Tanpa peringatan! Setelah setahun, Zuckerberg akhirnya kembali!
Baru saja, karya pertama Laboratorium Kecerdasan Super Meta (MSL) diluncurkan—
Muse Spark, kode Avocado, itulah "alpukat" yang selama ini menjadi rumor.
Ini adalah "petarung segi enam serba bisa yang sejati: persepsi multimodal asli, pemanggilan alat, rantai pemikiran visual, pengaturan multi-Agent, semuanya dikuasai.
Pertama, mari kita bicarakan angka yang paling mengejutkan.
Dalam pengujian Artificial Analysis, Muse Spark meraih skor tinggi 52, hanya di bawah Gemini 3.1 Pro, GPT-5.4, dan Opus 4.6.
Sebagai perbandingan, Llama 4 Maverick tahun lalu hanya meraih 18 poin.
Dari 18 menjadi 52, lompatan besar, saham Meta langsung melonjak hampir 10% dalam perdagangan.
Kepala AI Meta, Alexandr Wang, begitu bersemangat hingga memposting sembilan tweet berturut-turut di X.
Sembilan bulan lalu kami membangun kembali seluruh tumpukan teknologi AI dari nol, infrastruktur baru, arsitektur baru, pipa data baru. Muse Spark adalah hasil dari pekerjaan ini.
Peneliti keturunan Tionghoa di tim MSL juga membanjiri media sosial, orang-orang yang tahun lalu pindah dari OpenAI, DeepMind ke laboratorium yang baru dibentuk, mempertaruhkan segalanya untuk hari ini.
Kepala Ilmuwan MSL, Shengjia Zhao, berbicara dengan blak-blakan, "Kami membangun kembali seluruh tumpukan teknologi untuk mendukung Scaling, ini baru permulaan".
Patut disebutkan, Muse Spark juga meluncurkan "Mode Kontemplasi" (Contemplating) yang setara dengan Gemini Deep Think dan GPT Pro, di mana beberapa Agent berpikir paralel dan berkolaborasi menjawab.
Cukup masukkan "Bantu saya merencanakan perjalanan kuliner budaya 7 hari ke Florida untuk keluarga 5 orang, 3 anak masing-masing berusia 12, 9, 7 tahun", Muse Spark akan langsung mengirim tiga sub-Agent sekaligus, satu merencanakan rute kuliner budaya, satu mencari aktivitas keluarga, dan satu mengoordinasikan logistik dan akomodasi.
Saat ini, model telah上线 di meta.ai dan Meta AI App, versi pratinjau API terbuka untuk sebagian pengguna.
Fitur ini pertama kali diluncurkan di AS, dalam beberapa minggu ke depan akan terintegrasi dengan Facebook, Instagram, dan WhatsApp.
Gratis, tanpa batas, tetapi tertutup sumber.
Selanjutnya, poin-poin penting:
· Skor Artificial Analysis 52, Llama 4 Maverick hanya 18
· Multimodal asli + rantai pemikiran visual, jalur visual hanya di bawah Gemini 3.1 Pro
· "Mode Kontemplasi" multi-Agent berpikir paralel, HLE raih 58%
· Kebutuhan komputasi pelatihan awal dipotong hingga 1/10 Llama 4
· 1000+ dokter klinis berpartisipasi dalam pelatihan, tanya jawab kesehatan mengalahkan semua
· Pemikiran dapat mengompres sendiri, konsumsi Token hanya 1/3 Opus
· Apollo Research menemukannya dapat merasakan sedang diuji keamanan
Skor benchmark menyusul tier satu, tetapi menulis kode masih kurang
Pertama, lihat data keras.
Meta membandingkan Muse Spark (Mode Berpikir) dengan Opus 4.6, Gemini 3.1 Pro, GPT 5.4, Grok 4.2, mencakup multimodal, pemikiran teks, kesehatan, Agent dalam empat dimensi, total lebih dari 20 benchmark.
Skor benchmark yang diberi label ulang oleh网友 Reddit
Multimodal adalah bagian paling menonjol dari Muse Spark.
CharXiv pemahaman 86.4, melampaui GPT 5.4的82.8 dan Gemini 3.1 Pro的80.2.
ScreenSpot Pro penentuan posisi screenshot 84.1, sedikit lebih tinggi dari Opus 4.6的83.1.
ZeroBench visual multi-langkah 33.0, Gemini 3.1 Pro adalah 29.0.
Di trek teks, saling mengalahkan.
GPQA Diamond masalah tingkat doktor 89.5, Opus 4.6 meraih 92.7, Gemini 3.1 Pro adalah 94.3.
ARC AGI 2 pemikiran abstrak 42.5, tertinggal jauh dari Opus 4.6的63.3 dan Gemini的76.5.
