாக்கம், சட்ட ஆவணங்கள், நிதித் தகவல்கள் மற்றும் சுகாதாரத் தகவல்கள் தொடர்பான பணிகளை இவை இலக்காகக் கொண்டுள்ளன. கேள்விகளுக்குப் பதிலளிப்பதோடு மட்டும் நின்றுவிடாமல், கருவிகளைப் பயன்படுத்திச் செயல்படக்கூடிய மென்பொருளான ஏஜென்ட்களுக்கும் இவை ஆற்றலளிக்க வேண்டும் என Meta விரும்புகிறது.

செயல்திறன் மேம்பட்டிருப்பதற்கான ஆதாரங்கள் உள்ளன; ஆனால் எல்லா சோதனைகளிலும் வெற்றி கிடைக்கவில்லை. Meta வெளியிட்டுள்ள மென்பொருள் மேம்பாட்டுச் சோதனை முடிவுகளில், ஒரு அளவுகோலில் இரு மாடல்களும் Anthropic-இன் Claude Opus 5.5-ஐ விடச் சிறப்பாக உள்ளன. மற்றொரு Artificial Analysis குறியீட்டில் Muse Wonder Full அந்தப் போட்டி மாடலுக்குக் கீழே உள்ளது. இந்தத் திறன்கள் Meta-வின் தயாரிப்புகளைத் தொடர்ந்து பயன்படுத்தவும் அவற்றுக்குப் பணம் செலுத்தவும் மக்களைத் தூண்டுமா என்பதே உடனடி வணிகச் சோதனை.

இப்போது எது கிடைக்கிறது, பின்னர் எது வரும்?

Meta Model API மற்றும் Muse Code நிரலாக்க உதவியாளர் வழியாக டெவலப்பர்களுக்கு Muse Wonder கிடைக்கிறது. அதிகத் திறனுள்ள பதிப்பான Muse Wonder Full, Muse Code சந்தாதாரர்களுக்கு மட்டுமே வழங்கப்படுகிறது. இந்த இரு மாடல்களையும் பொதுமக்கள் பதிவிறக்கவோ, தங்களின் சொந்தச் சேவையகங்களில் இயக்கவோ முடியாது.

தனிப்பட்ட உதவியாளரான Muse ஒரு தனித் தயாரிப்பு. அதன் செயலி இலவசம்; கூடுதல் பயன்பாட்டை வழங்கும் கட்டணத் திட்டங்களும் உள்ளன. முதலில் சந்தாதாரர்களுக்கு அந்த உதவியாளரில் Wonder-ஐ அறிமுகப்படுத்த Meta திட்டமிட்டுள்ளது. ஆனால், வெளியீட்டுக்கான உறுதியான தேதியையோ பரந்த அளவிலான அணுகலுக்கான கால அட்டவணையையோ நிறுவனம் அறிவிக்கவில்லை.

மாடல் அறிமுகமாவதும், அந்த மேம்பாடு ஒவ்வொரு நுகர்வோரையும் சென்றடைவதும் ஒன்றல்ல என்பதால் இந்த வரிசை முக்கியம். முக்கிய முன்னேற்றங்கள்:

• 2025: Llama 4 எதிர்பார்ப்புகளைப் பூர்த்தி செய்யாததால், Meta-வின் AI அமைப்பிலும் பணியமர்த்தலிலும் மாற்றங்கள் செய்யப்பட்டன.
• 2026 செப்டம்பர்: Muse Spark மற்றும் Muse தனிப்பட்ட ஏஜென்டை Meta அறிமுகப்படுத்தியது. மறுகட்டமைக்கப்பட்ட Meta Superintelligence Labs பிரிவின் முதல் மாடல் Spark ஆகும்.
• 2026 செப்டம்பர் இறுதியில்: பயனர்களுக்காகப் பொருட்களை வாங்க Muse செயல்படுவதை Amazon தடுத்தது.
• 2026 அக்டோபர் 12: அறிவிக்கப்பட்ட டெவலப்பர் தயாரிப்புகள் வழியாக Muse Wonder மற்றும் Muse Wonder Full கிடைக்கத் தொடங்கின.
• அடுத்த கட்டங்கள்: Wonder, Muse சந்தாதாரர்களைச் சென்றடைய உள்ளது. மேலும் சிறப்புப் பயன்பாட்டு மாடல்களும் விரிவான பாதுகாப்பு அறிக்கையும் திட்டமிடப்பட்டுள்ளன; அவற்றுக்கான தேதிகள் அறிவிக்கப்படவில்லை.

