Muse Spark — первая LLM от Meta Superintelligence Lab

Пять агентов, которые спорят между собой

Главная фишка, которую сразу все обсуждают — мультиагентная архитектура. Внутри модели работает пять независимых агентов, и разработчики намеренно заставили их конфликтовать друг с другом. Не синхронизироваться, а именно спорить.

На практике это выглядит так: даёшь задачу, несколько агентов параллельно генерируют решения, а отдельный модуль-арбитр ищет противоречия между ними. Такой внутренний peer review в реальном времени.

В медицинских задачах это даёт 88% точности — против обычных ~70% у стандартных нейросеток на специфических диагнозах. Разница реально ощутимая.

Одновременно схема довольно компактная. Meta не раскрывает точные цифры, но по ощущениям — вряд ли больше 500 млрд параметров. Для сравнения, это вдвое меньше, чем у Mythos от Anthropic. Берёт не размером, а тем, как организован процедура рассуждения.

А не MoE эта хвалёная супер уникальная мультиагентная платформа? - нет, но похоже:

MoE (Mixture of Experts) — это архитектура на уровне весов модели. Грубо говоря, для каждого токена активируется только часть параметров (эксперты). Всё происходит внутри одного прогона, пользователь этого не видит.

Мультиагентность как в Muse Spark — это другой уровень. Несколько отдельных моделей (или инстансов) запускаются параллельно, каждая генерирует своё решение, потом отдельный компонент сравнивает и арбитрирует между ними. Это ближе к тому, что называют multi-agent debate или self-consistency — направление, которое активно исследуется, но в продакшн-моделях встречается редко.

Зрение — это реально круто

Muse Spark изначально делали под умные очки Ray-Ban, и в компьютерном зрении она прёт. 92% точности в тестах — Gemini 3.1 чуть выше (94%), но Meta быстрее справляется с живым видеопотоком.

На записях с прогулок модель не просто тыкает пальцем в объекты: "вот собака, вот машина". Она считывает контекст. Заметит на ценнике акцию "2 по цене 1" и сверит её с вашим списком покупок. Meta называет это визуальным интеллектом — и в данном случае слова не расходятся с делом.

Правда, на абстрактных задачах эта магия куда-то испаряется.

Кодинг — больно смотреть

Вайб-кодеры, проходите мимо. 65% на Python-тестах — это результат уровня прошлого года, не сейчас. Я попросил отрефакторить небольшой сервис на FastAPI. Модель запуталась в импортах и выдала исходник, который просто не запускался. Не "работает, но криво" — а вообще не запускается.

Meta, судя по всему, это направление сознательно игнорирует. Логика понятна: зачем тратить ресурсы на конкуренцию с Sonnet или GPT в кодинге, если можно сосредоточиться на AR и мониторинге здоровья — там у них реальное преимущество и реальные деньги.

Я скормил ей свою аптечку

Решил проверить на реальной задаче. У меня дома скопилась куча таблеток без упаковок и пара подозрительных продуктов в холодильнике. Через meta.ai закинул поток фоток и спросил: что с чем смешивать нельзя и не скисло ли молоко?

Модель мгновенно считала маркировку на блистерах. Дальше включился мультиагентный режим — один агент полез в базу лекарственных взаимодействий, следующий анализировал текстуру молока и едва видные даты на этикетке. Вердикт пришёл чёткий: препарат А и Б лучше не совмещать (риск аритмии 15 процентов), молоко просрочено на два дня, структура неоднородна.

Я был впечатлён. До момента, когда через минуту в том же диалоге схема забыла дозировку, которую сама же только что назвала. Галлюцинация это или ошибка контекста между агентами — честно, без разницы. Доверять на 100% нельзя.

Опенсорс — это было красиво, пока длилось

Llama приучила нас к тому, что Meta делится весами. Muse Spark — нет. Полностью закрытая, проприетарная модель. Это инструмент для экосистемы Instagram и Ray-Ban, и Цукерберг явно не собирается дарить конкурентам что-то, что знает о пользователях всё — от рациона до пульса.

Акции $META после релиза пошли вверх. Инвесторы, видимо, поняли: это не чат-бот, это фундамент под новые гаджеты.

Итого

Muse Spark — не убийца всех и вся. Никакой революции нет. Но это по-настоящему хорошая узкоспециализированная схема: если вы делаете что-то в носимых устройствах или медицине — лучшего варианта сейчас нет. Если пишете код — не тратьте время.

Meta строит свою экосистему, и Muse Spark выглядит как центральный элемент всей этой конструкции. Посмотрим, насколько крепкой она окажется.

P.S. Если вам интересна тема AI-агентов и внедрения нейросетей, заглядывайте в мой Telegram-канал ДругОпенсурса. Там я публикую свежие новости и разборы инструментов в числе первых.