LiveCodeBench Pro pemrograman kompetisi 80.0, Gemini 82.9, GPT 5.4 meraih 87.5.
Meta sendiri mengakui, dalam kode dan tugas Agent jangka panjang, Muse Spark dan model terkuat masih memiliki kesenjangan.
Namun, yang mengejutkan seluruh internet adalah, Muse Spark dapat langsung mengubah gambar menjadi kode, efeknya sangat memukau!
Tetapi di jalur kesehatan, Muse Spark bertarung dengan ganas.
HealthBench Hard tanya jawab kesehatan terbuka 42.8, Gemini 3.1 Pro hanya 20.6, GPT 5.4 adalah 40.1.
MedXpertQA multimodal medis 78.4, juga tidak jauh dari Gemini的81.3 (di sini Gemini sedikit lebih tinggi), tetapi jauh melampaui Opus 4.6的64.8.
Kolaborasi Meta dengan lebih dari 1000 dokter klinis dalam pembersihan dan seleksi data selama fase pelatihan, memang membawa efek nyata.
Jalur Agent juga layak diperhatikan.
DeepSearchQA Agent pencarian meraih 74.8, tertinggi di antara lima.
τ2-Bench penggunaan alat 91.5, sejajar dengan GPT 5.4.
GDPval-AA Elo Agent办公 mencapai 1444, melampaui Gemini的1320 tetapi di bawah Opus 4.6的1606.
SWE-Bench kesenjangan jelas, Verified 77.4 vs Opus 80.8 vs GPT 82.9 (dikatakan 78.2), Pro 52.4 vs GPT 57.7.
Kesimpulan skor benchmark dalam satu kalimat, multimodal dan kesehatan menang, pemikiran seimbang, kode dan Agent kurang sedikit.
Alexandr Wang: Kesalahan Llama 4 tidak akan terulang, alpukat tidak menggelembungkan skor
Pengujian independen Artificial Analysis juga mengungkap detail penting, efisiensi Token.
Setelah menjalankan seluruh suite pengujian Intelligence Index, Muse Spark menggunakan 58 juta Token keluaran, setara dengan Gemini 3.1 Pro (57 juta), tetapi jauh lebih rendah dari Opus 4.6 (157 juta) dan GPT-5.4 (120 juta).
Tingkat kecerdasan yang sama, konsumsi Token berkurang setengah hingga dua pertiga.
Selain itu, di FrontierMath yang soalnya dibuat oleh ahli matematika, Muse Spark pada level 1-3, langsung mengalahkan Gemini 3.1 Pro, tetapi pada level 4 justru berada di peringkat terbawah.
Yang lebih值得注意 adalah, pada peringkat indeks Vals, Muse Spark dengan kuat merebut peringkat ketiga, indikator spesifik如下.
Setelah peluncuran Llama 4 setahun lalu, Meta kembali ke tier satu AGI.
Multi-Agent berpikir paralel, 58% raih "ujian terakhir manusia"
"Mode Kontemplasi" adalah jurus andalan Muse Spark.
Mode berpikir tradisional adalah satu Agent berpikir lebih lama, mode kontemplasi adalah beberapa Agent berpikir bersamaan, akhirnya merangkum jawaban.
Humanity's Last Exam (tanpa alat), Muse Spark mode kontemplasi meraih 50.2, Gemini Deep Think 48.4, GPT 5.4 Pro 43.9.
Humanity's Last Exam (dengan alat), 58.4, Gemini 53.4, GPT 5.4 Pro 58.7, hampir imbang.
FrontierScience Research penelitian前沿科学 38.3, Gemini Deep Think hanya 23.3, GPT 5.4 Pro adalah 36.7.
Namun soal teori Olimpiade Fisika IPhO 2025, Muse Spark mode kontemplasi 82.6, GPT 5.4 Pro meraih 93.5, kesenjangan不小.
Secara keseluruhan, mode kontemplasi membuat Muse Spark dalam tugas pemikiran komprehensif tersulit,确实摸到了 ambang tier satu.
Mengarah pada "Kecerdasan Super Pribadi", foto saja bisa jadi ahli gizi pribadi
Arah yang ditetapkan Meta untuk Muse Spark很明确,就是 kecerdasan super pribadi.
Diterjemahkan ke bahasa manusia, ini adalah asisten AI yang memahami Anda, memahami dunia di sekitar Anda.
Dalam hal multimodal, Muse Spark dari底层 dirancang untuk integrasi lintas domain informasi visual.
Demo resmi beberapa场景.
Foto teka-teki sudoku, Muse Spark dapat mengubahnya menjadi game interaktif yang dapat dimainkan di web.
Foto mesin kopi dan penggiling biji, pertama-tama menandai semua komponen inti, kemudian menghasilkan tutorial latte interaktif versi web.