புதிய மாடல்கள் Muse Spark-ஐ அடிப்படையாகக் கொண்டவை. Meta-வின் விரிவடைந்த மாடல் வரிசையில் Muse Image-மும் இடம்பெறுகிறது. எனினும், Wonder வெளியீடு பட உருவாக்கத்தைவிட ஏஜென்ட்கள் மற்றும் நிரலாக்கத்தில் கவனம் செலுத்துகிறது.

நினைவாற்றலும் தொடர்ந்து செயல்படும் திறனும் முக்கிய தயாரிப்பு அம்சங்கள்

இரண்டு முக்கியத் திறன்களை Meta குறிப்பிடுகிறது: Active Memory மற்றும் Active Focus. Active Memory முந்தைய உரையாடல்களில் இருந்து தொடர்புடைய தகவல்களைத் தக்கவைத்து, பின்னர் மேற்கொள்ளும் பணிகளின்போது அவற்றை மீட்டெடுக்கிறது. அந்தத் தகவல்கள் நாட்கள், வாரங்கள் அல்லது மாதங்கள் வரையிலான உரையாடல்களிலும் தொடரலாம் என்றும், இதனால் உதவியாளர் உரையாடல்களுக்கிடையே பயனரின் விருப்பங்களையும் தேவைகளையும் நினைவில் வைத்திருக்க முடியும் என்றும் தலைமை AI அதிகாரி Alexandr Wang கூறுகிறார்.

ஒரு பணி திட்டமிட்டபடி நடைபெறாதபோது என்ன நடக்கிறது என்பதைக் Active Focus கையாள்கிறது. பிழைகளிலிருந்து மீளவும், கருவி செயலிழந்தால் அணுகுமுறையை மாற்றவும், விளக்கம் கேட்கவும், முக்கியச் செயல்களுக்கு முன் உறுதிப்படுத்தலைக் கோரவும் மாடல்களால் முடியும் என Meta கூறுகிறது. ஒரு ஏஜென்ட் கைவிடுவதையோ அல்லது தோல்வியடைந்த முறையையே மீண்டும் மீண்டும் பின்பற்றுவதையோ குறைப்பதே இதன் நோக்கம்.

Meta-வின் AI செயல்பாட்டை வழிநடத்தும் Wang, அன்றாடப் பணிகளில் ஏற்படும் தடைகளை அடிப்படையாகக் கொண்டு இதன் வடிவமைப்பு நோக்கத்தை விளக்கினார்:

நிஜ உலகப் பணிகளைச் செய்யும்போது தடைகளும் எதிர்பாராத விஷயங்களும் பல்வேறு பின்னடைவுகளும் ஏற்படும்," என்று Wang கூறினார். "செயல்படாமல் நின்றுவிடுவதற்குப் பதிலாக வேறு அணுகுமுறைகளை முயற்சிக்கவும், எந்த நேரத்திலும் பயனரிடம் திரும்பிச் சரிபார்க்கவும் மாடலுக்குப் பயிற்சியளிக்க நாங்கள் குறிப்பாக முயன்றோம்.

காப்பீட்டுக் கோரிக்கைகள், குத்தகை ஒப்பந்தங்களைப் புரிந்துகொள்வது, தனிநபர் நிதி மற்றும் மேம்பட்ட நிரலாக்கம் ஆகியவற்றைச் சாத்தியமான பயன்பாடுகளாக Meta குறிப்பிடுகிறது. மளிகைப் பொருள் வாங்குதல், பயண முன்பதிவுகள், இரவு உணவுக்கான முன்பதிவுகள் போன்ற பணிகளையும் Muse ஏற்கெனவே இலக்காகக் கொண்டுள்ளது. இவை பயன்படுத்தத் திட்டமிடப்பட்டுள்ள உதாரணங்கள்; ஒவ்வொரு பணியையும் மாடல்கள் துல்லியமாகவும் பாதுகாப்பாகவும் நிறைவேற்றுகின்றன என்பதற்கான ஆதாரமல்ல.

இரு மாடல்களும் படங்கள், காணொளி, ஒலி ஆகியவற்றை ஏற்கும் என்றும், ஒரு மில்லியன் டோக்கன் அளவிலான சூழல் சாளரத்தைக் கொண்டிருப்பதாகவும் தெரிவிக்கப்பட்டுள்ளது. தகவல்களைச் செயலாக்கும்போது ஒரு மாடல் அவற்றைப் பிரிக்கும் அலகுகளே டோக்கன்கள். ஒரே நேரத்தில் அது பரிசீலிக்கக்கூடிய தகவலின் அளவைச் சூழல் சாளரம் குறிக்கிறது; உரையாடல்களுக்கிடையே தேர்ந்தெடுத்த தகவல்களை எடுத்துச் செல்வது தனியான நினைவாற்றல் திறன்.

