Xiaoza ini memang nggak rela ya...
Baru saja mengembalikan Manus, Meta langsung bikin sendiri sebuah platform agen cerdas "Hatch".
Xiaoza ini memang nggak rela ya...
Menurut informasi dari The Information, fungsi Hatch menekankan "memberikan tujuan, otomatis memecah dan memberikan hasil", terlihat mirip dengan Manus kan, tapi sengaja mengganti narasi promosi menjadi "OpenClaw versi konsumen".
Harganya tertinggi $199,99/bulan, juga menyaingi paket termahal Manus yang $200 per bulan.
Selain itu, model yang digunakan Hatch pada tahap pengembangan adalah Claude, rencananya baru akan beralih ke model buatan sendiri Muse Spark saat produk resmi diluncurkan, dan akan meluncurkan model baru Watermelon pada bulan Oktober.
Akuisisi Gagal, Bikin Sendiri
Berbeda dengan Codex, Claude Code yang pada dasarnya adalah alat pengembang, berfokus pada menulis kode, debugging, membangun perangkat lunak.
Hatch lebih menekankan pada "kehidupan digital konsumsi".
Lingkungan pelatihan yang disiapkan Meta untuk Hatch di tahap awal mencakup versi simulasi dari layanan internet seperti DoorDash, Etsy, Reddit, Yelp, dan Outlook.
Meliputi layanan dan pengiriman lokal, transaksi barang, pencarian informasi komunitas, manajemen produktivitas pribadi.
Ditambah dengan ekosistem jejaring sosial milik Meta sendiri, Instagram, Facebook, dan WhatsApp.
Dengan kata lain, target Hatch adalah menghubungkan jalur lengkap "menemukan—membandingkan—berkomunikasi—mengatur—membeli".
Misalnya, pengguna melihat sepatu di Instagram Reels, secara teori Hatch dapat mengidentifikasi petunjuk barang, mencari produk sejenis, membandingkan harga dan waktu pengiriman, memberikan saran berdasarkan anggaran dan preferensi historis pengguna, serta meminta konfirmasi sebelum pembayaran.
Tapi ada juga perbedaan dengan Manus. Manus adalah lingkungan eksekusi umum independen, berorientasi pada penelitian, otomatisasi web, kode, dan pembuatan konten. Hatch justru lebih menekankan memori jangka panjang, konteks personalisasi, operasi lintas layanan, serta keterikatan mendalam dengan ekosistem sosial miliaran pengguna Meta.
Dalam hal jalur teknologi, menggunakan Claude di tahap pengembangan, orang lain mudah menganggap Muse Spark belum memenuhi standar dalam pengujian Agen seperti penalaran multi-langkah, pemanggilan alat, dll.
Tapi ketergantungan jangka panjang pada pesaing jelas tidak sesuai dengan kepentingan biaya dan strategi Meta, begitu agen tingkat konsumen membentuk panggilan frekuensi tinggi dan penalaran rantai panjang, biaya inferensi akan melonjak drastis.
Rencana Meta adalah migrasi bertahap.
Tahap riset dan pengembangan serta pengujian internal menggunakan Claude sebagai transisi, tahap produk awal beralih ke model buatan sendiri seri Muse Spark, tahap ekspansi selanjutnya diambil alih oleh model generasi berikutnya seperti Watermelon yang akan diluncurkan Oktober nanti.
Sepertinya ini lagi-lagi jadi potensi masalah, perilaku model kan berbeda, migrasi juga nggak gampang ya?
Tapi apakah Watermelon termasuk dalam seri Muse, apakah akan langsung menjadi model inti Hatch, saat ini masih belum dikonfirmasi.
Bisnis iklan Meta memang lama menyediakan arus kas yang kuat, tapi kenaikan cepat infrastruktur AI, pelatihan model, dan biaya inferensi menuntut perusahaan membangun cara monetisasi AI yang lebih langsung di luar iklan.
Harga berlangganan premium Hatch, kartu truf terbesarnya adalah "distribusi default".
Pengguna yang familiar dengan ekosistem Meta tidak perlu mengunduh alat asing tambahan, bisa langsung menggunakan Hatch di Instagram, Facebook, WhatsApp, Messenger, aplikasi Meta AI, bahkan kacamata pintar.
Masalah tipikal yang dihadapi Agen umum adalah tidak memahami pengguna. Meta berharap melalui Hatch dapat mengubah sinyal-sinyal yang tersebar ini menjadi kemampuan "memahami maksud pengguna", ini adalah kondisi yang tidak dimiliki oleh produk AI tipe chat murni.
Tapi, harga hampir $200 per bulan berarti pengguna menilai "apakah dapat menghemat tenaga manusia secara stabil selama beberapa jam bahkan puluhan jam".
Ini menuntut Hatch menunjukkan kinerja andal di lingkungan nyata yang kompleks seperti halaman web rumit, informasi tidak lengkap, perubahan status login, konfirmasi pembayaran, dan penanganan pengecualian.
Internet nyata jauh lebih kompleks daripada lingkungan pelatihan simulasi, struktur halaman web sering berubah, pop-up, captcha, tindakan anti-robot, perbedaan wilayah, dan fluktuasi stok dapat menyebabkan tugas gagal.
Artikel ini berasal dari akun resmi WeChat "量子位", penulis: Mengchen