Saat mouse melayang di某一步骤, kotak batas komponen yang sesuai dalam foto secara otomatis disorot, panduan visual dan langkah operasi一一对应.
Adegan kesehatan lebih memiliki ruang imajinasi.
Foto meja penuh makanan, katakan padanya "Kolesterol saya tinggi, saya pescatarian", Muse Spark akan memberi titik hijau pada makanan yang direkomendasikan, titik merah pada yang tidak disarankan.
Kontrol Prompt sangat detail, langsung menjelaskan logika interaksi UI.
Angka skor kesehatan langsung ditampilkan di atas titik tanpa melayang, setelah melayang muncul data detail kalori, karbohidrat, protein, dan lemak, dan kotak pop-up dipastikan "selalu di lapisan teratas, tidak boleh terhalang titik lain".
Foto pose yoga juga dengan思路 yang sama.
Ini mengidentifikasi kelompok otot mana yang diregangkan setiap pose, menandai tingkat kesulitan, setelah melayang juga dapat memberikan saran koreksi postur. Gambar dua orang disatukan kiri kanan, diberi skor masing-masing dari 1 sampai 10.
Dukungan底层 di balik demo ini adalah kombinasi tanya jawab visual, pengenalan entitas, dan penentuan posisi目标.
Dilihat per item tidak稀奇, tetapi setelah dirangkai menjadi adegan,确实可以看到 niat produk di balik kata "kecerdasan super pribadi".
Ada satu fitur baru yang layak disebutkan secara terpisah, "Mode Belanja".
Wang dalam tweet mengatakan, mode belanja dapat "mengenali pembuat konten, merek, dan konten gaya yang Anda ikuti di Instagram, Facebook, dan Threads, mengubahnya menjadi rekomendasi yang dipersonalisasi".
Ini adalah keunggulan data unik Meta, data perilaku sosial 3 miliar pengguna harian + asisten belanja AI, ruang imajinasi komersialisasi很大.
Tiga kurva Scaling, komputasi dipotong 90%, pemikiran bahkan dapat mengompres sendiri
Bagian penting blog teknologi bukan pada skor benchmark, tetapi pada Scaling.
Meta memecah sumber performa Muse Spark menjadi tiga sumbu, pelatihan awal, pembelajaran penguatan, komputasi saat pengujian. Setiap sumbu memiliki kurva penskalaan yang sesuai sebagai pendukung.
Pelatihan awal: Kemampuan yang sama, komputasi dipotong hingga 1/10
Selama sembilan bulan terakhir, Meta melakukan pergantian besar-besaran pada tumpukan teknologi pelatihan awal, arsitektur, algoritma optimasi, strategi data semua dibangun ulang.
Untuk mengukur efek, Meta memasang Scaling Law pada serangkaian versi ukuran kecil, kemudian membandingkan berapa banyak FLOPs pelatihan yang dibutuhkan untuk mencapai level kinerja yang sama.
Kesimpulannya keras, level kemampuan yang sama, Muse Spark membutuhkan komputasi kurang dari sepersepuluh Llama 4 Maverick.
Kurva ini menjelaskan satu hal, Meta tidak hanya melempar lebih banyak GPU, tetapi juga meningkatkan output setiap unit komputasi dari底层.
Evaluasi Yuchen Jin dari Universitas Washington di X sangat到位, "Saya仍然认为 infrastruktur才是护城河 sejati laboratorium AI. Karena Anda dapat melatih lebih cepat, peneliti就可以 bereksperimen lebih banyak ide lebih cepat."
Pembelajaran penguatan: Pertumbuhan log-linear, generalisasi ke soal yang belum pernah dilihat
RL skala besar terkenal tidak stabil, tetapi Meta mengatakan, kurva RL tumpukan teknologi baru sangat halus.
Gambar kiri adalah performa pada set pelatihan. pass@1 dan pass@16 (setidaknya benar 1 kali dalam 16 percobaan) keduanya menunjukkan pertumbuhan log-linear.
Ini menunjukkan bahwa RL dalam meningkatkan keandalan, tidak mengurangi keragaman pemecahan masalah, Muse Spark tidak "satu jalan sampai gelap", ia masih menjaga fleksibilitas untuk mengeksplorasi不同解法.
Gambar kanan lebih penting, adalah akurasi pada set evaluasi yang disisihkan.
Kurva同样稳步上升, menunjukkan kemajuan yang dibawa RL bukan hafalan, tetapi dapat digeneralisasi ke soal baru yang belum pernah dilihat.
推理 saat pengujian: Pemikiran先 mengembang, lalu mengompres, lalu mengembang lagi
Ini adalah bagian dengan kandungan teknologi tertinggi dan paling menarik dalam artikel.