அளவுகோல் முடிவுகள் போட்டித்தன்மையைக் காட்டுகின்றன; உறுதியான முடிவை அல்ல

கணிசமான மென்பொருள் மேம்பாட்டுப் பணிகளை உள்ளடக்கிய SWE-Marathon அளவுகோலில், Meta வெளியிட்ட முடிவுகளின்படி Muse Wonder Full 79%, Muse Wonder 78.8%, Claude Opus 5.5 74.2% மதிப்பெண்களைப் பெற்றுள்ளன. இதன்படி Full, Anthropic மாடலைவிட 4.8 சதவீதப் புள்ளிகள் முன்னிலையில் உள்ளது; வழக்கமான Wonder 4.6 புள்ளிகள் முன்னிலையில் உள்ளது.

இந்தச் சோதனையில் Meta-வின் இரு மாடல்களுக்கிடையேயான இடைவெளி வெறும் 0.2 சதவீதப் புள்ளிகள் மட்டுமே. எனவே, உயர்நிலைப் பதிப்பு எல்லாச் சூழல்களிலும் பெரிய நன்மையைத் தரும் எனக் கருதுவதற்குப் பதிலாக, தங்களுக்குத் தேவையான பணிகளை வாங்குவோர் ஆராய வேண்டும். இவை Meta வெளியிட்ட ஒப்பீட்டு முடிவுகள்; ஒரு நிறுவனத்தின் மென்பொருள் திட்டங்களில் கிடைக்கும் செயல்திறனுக்கு உத்தரவாதமல்ல.

Artificial Analysis Intelligence Index வேறுபட்ட படத்தைக் காட்டுகிறது. Muse Wonder Full 56 மதிப்பெண்களும், வழக்கமான Wonder 52 மதிப்பெண்களும் பெற்றுள்ளன. Claude Opus 5.5, 58 மதிப்பெண்களுடன் இவற்றை முந்துகிறது; OpenAI-இன் GPT-6 Astra 53 மதிப்பெண்கள் பெறுகிறது. தரவரிசையை விவரிக்கும் தகவல்களின்படி Full இரண்டாம் இடத்தைப் பகிர்கிறது; Wonder ஏழாம் இடத்தைப் பகிர்கிறது. Claude Sonnet 5.5-மும் Full-க்கு இணையான மதிப்பெண் பெற்றுள்ளதாக ஓர் அறிக்கை குறிப்பிடுகிறது.

Meta-வின் பெரிய மாடலை ஓர் அறிக்கை Muse Wonderful என அழைக்கிறது. ஆனால் மற்ற வெளியீட்டு அறிக்கைகள் அதை Muse Wonder Full என்றே குறிப்பிடுவதுடன், அதே 56 மதிப்பெண்ணையும் தருகின்றன. பெயர் தொடர்பான இந்த வேறுபாட்டை மூன்றாவது மாடல் வெளியிடப்பட்டதற்கான ஆதாரமாகக் கருதக்கூடாது.

Claude Fable 5.1 மற்றும் GPT-6 Astra உடனான ஒப்பீடுகளையும் Meta சுட்டிக்காட்டுகிறது. Google-இன் Gemini 4 Argon உடனான ஒப்பீடு இன்னும் தெளிவாகவில்லை: ஓர் அறிக்கையிடப்பட்ட குறியீட்டில் Gemini 53 மதிப்பெண் பெறுகிறது; பரந்த ஒப்பீடு இன்னும் உறுதியாகவில்லை என மற்றொரு தகவல் கூறுகிறது. வெவ்வேறு சோதனைகள் வெவ்வேறு திறன்களை அளவிடுகின்றன. எனவே, நிரலாக்கத்தில் கிடைக்கும் சிறந்த முடிவு, சட்ட ஆய்வு, நிதிப் பணிகள் அல்லது தனிப்பட்ட உதவியில் மேலாதிக்கத்தை நிறுவாது.

சந்தாக் கட்டணமும் API கட்டணமும் வெவ்வேறு செலவுகள்

Muse நுகர்வோர் சந்தாத் திட்டங்கள் மாதத்துக்கு 20 அல்லது 100 டாலர் செலவாகும். Muse Code திட்டங்கள் மாதத்துக்கு 50 அல்லது 200 டாலர் செலவாகும்; அவை Wonder Full அணுகலை வழங்குகின்றன. அந்தச் சந்தாக் கட்டணங்களையும், செயலாக்கப்படும் தகவலின் அளவுக்கேற்ப டெவலப்பர்களிடம் கட்டணம் வசூலிக்கும் Wonder API விலையையும் தனித்தனியாகக் கணக்கில் கொள்ள வேண்டும்.

அறிவிக்கப்பட்ட API விலை, ஒரு மில்லியன் உள்ளீட்டு டோக்கன்களுக்கு 4 டாலர்; ஒரு மில்லியன் வெளியீட்டு டோக்கன்களுக்கு 20 டாலர். மாடலுக்கு அனுப்பப்படும் தகவல் உள்ளீடு; அது உருவாக்கும் தகவல் வெளியீடு. இந்த விலையில் ஒரு மில்லியன் உள்ளீட்டு டோக்கன்களையும் ஒரு மில்லியன் வெளியீட்டு டோக்கன்களையும் பயன்படுத்தும் பணிச்சுமைக்கு 24 டாலர் செலவாகும்; பொருந்தக்கூடிய தள்ளுபடிகள் அல்லது பிற கட்டணங்கள் இதில் சேர்க்கப்படவில்லை. இது அறிவிக்கப்பட்ட விலைகளின் அடிப்படையிலான கணக்கீடு; சந்தாக் கட்டணம் அல்ல.

சேமிக்கப்பட்ட உள்ளீட்டுக்கு தள்ளுபடி விலை கிடைக்கலாம்; ஆனால் குறிப்பிட்ட தள்ளுபடி விகிதம் அறிவிக்கப்படவில்லை. ஏற்கெனவே செயலாக்கப்பட்ட தகவல்களை முற்றிலும் புதிய உள்ளீடாக மீண்டும் கையாளாமல் மறுபயன்படுத்துவதே சேமிப்பின் நோக்கம். நீண்ட ஆவணங்களை மீண்டும் மீண்டும் பார்க்கும் ஏஜென்டுக்கு இந்த வேறுபாடு செலவைப் பாதிக்கலாம்.

முன்னணி OpenAI மற்றும் Anthropic மாடல்களைவிட Meta-வின் API விலை கணிசமாகக் குறைவாக இருக்கும் என Wang கூறுகிறார். தெரிவிக்கப்பட்ட விலை ஒப்பீடு இதைவிடக் குறுகியது: Wonder-இன் விலை Claude Opus 5.5-க்கு இணையானதாகவும், GPT-6 Astra விலையின் சுமார் 40% ஆகவும் கூறப்படுகிறது. மேற்கோள் காட்டப்பட்ட விலைகளின்படி OpenAI மாடலைவிடக் குறைவான விலை என்ற கூற்றுக்கு இது ஆதரவளிக்கிறது; குறிப்பிடப்பட்ட Anthropic மாடலைவிடக் குறைவு என்பதை இது காட்டவில்லை.

கிடைப்பது குறித்தும் அறிக்கைகள் வேறுபடுகின்றன. சில தகவல்கள் API அணுகல் திட்டமிடப்பட்டுள்ளதாகக் கூறுகின்றன; ஆனால் குறிப்பான வெளியீட்டு அறிக்கைகள் வழக்கமான Wonder ஏற்கெனவே API வழியாகக் கிடைப்பதாகக் கூறுகின்றன. Wonder Full-க்கான API அணுகல் அறிவிக்கப்படவில்லை. மிகத் திறனுள்ள பதிப்பு நேரடி நிறுவன விற்பனையை இலக்காகக் கொண்டது எனக் கூறப்பட்டாலும், அதன் உறுதியான வெளியீட்டு வழி Muse Code ஆகும்.

மேம்பட்ட மாடலாக இருந்தாலும் இணையதளங்களை அணுக வேண்டும்

Sensor Tower தரவுகளின்படி, செப்டம்பர் மாத வெளியீட்டுக்குப் பிறகு Muse உலகளவில் கிட்டத்தட்ட 9 மில்லியன் பதிவிறக்கங்களைப் பெற்றதாகத் தெரிவிக்கப்பட்டுள்ளது. இருப்பினும், பதிவிறக்கங்கள் ஆரம்ப ஆர்வத்தையே அளவிடுகின்றன; நீடித்த பயன்பாட்டை அல்ல. அதன் பதிவிறக்க வளர்ச்சி மந்தமாகியுள்ளது; 14 நாட்களுக்குப் பிந்தைய பயனர் தக்கவைப்பு ChatGPT-ஐவிடக் குறைவாக இருப்பதாகத் தெரிவிக்கப்படுகிறது. துல்லியமான தக்கவைப்பு சதவீதங்கள் வெளியிடப்படவில்லை.

சில தடைகள் Meta-வின் மாடலைச் சார்ந்தவை அல்ல. ஏஜென்ட்களைத் தடுக்கும் இணையதளங்கள் பயனர் அனுபவத்தைப் பாதிப்பதாக Jefferies ஆய்வாளர் Brent Thill கூறினார். செப்டம்பர் இறுதியில் Muse வழியாக வாங்குவதை Amazon தடுத்தது இந்தப் பிரச்சினையை எடுத்துக்காட்டுகிறது: ஒரு உதவியாளர் ஷாப்பிங் கோரிக்கையைப் புரிந்துகொண்டாலும், அதை நிறைவேற்ற முடியாமல் போகலாம்.