RL mengajari Muse Spark untuk "mensimulasikan terlebih dahulu dalam pikiran" sebelum menjawab, inilah推理 saat pengujian.
Namun masalahnya, menyediakan layanan ini untuk miliaran pengguna, biaya Token tidak dapat ditanggung.
Solusi Meta dibagi menjadi dua langkah.
Langkah pertama, menambahkan "hukuman waktu berpikir" dalam pelatihan RL. Anda dapat berpikir lebih lama, tetapi berpikir terlalu lama akan dikurangi poin.
Kendala ini memicu fenomena "perubahan fase" yang menarik.
Performa pada subset AIME是这样的, pada awal pelatihan, Muse Spark meningkatkan akurasi dengan berpikir lebih lama, kurva meluas ke kanan.
Kemudian, hukuman panjang memicu "kompresi pemikiran". Muse Spark belajar menyelesaikan soal yang sama dengan Token yang jauh lebih sedikit, kurva berbelok ke kiri.
Setelah kompresi selesai, sekali lagi memperpanjang proses pemecahan masalah, untuk menantang soal yang lebih sulit.
Seluruh轨迹 digambar, adalah jalur evolusi tiga tahap: belok kanan dulu, lalu belok kiri, lalu belok kanan lagi.
Langkah kedua adalah menyelesaikan masalah延迟.
Satu Agent berpikir lebih lama,延迟 meningkat linear.
Cara Meta adalah memperluas jumlah Agent paralel, 1, 2, 4, 16 Agent berpikir bersamaan.
Dari gambar, 16 Agent pada level延迟 yang hampir sama, akurasi melompat dari约54% ke约58%.
Scaling测试时 tradisional adalah menukar waktu dengan kualitas, Scaling multi-Agent adalah menukar paralelisme dengan kualitas,延迟几乎不变.
Tim Tionghoa "Termahal" di Silicon Valley, menyerahkan kertas ujian pertama
Di balik Muse Spark, adalah rekonstruksi menyeluruh sistem AI Meta oleh Zuckerberg tahun lalu.
Juni 2025, Meta mengakuisisi 49% saham Scale AI senilai 14,3 miliar dolar, merekrut pendirinya Alexandr Wang sebagai Kepala AI pertama Meta, membentuk Laboratorium Kecerdasan Super Meta (MSL).
Bergabung pada waktu yang sama adalah mantan CEO GitHub Nat Friedman (bertanggung jawab bersama untuk produk dan penelitian aplikasi), pendiri bersama SSI Daniel Gross, serta 11 peneliti yang direkrut dari OpenAI, DeepMind, Anthropic.
Sekarang, peluncuran Muse Spark membuktikan satu hal, rekonstruksi sembilan bulan Laboratorium Kecerdasan Super Meta memiliki hasil.
Efisiensi pelatihan awal翻了一个数量级, kurva ekstensi RL halus dapat diprediksi, multimodal dan jalur kesehatan摸到了 tier satu.
Tetapi kesenjangan kode dan Agent ada di sana, mode kontemplasi belum terbuka secara penuh, jadwal sumber terbuka juga还是一个 "harapan".
Tekanan yang lebih realistis adalah, minggu yang sama Anthropic meluncurkan Mythos yang dikatakan "terlalu kuat untuk diumumkan", karya baru OpenAI berkode Spud juga在路上.
14,3 miliar membeli tiket masuk. Ujian selanjutnya,才是真正的.
Referensi:
https://ai.meta.com/blog/introducing-muse-spark-msl/
https://ai.meta.com/blog/scaling-how-we-build-test-advanced-ai/
https://ai.meta.com/static-resource/muse-spark-eval-methodology
https://x.com/alexandr_wang/status/2041909376508985381
Artikel ini来自微信公众号“新智元”, penulis: 新智元
Pertanyaan Terkait
QApa itu Muse Spark dan siapa yang mengembangkannya?
AMuse Spark (dengan kode Avocado atau 'Alpukat') adalah model AI canggih pertama yang dikembangkan oleh Meta Super Labs (MSL) milik Meta. Model ini merupakan asisten AI 'pahlawan segi enam' yang memiliki kemampuan multimodal bawaan, pemanggilan alat, rantai pemikiran visual, dan pengaturan multi-Agent.
QBagaimana performa Muse Spark dalam pengujian Artificial Analysis dibandingkan model AI lainnya?
ADalam pengujian Artificial Analysis, Muse Spark mencetak skor 52, yang menempatkannya tepat di belakang Gemini 3.1 Pro, GPT-5.4, dan Opus 4.6. Sebagai perbandingan, model Llama 4 Maverick dari tahun sebelumnya hanya mendapatkan skor 18.
QApa keunggulan utama Muse Spark dalam hal multimodal dan kesehatan?