கருவி செயலிழக்கும்போதோ தகவல் இல்லாதபோதோ Active Focus உதவக்கூடும். ஆனால் இணையதளக் கட்டுப்பாடுகளை மீற ஏஜென்டுக்கு அனுமதி உள்ளது என்பதை இது நிறுவாது. தனிப்பட்ட உதவியை வெற்றிகரமாக வழங்க, பகுத்தறிவு, நினைவாற்றல், தொடர்ந்து செயல்படும் திறன் ஆகியவற்றுடன் வெளிப்புறச் சேவைகளின் ஒத்துழைப்பும் அவசியம்.

மிகத் திறனுள்ள மாடல்களை எல்லா இடங்களிலும் பயன்படுத்துவதற்கான காரணத்தை விலையும் சிக்கலாக்குகிறது. 2026 மூன்றாம் காலாண்டில் உயர்தரமானவை எனக் குறிப்பிடப்பட்ட முதல் பத்து மாடல்கள், OpenRouter தளப் பயன்பாட்டில் 14% பங்கைக் கொண்டிருந்தன; 2025 முதல் காலாண்டில் இது 55% ஆக இருந்தது. அந்தத் தளத்தில் 41 சதவீதப் புள்ளிகள் சரிவு இது; ஒட்டுமொத்த AI சந்தையின் அளவீடு அல்ல.

வழக்கமான பணிகளில் குறைந்த விலையுள்ள மாடல்கள் பெரும் பங்காற்றத் தொடங்கியுள்ளதை இந்தப் போக்கு சுட்டிக்காட்டுகிறது. Wonder-இன் திறன்களில் பெரும்பகுதியைத் தக்கவைத்துக்கொண்டே, அதிகச் சிக்கனமாக இயங்கும் சிறப்புப் பதிப்புகளை Meta உருவாக்கி வருகிறது. ஒவ்வொரு கோரிக்கைக்கும் மிகப் பெரிய மாடலைப் பயன்படுத்தாமல், அதிக நுகர்வோருக்குச் சேவை வழங்க இது உதவலாம்.

தனியுரிமை அனுமதிகளையும் தயாரிப்பு அமைப்புகளையும் சார்ந்தது

செய்திகள், நாள்காட்டிகள், ஆவணங்கள் எனப் பலவற்றில் செயல்படும் ஏஜென்ட்களுக்கு முக்கியமான தகவல்களை அணுக வேண்டியிருக்கும். அனுமதியின்றித் தனிப்பட்ட தரவுகளைப் பகிர்வதைத் தவிர்க்கவும், தீங்கு விளைவிக்கும் செயல்களுக்கு உதவ மறுக்கவும் Wonder பயிற்றுவிக்கப்பட்டுள்ளதாக Meta கூறுகிறது. விளைவுகள் முக்கியமான செயல்களுக்கு முன் உறுதிப்படுத்தலைக் கோருவதாகவும் அறிக்கைகள் தெரிவிக்கின்றன.

அனுமதியின்றி தனிப்பட்ட செய்திகளை Muse அணுகியதாகச் சில பயனர்கள் சமூக ஊடகங்களில் புகார் அளித்துள்ளனர். அந்தப் புகார்களை Meta மறுக்கிறது. உரையாடலின் தொடக்கத்தில் ஒருவர் தகவல்தொடர்புக்கு அனுமதி அளித்துவிட்டு, பின்னர் அதை மறந்திருக்கக்கூடிய நிகழ்வுகள் உட்பட, ஏஜென்ட் தொடர்பான சம்பவங்களைக் கண்காணித்து பயனர்களுக்கு அனுமதிகள் குறித்து விளக்குவதாக Wang கூறுகிறார்.

பொதுவெளியில் கிடைக்கும் தகவல்களின் அடிப்படையில், அந்தக் குறிப்பிட்ட புகார்கள் தீர்க்கப்படாமல் உள்ளன. தொடர்ந்து நினைவில் வைத்திருக்கும் திறனும் பல்வேறு சேவைகளில் செயல்படும் திறனும் இருப்பதால், தெளிவான அனுமதிக் கட்டுப்பாடுகள் மிகவும் முக்கியம்: தகவலை நினைவில் வைத்திருப்பது, அதைப் பயன்படுத்தவோ பகிரவோ அனுமதி கிடைத்திருப்பதற்கு சமமல்ல.

அணுகும் வழியைப் பொறுத்தும் தரவுக் கையாளுதல் மாறுபடுகிறது. Muse Code சந்தாக்களில் இயல்புநிலையாக Contributor பயன்முறை அமையும் என்றும், சமர்ப்பிக்கப்படும் தகவல்கள் எதிர்கால மாடல்களை மேம்படுத்த உதவும் என்றும் தெரிவிக்கப்பட்டுள்ளது. சந்தாதாரர்கள் இந்த அமைப்பை முடக்கலாம். வழக்கமான Model API-க்கு சமர்ப்பிக்கப்படும் தகவல்கள் பயிற்சிக்குப் பயன்படுத்தப்படுவதில்லை எனக் கூறப்படுகிறது. இவை தயாரிப்பு அம்சங்கள் குறித்த தகவல்கள்; ஒரே மாதிரியான தனியுரிமை ஏற்பாடுகளாகக் கருதக்கூடாது.

நிறுவனங்களுக்கு, இந்த வேறுபாடு அளவுகோல் செயல்திறனிலிருந்து தனியானது. ஒரு நிரலாக்க உதவியாளர் சிறப்பாகச் செயல்பட்டாலும், தேர்ந்தெடுக்கப்பட்ட அமைப்புகளின்படி நிறுவனத்தின் ரகசிய நிரல் குறியீடு, வாடிக்கையாளர் ஆவணங்கள் அல்லது தனிப்பட்ட தகவல்களை அதில் சமர்ப்பிக்கலாமா என்பதை மறுஆய்வு செய்ய வேண்டியிருக்கும்.

பாதுகாப்புக் கூற்றுகளுக்கு விரிவான மதிப்பீடு இன்னும் தேவை

சைபர் துறையில் தவறாகப் பயன்படுத்தப்படுவதற்கு எதிராக இதுவரை இல்லாத அளவு வலுவான பாதுகாப்புகளை Wonder வழங்குவதாக Meta கூறுகிறது. ஒவ்வொரு இலவச Muse பயன்பாட்டிலும் அவை கிடைப்பதாகக் கூறப்படவில்லை; கட்டண மாடலுடன் தொடர்புடையதாகவே அவை தற்போது குறிப்பிடப்படுகின்றன. இதனால் இலவசத் தயாரிப்புகளில் பாதுகாப்பே இல்லை என்று பொருளல்ல; புதிய மாடலுக்கான பாதுகாப்புக் கூற்றுகளையே இது வேறுபடுத்திக் காட்டுகிறது.

தனது Meta Superintelligence Scaling Framework-ஐப் பின்பற்றி இந்த மாடல்கள் உருவாக்கப்பட்டுள்ளதாகவும், விரிவான பாதுகாப்பு மதிப்பீட்டு அறிக்கை பின்னர் வெளியிடப்படும் என்றும் நிறுவனம் கூறுகிறது. வெளியீட்டுத் தேதி அறிவிக்கப்படவில்லை. அந்த அறிக்கை இல்லாததால், புதிய பாதுகாப்புக் கூற்றுகளின் பின்னணியில் உள்ள விரிவான மதிப்பீடு பொதுவெளியில் இன்னும் முழுமையடையவில்லை.

பாதுகாப்பு ஏற்பாடுகள் மற்றும் பொறுப்பான மேம்பாடு மூலம் AI-ஐக் கட்டுப்படுத்தலாம் என தலைமைச் செயல் அதிகாரி Mark Zuckerberg வாதிடுகிறார். முழுத் துறையும் ஆராய்ச்சியை நிறுத்த வேண்டும் என்ற கோரிக்கையை அவர் நிராகரித்துள்ளார்; அதேவேளை, தயாரிப்புப் பாதுகாப்பைக் கவனிப்பதற்காக Meta சில உள்நாட்டு மேம்பாட்டுப் பணிகளை மெதுவாக்கியுள்ளதாகவும் ஒப்புக்கொண்டுள்ளார்.

கட்டுப்பாடு மற்றும் தன்னாட்சி குறித்த தனது நிலைப்பாட்டை Zuckerberg விளக்கினார்:

"தன்னுணர்வை வளர்த்துக்கொண்டு தானாகவே செயல்படும் என்ற பார்வையைவிட, பாதுகாப்பு ஏற்பாடுகள் மூலம் கட்டுப்படுத்தி, பொறுப்புடன் உருவாக்கக்கூடிய தொழில்நுட்பமே AI என்ற நம்பிக்கைக்கே எனது கருத்து நெருக்கமாக உள்ளது," என்று அவர் கூறினார்.

பேரழிவை ஏற்படுத்தக்கூடிய பாதிப்புக்கான நிகழ்தகவு குறித்து அவர் மதிப்பீடு எதையும் வழங்கவில்லை. மேம்பாட்டைத் தொடர்ந்தபடியே பாதுகாப்பை நிர்வகிக்கும் பொறுப்பு ஒவ்வொரு ஆய்வகத்துக்கும் உள்ளது என்பதே அவரது நிலைப்பாடு. பதிலளிப்பதோடு மட்டும் நின்றுவிடாமல் செயல்படுவதற்காக வடிவமைக்கப்பட்ட மாடல்களுக்கு, வெளியாகவுள்ள மதிப்பீடு முக்கியமான விடுபட்ட பகுதியாகும்.