AKeunggulan utama Muse Spark terletak pada kemampuannya dalam multimodal bawaan dan pemahaman kesehatan. Dalam benchmark seperti CharXiv (86.4) dan HealthBench Hard (42.8), performanya sangat kuat, bahkan mengungguli beberapa model terkemuka. Ini didukung oleh kolaborasi pelatihan dengan lebih dari 1000 dokter klinis.
QApa itu 'Contemplating Mode' (Mode Kontemplasi) pada Muse Spark dan bagaimana cara kerjanya?
A'Contemplating Mode' atau Mode Kontemplasi adalah fitur andalan Muse Spark yang memungkinkan beberapa Agent AI berpikir secara paralel dan berkolaborasi untuk menjawab pertanyaan kompleks. Misalnya, untuk merencanakan perjalanan keluarga, model akan mengerahkan beberapa Agent yang mengkhususkan diri pada rute budaya, aktivitas anak-anak, dan logistik secara bersamaan.
QApa dampak peluncuran Muse Spark terhadap nilai saham Meta dan bagaimana efisiensi komputasinya?
APeluncuran Muse Spark menyebabkan lonjakan harga saham Meta hingga nearly 10% secara intraday. Dari segi efisiensi, model ini hanya membutuhkan kurang dari 1/10 daya komputasi FLOPs pelatihan yang dibutuhkan oleh Llama 4 Maverick untuk mencapai tingkat kemampuan yang setara, dan konsumsi Token outputnya juga jauh lebih rendah dibandingkan model seperti Opus 4.6.
Bacaan Terkait
Trading
Artikel Populer
Apa Itu $S$
Memahami SPERO: Tinjauan Komprehensif Pengenalan SPERO Seiring dengan perkembangan lanskap inovasi, munculnya teknologi web3 dan proyek cryptocurrency memainkan peran penting dalam membentuk masa depan digital. Salah satu proyek yang telah menarik perhatian di bidang dinamis ini adalah SPERO, yang dilambangkan sebagai SPERO,$$s$. Artikel ini bertujuan untuk mengumpulkan dan menyajikan informasi terperinci tentang SPERO, untuk membantu para penggemar dan investor memahami dasar-dasar, tujuan, dan inovasi dalam domain web3 dan crypto. Apa itu SPERO,$$s$? SPERO,$$s$ adalah proyek unik dalam ruang crypto yang berusaha memanfaatkan prinsip desentralisasi dan teknologi blockchain untuk menciptakan ekosistem yang mendorong keterlibatan, utilitas, dan inklusi finansial. Proyek ini dirancang untuk memfasilitasi interaksi peer-to-peer dengan cara baru, memberikan pengguna solusi dan layanan keuangan yang inovatif. Pada intinya, SPERO,$$s$ bertujuan untuk memberdayakan individu dengan menyediakan alat dan platform yang meningkatkan pengalaman pengguna dalam ruang cryptocurrency. Ini termasuk memungkinkan metode transaksi yang lebih fleksibel, mendorong inisiatif yang dipimpin komunitas, dan menciptakan jalur untuk peluang finansial melalui aplikasi terdesentralisasi (dApps). Visi mendasar dari SPERO,$$s$ berputar di sekitar inklusivitas, bertujuan untuk menjembatani kesenjangan dalam keuangan tradisional sambil memanfaatkan manfaat teknologi blockchain. Siapa Pencipta SPERO,$$s$? Identitas pencipta SPERO,$$s$ tetap agak samar, karena ada sumber daya publik yang terbatas yang memberikan informasi latar belakang terperinci tentang pendiriannya. Kurangnya transparansi ini dapat berasal dari komitmen proyek terhadap desentralisasi—sebuah etos yang banyak proyek web3 bagi, memprioritaskan kontribusi kolektif di atas pengakuan individu. Dengan memusatkan diskusi di sekitar komunitas dan tujuan kolektifnya, SPERO,$$s$ mewujudkan esensi pemberdayaan tanpa menonjolkan individu tertentu. Dengan demikian, memahami etos dan misi SPERO tetap lebih penting daripada mengidentifikasi pencipta tunggal. Siapa Investor SPERO,$$s$? SPERO,$$s$ didukung oleh beragam investor mulai dari modal ventura hingga investor malaikat yang berdedikasi untuk mendorong inovasi di sektor crypto. Fokus investor ini umumnya sejalan dengan misi SPERO—memprioritaskan proyek yang menjanjikan kemajuan teknologi sosial, inklusivitas finansial, dan tata kelola terdesentralisasi. Fondasi investor ini biasanya tertarik pada proyek yang tidak hanya menawarkan produk inovatif tetapi juga memberikan kontribusi positif kepada komunitas blockchain dan ekosistemnya. Dukungan dari investor ini memperkuat SPERO,$$s$ sebagai pesaing yang patut diperhitungkan di domain proyek crypto yang berkembang pesat. Bagaimana SPERO,$$s$ Bekerja? SPERO,$$s$ menerapkan kerangka kerja multi-faceted yang membedakannya dari proyek cryptocurrency konvensional. Berikut adalah beberapa fitur kunci yang menekankan keunikan dan inovasinya: Tata Kelola Terdesentralisasi: SPERO,$$s$ mengintegrasikan model tata kelola terdesentralisasi, memberdayakan pengguna untuk berpartisipasi aktif dalam proses pengambilan keputusan mengenai masa depan proyek. Pendekatan ini mendorong rasa kepemilikan dan akuntabilitas di antara anggota komunitas. Utilitas Token: SPERO,$$s$ memanfaatkan token cryptocurrency-nya sendiri, yang dirancang untuk melayani berbagai fungsi dalam ekosistem. Token ini memungkinkan transaksi, hadiah, dan fasilitasi layanan yang ditawarkan di platform, meningkatkan keterlibatan dan utilitas secara keseluruhan. Arsitektur Berlapis: Arsitektur teknis SPERO,$$s$ mendukung modularitas dan skalabilitas, memungkinkan integrasi fitur dan aplikasi tambahan secara mulus seiring dengan perkembangan proyek. Kemampuan beradaptasi ini sangat penting untuk mempertahankan relevansi di lanskap crypto yang selalu berubah. Keterlibatan Komunitas: Proyek ini menekankan inisiatif yang dipimpin komunitas, menggunakan mekanisme yang memberikan insentif untuk kolaborasi dan umpan balik. Dengan memelihara komunitas yang kuat, SPERO,$$s$ dapat lebih baik memenuhi kebutuhan pengguna dan beradaptasi dengan tren pasar. Fokus pada Inklusi: Dengan menawarkan biaya transaksi yang rendah dan antarmuka yang ramah pengguna, SPERO,$$s$ bertujuan untuk menarik basis pengguna yang beragam, termasuk individu yang mungkin sebelumnya tidak terlibat dalam ruang crypto. Komitmen ini terhadap inklusi sejalan dengan misi utamanya untuk memberdayakan melalui aksesibilitas. Garis Waktu SPERO,$$s$ Memahami sejarah proyek memberikan wawasan penting tentang trajektori dan tonggak perkembangannya. Berikut adalah garis waktu yang disarankan yang memetakan peristiwa signifikan dalam evolusi SPERO,$$s$: Fase Konseptualisasi dan Ideasi: Ide awal yang membentuk dasar SPERO,$$s$ dikembangkan, sangat selaras dengan prinsip desentralisasi dan fokus komunitas dalam industri blockchain. Peluncuran Whitepaper Proyek: Setelah fase konseptual, whitepaper komprehensif yang merinci visi, tujuan, dan infrastruktur teknologi SPERO,$$s$ dirilis untuk menarik minat dan umpan balik komunitas. Pembangunan Komunitas dan Keterlibatan Awal: Upaya jangkauan aktif dilakukan untuk membangun komunitas pengguna awal dan investor potensial, memfasilitasi diskusi seputar tujuan proyek dan mendapatkan dukungan. Acara Generasi Token: SPERO,$$s$ melakukan acara generasi token (TGE) untuk mendistribusikan token asli kepada pendukung awal dan membangun likuiditas awal dalam ekosistem. Peluncuran dApp Awal: Aplikasi terdesentralisasi (dApp) pertama yang terkait dengan SPERO,$$s$ diluncurkan, memungkinkan pengguna untuk terlibat dengan fungsionalitas inti platform. Pengembangan Berkelanjutan dan Kemitraan: Pembaruan dan peningkatan berkelanjutan terhadap penawaran proyek, termasuk kemitraan strategis dengan pemain lain di ruang blockchain, telah membentuk SPERO,$$s$ menjadi pemain yang kompetitif dan berkembang di pasar crypto. Kesimpulan SPERO,$$s$ berdiri sebagai bukti potensi web3 dan cryptocurrency untuk merevolusi sistem keuangan dan memberdayakan individu. Dengan komitmen terhadap tata kelola terdesentralisasi, keterlibatan komunitas, dan fungsionalitas yang dirancang secara inovatif, ia membuka jalan menuju lanskap keuangan yang lebih inklusif. Seperti halnya investasi di ruang crypto yang berkembang pesat, calon investor dan pengguna dianjurkan untuk melakukan riset secara menyeluruh dan terlibat dengan perkembangan yang sedang berlangsung dalam SPERO,$$s$. Proyek ini menunjukkan semangat inovatif industri crypto, mengundang eksplorasi lebih lanjut ke dalam berbagai kemungkinan yang ada. Meskipun perjalanan SPERO,$$s$ masih berlangsung, prinsip-prinsip dasarnya mungkin benar-benar mempengaruhi masa depan cara kita berinteraksi dengan teknologi, keuangan, dan satu sama lain dalam ekosistem digital yang saling terhubung.