கணினிக் கட்டமைப்பு விரிவாக்கம் Meta-வைத் தாண்டியும் தாக்கத்தை ஏற்படுத்துகிறது

Meta-வின் Prometheus தரவு மையத்தைப் பயன்படுத்தி Wonder மாடல்கள் பயிற்றுவிக்கப்பட்டன. Wang தலைமையில் உள்கட்டமைப்பு முதலீடு, ஆட்சேர்ப்பு, அமைப்பு மறுகட்டமைப்பு ஆகியவற்றைத் தொடர்ந்து இந்த வெளியீடு வந்துள்ளது. அந்த முயற்சியின் ஒரு பகுதியாக Meta, Scale AI-யில் சுமார் 14 பில்லியன் டாலர் முதலீடு செய்து, Wang-ஐ தனது தலைமைப் பொறுப்புக்கு அழைத்தது.

உள்நாட்டில் Watermelon என்ற குறியீட்டுப் பெயரால் அழைக்கப்பட்ட Wonder, Muse Spark-ஐவிடச் சுமார் பத்து மடங்கு கணினி வளங்களைப் பயன்படுத்துவதாக ஓர் அறிக்கை கூறுகிறது. இது தகவலறிக்கையில் தெரிவிக்கப்பட்ட ஒப்பீடு; பயிற்சிச் செலவு அல்லது வன்பொருள் தேவைகள் குறித்த வெளியிடப்பட்ட கணக்கல்ல. முன்னணி நிலையை எட்டுவதற்கு கணிசமாக அதிகக் கணினித் திறன் தேவைப்பட்டது என்ற Meta-வின் வாதத்துடன் இது ஒத்துப்போகிறது.

மாடல் மேம்பாட்டின் அடுத்த கட்டம் ஏற்கெனவே தொடங்கிவிட்டதாகவும், அதன் வேகம் அதிகரிக்கும் என்றும் Zuckerberg கூறுகிறார். திறனை அதிகரிப்பதையும் இயக்கச் செலவைக் குறைப்பதையும் ஒரே நேரத்தில் நோக்கி, பெரிய மாடல்களையும் அதிகச் சிக்கனமுள்ள சிறப்புப் பதிப்புகளையும் Meta உருவாக்கி வருகிறது.

செலவினக் கணிப்பு, Meta-வின் AI விநியோகச் சங்கிலியுடன் தொடர்புடைய சேவையக உற்பத்தியாளர்களுக்குப் பயன் தரக்கூடிய தேவையை உருவாக்குகிறது. இவர்களில் Hon Hai (Foxconn என்றும் அறியப்படுகிறது), Quanta, Wistron, Wiwynn, Inventec ஆகியவை அடங்கும். உள்கட்டமைப்புக்கான கொள்முதல் தொடரும் என்ற எதிர்பார்ப்பை அடிப்படையாகக் கொண்டதே அவை பயனடையக்கூடும் என்ற கணிப்பு. Wonder தொடர்பாகப் புதிய ஒப்பந்த மதிப்புகள், விநியோகஸ்தர்களுக்கான ஒதுக்கீடுகள் அல்லது விநியோக அட்டவணைகள் எதுவும் அறிவிக்கப்படவில்லை.

மூலதனச் செலவு என்பது ஒரு மாடலுக்கான பயிற்சிச் செலவைவிட விரிவானது. Meta-வின் 130 பில்லியன் முதல் 145 பில்லியன் டாலர் வழிகாட்டுதலில் நிதிக் குத்தகைகளுக்கான அசல் தொகை செலுத்துதல்களும் அடங்கும்; அடுத்த ஆண்டுக்கான Cantor Fitzgerald கணிப்பு 200 பில்லியன் டாலர். இந்த இரு தொகைகளையும் Muse Wonder-ஐ மட்டும் உருவாக்குவதற்கான விலையாகப் புரிந்துகொள்ளக் கூடாது.

வருவாய் நிரூபிக்கப்படுவதற்கு முன்பே முதலீட்டாளர்கள் எதிர்வினையாற்றுகின்றனர்

வெளியீட்டு நாளில் Meta பங்குகள் 3.38% உயர்ந்து 742.96 டாலரில் நிறைவடைந்தன. மற்ற அறிக்கைகள் இந்த உயர்வை 3.4% அல்லது சுமார் 3% எனக் கணக்கிட்டுள்ளன. Zuckerberg-இன் பிற்பகல் அறிவிப்புக்கு முன்பே பங்கு உயரத் தொடங்கியிருந்ததால், அன்றைய முழு உயர்வையும் மாடல் வெளியீட்டுக்கே காரணமாகக் கூற முடியாது.