75 Total TayanganDipublikasikan pada 2024.12.17Diperbarui pada 2024.12.17
Apa Itu AGENT S
Agent S: Masa Depan Interaksi Otonom di Web3 Pendahuluan Dalam lanskap Web3 dan cryptocurrency yang terus berkembang, inovasi secara konstan mendefinisikan ulang cara individu berinteraksi dengan platform digital. Salah satu proyek perintis, Agent S, menjanjikan untuk merevolusi interaksi manusia-komputer melalui kerangka agen terbuka. Dengan membuka jalan untuk interaksi otonom, Agent S bertujuan untuk menyederhanakan tugas-tugas kompleks, menawarkan aplikasi transformasional dalam kecerdasan buatan (AI). Eksplorasi mendetail ini akan menyelami seluk-beluk proyek, fitur uniknya, dan implikasinya untuk domain cryptocurrency. Apa itu Agent S? Agent S berdiri sebagai kerangka agen terbuka yang inovatif, dirancang khusus untuk mengatasi tiga tantangan mendasar dalam otomatisasi tugas komputer: Memperoleh Pengetahuan Spesifik Domain: Kerangka ini secara cerdas belajar dari berbagai sumber pengetahuan eksternal dan pengalaman internal. Pendekatan ganda ini memberdayakannya untuk membangun repositori pengetahuan spesifik domain yang kaya, meningkatkan kinerjanya dalam pelaksanaan tugas. Perencanaan Selama Rentang Tugas yang Panjang: Agent S menggunakan perencanaan hierarkis yang ditingkatkan pengalaman, pendekatan strategis yang memfasilitasi pemecahan dan pelaksanaan tugas-tugas rumit dengan efisien. Fitur ini secara signifikan meningkatkan kemampuannya untuk mengelola beberapa subtugas dengan efisien dan efektif. Menangani Antarmuka Dinamis dan Tidak Seragam: Proyek ini memperkenalkan Antarmuka Agen-Komputer (ACI), solusi inovatif yang meningkatkan interaksi antara agen dan pengguna. Dengan memanfaatkan Model Bahasa Besar Multimodal (MLLM), Agent S dapat menavigasi dan memanipulasi berbagai antarmuka pengguna grafis dengan mulus. Melalui fitur-fitur perintis ini, Agent S menyediakan kerangka kerja yang kuat yang mengatasi kompleksitas yang terlibat dalam mengotomatisasi interaksi manusia dengan mesin, membuka jalan untuk berbagai aplikasi dalam AI dan seterusnya. Siapa Pencipta Agent S? Meskipun konsep Agent S secara fundamental inovatif, informasi spesifik tentang penciptanya tetap samar. Pencipta saat ini tidak diketahui, yang menyoroti baik tahap awal proyek atau pilihan strategis untuk menjaga anggota pendiri tetap tersembunyi. Terlepas dari anonimitas, fokus tetap pada kemampuan dan potensi kerangka kerja. Siapa Investor Agent S? Karena Agent S relatif baru dalam ekosistem kriptografi, informasi terperinci mengenai investor dan pendukung keuangannya tidak secara eksplisit didokumentasikan. Kurangnya wawasan yang tersedia untuk umum mengenai fondasi investasi atau organisasi yang mendukung proyek ini menimbulkan pertanyaan tentang struktur pendanaannya dan peta jalan pengembangannya. Memahami dukungan sangat penting untuk mengukur keberlanjutan proyek dan potensi dampak pasar. Bagaimana Cara Kerja Agent S? Di inti Agent S terletak teknologi mutakhir yang memungkinkannya berfungsi secara efektif dalam berbagai pengaturan. Model operasionalnya dibangun di sekitar beberapa fitur kunci: Interaksi Komputer yang Mirip Manusia: Kerangka ini menawarkan perencanaan AI yang canggih, berusaha untuk membuat interaksi dengan komputer lebih intuitif. Dengan meniru perilaku manusia dalam pelaksanaan tugas, ia menjanjikan untuk meningkatkan pengalaman pengguna. Memori Naratif: Digunakan untuk memanfaatkan pengalaman tingkat tinggi, Agent S memanfaatkan memori naratif untuk melacak sejarah tugas, sehingga meningkatkan proses pengambilan keputusannya. Memori Episodik: Fitur ini memberikan panduan langkah demi langkah kepada pengguna, memungkinkan kerangka untuk menawarkan dukungan kontekstual saat tugas berlangsung. Dukungan untuk OpenACI: Dengan kemampuan untuk berjalan secara lokal, Agent S memungkinkan pengguna untuk mempertahankan kontrol atas interaksi dan alur kerja mereka, sejalan dengan etos terdesentralisasi Web3. Integrasi