பரந்த காலப்பகுதிகளுக்கான பங்கு விவரங்கள் வேறுபடுகின்றன: ஆண்டு தொடக்கத்திலிருந்து 13% உயர்வும், செப்டம்பர் தொடக்கத்திலிருந்து 31% உயர்வும் ஒரு அறிக்கையில் குறிப்பிடப்பட்டுள்ளன; Muse அறிமுகமான அதே மாதத்தின் பிற்பகுதியிலிருந்து கிட்டத்தட்ட 10% உயர்ந்ததாக மற்றொரு அறிக்கை கூறுகிறது. தொடக்கத் தேதிகளைச் சமப்படுத்தாமல் இந்த எண்களை நேரடியாக ஒப்பிட முடியாது.

Meta Superintelligence Labs-க்கான முதலீடு மேம்பட்ட மாடல் செயல்திறனாகவும் தயாரிப்புப் புதுமையாகவும் மாறி வருவதாக Bank of America-வின் பத்திர ஆய்வாளர் Justin Post வாதிட்டுள்ளார். புதிய வெளியீடு அந்தக் கருத்துக்கு மேலும் ஆதாரமளிக்கிறது; ஆனால் இந்த மாடல்கள் எவ்வளவு வருவாய் ஈட்டும் என்பதை இன்னும் நிரூபிக்கவில்லை.

வணிகம் தொடர்பான கேள்விகள் குறிப்பானவை. எத்தனை Muse பயனர்கள் Wonder-க்குப் பணம் செலுத்துவார்கள், எத்தனை டெவலப்பர்கள் அதன் API-ஐத் தேர்வுசெய்வார்கள், தொடர்ந்து செயல்படும் ஏஜென்ட்களுக்குச் சேவை வழங்கும் செலவுடன் ஒப்பிடுகையில் வருவாய் எவ்வளவு இருக்கும் என்பவற்றை Meta வெளியிடவில்லை. நுகர்வோருக்கு பரந்த அளவில் கிடைப்பது, Full-க்கான API அணுகல், பாதுகாப்பு அறிக்கை ஆகியவற்றுக்கும் தேதிகள் அறிவிக்கப்படவில்லை. இந்த வெளியீடு Meta-வின் போட்டி நிலையை வலுப்படுத்துகிறது; அதேவேளை வணிக மற்றும் அறிமுகம் தொடர்பான முடிவுகள் இன்னும் திறந்த கேள்விகளாகவே உள்ளன.

முக்கிய அம்சங்கள்

• 2026 அக்டோபர் 12 அன்று Meta, Muse Wonder மற்றும் Muse Wonder Full-ஐ அறிமுகப்படுத்தியது. முதலில் டெவலப்பர்களுக்குக் கிடைக்கும்; Muse நுகர்வோருக்கான வெளியீடு இன்னும் வரவுள்ளது.
• Meta-வின் நிரலாக்க அளவுகோல் முடிவுகள் அதன் மாடல்களுக்குச் சாதகமாக உள்ளன; Artificial Analysis-இல் Wonder Full, Claude Opus 5.5-க்குக் கீழே உள்ளது.
• Wonder API விலை, ஒரு மில்லியன் உள்ளீட்டு டோக்கன்களுக்கு 4 டாலர்; ஒரு மில்லியன் வெளியீட்டு டோக்கன்களுக்கு 20 டாலர். Full-ஐப் பயன்படுத்த Muse Code சந்தா தேவை.
• பொதுமக்கள் பதிவிறக்கவோ தங்களின் சொந்தச் சேவையகங்களில் இயக்கவோ இரு மாடல்களும் கிடைக்காது.
• ஏஜென்ட்களைப் பயன்படுத்தும்போது நினைவாற்றல், அனுமதிகள், இணையதளக் கட்டுப்பாடுகள், பயிற்சிக்கான தரவுப் பயன்பாட்டு அமைப்புகள் ஆகியவை நடைமுறைப் பிரச்சினைகளாக உள்ளன.
• 2026ஆம் ஆண்டுக்கான Meta-வின் செலவின வழிகாட்டுதல் 130 பில்லியன் முதல் 145 பில்லியன் டாலர். 2027ஆம் ஆண்டுக்கான 200 பில்லியன் டாலர் கணிப்பு Cantor Fitzgerald-ஐச் சேர்ந்தது.
• விரிவான பாதுகாப்பு மதிப்பீடும் பரந்த அணுகலுக்கான தேதிகளும் வெளியிடப்படவில்லை.