Mudah dengan API Eksternal: Versatilitas dan kompatibilitasnya dengan berbagai platform AI memastikan bahwa Agent S dapat dengan mulus masuk ke dalam ekosistem teknologi yang ada, menjadikannya pilihan menarik bagi pengembang dan organisasi. Fungsionalitas ini secara kolektif berkontribusi pada posisi unik Agent S dalam ruang kripto, saat ia mengotomatisasi tugas-tugas kompleks yang melibatkan banyak langkah dengan intervensi manusia yang minimal. Seiring proyek ini berkembang, aplikasi potensialnya di Web3 dapat mendefinisikan ulang bagaimana interaksi digital berlangsung. Garis Waktu Agent S Pengembangan dan tonggak Agent S dapat dirangkum dalam garis waktu yang menyoroti peristiwa pentingnya: 27 September 2024: Konsep Agent S diluncurkan dalam sebuah makalah penelitian komprehensif berjudul “Sebuah Kerangka Agen Terbuka yang Menggunakan Komputer Seperti Manusia,” yang menunjukkan dasar untuk proyek ini. 10 Oktober 2024: Makalah penelitian tersebut dipublikasikan secara terbuka di arXiv, menawarkan eksplorasi mendalam tentang kerangka kerja dan evaluasi kinerjanya berdasarkan tolok ukur OSWorld. 12 Oktober 2024: Sebuah presentasi video dirilis, memberikan wawasan visual tentang kemampuan dan fitur Agent S, lebih lanjut melibatkan pengguna dan investor potensial. Tanda-tanda dalam garis waktu ini tidak hanya menggambarkan kemajuan Agent S tetapi juga menunjukkan komitmennya terhadap transparansi dan keterlibatan komunitas. Poin Kunci Tentang Agent S Seiring kerangka Agent S terus berkembang, beberapa atribut kunci menonjol, menekankan sifat inovatif dan potensinya: Kerangka Inovatif: Dirancang untuk memberikan penggunaan komputer yang intuitif seperti interaksi manusia, Agent S membawa pendekatan baru untuk otomatisasi tugas. Interaksi Otonom: Kemampuan untuk berinteraksi secara otonom dengan komputer melalui GUI menandakan lompatan menuju solusi komputasi yang lebih cerdas dan efisien. Otomatisasi Tugas Kompleks: Dengan metodologinya yang kuat, ia dapat mengotomatisasi tugas-tugas kompleks yang melibatkan banyak langkah, membuat proses lebih cepat dan kurang rentan terhadap kesalahan. Perbaikan Berkelanjutan: Mekanisme pembelajaran memungkinkan Agent S untuk belajar dari pengalaman masa lalu, terus meningkatkan kinerja dan efektivitasnya. Versatilitas: Adaptabilitasnya di berbagai lingkungan operasi seperti OSWorld dan WindowsAgentArena memastikan bahwa ia dapat melayani berbagai aplikasi. Saat Agent S memposisikan dirinya di lanskap Web3 dan kripto, potensinya untuk meningkatkan kemampuan interaksi dan mengotomatisasi proses menandakan kemajuan signifikan dalam teknologi AI. Melalui kerangka inovatifnya, Agent S mencerminkan masa depan interaksi digital, menjanjikan pengalaman yang lebih mulus dan efisien bagi pengguna di berbagai industri. Kesimpulan Agent S mewakili lompatan berani ke depan dalam pernikahan AI dan Web3, dengan kapasitas untuk mendefinisikan ulang cara kita berinteraksi dengan teknologi. Meskipun masih dalam tahap awal, kemungkinan aplikasinya sangat luas dan menarik. Melalui kerangka komprehensifnya yang mengatasi tantangan kritis, Agent S bertujuan untuk membawa interaksi otonom ke garis depan pengalaman digital. Saat kita melangkah lebih dalam ke dalam ranah cryptocurrency dan desentralisasi, proyek-proyek seperti Agent S pasti akan memainkan peran penting dalam membentuk masa depan teknologi dan kolaborasi manusia-komputer.
742 Total TayanganDipublikasikan pada 2025.01.14Diperbarui pada 2025.01.14
Cara Membeli S
Selamat datang di HTX.com! Kami telah membuat pembelian Sonic (S) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli Sonic (S) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan Sonic (S) AndaSetelah melakukan pembelian, simpan Sonic (S) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading Sonic (S)Lakukan trading Sonic (S) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.
1.1k Total TayanganDipublikasikan pada 2025.01.15Diperbarui pada 2025.03.21
