Meta เปิดตัว Muse Spark 1.3 ทำงานยาวได้ต่อเนื่อง ใช้โทเคนน้อยลง 25% สลับหลายงานพร้อมกันได้โดยไม่สับสน

สนามแข่งโมเดล AI ปี 2026 ขยับจากการวัดกันที่ความฉลาดในการตอบคำถาม ไปสู่การวัดว่าโมเดลรับงานยาว ๆ ไปทำแทนคนได้จริงแค่ไหน โจทย์ที่ยากขึ้นจึงไม่ใช่การเขียนโค้ดให้ถูกในครั้งเดียว แต่เป็นการอยู่กับงานหนึ่งชิ้นได้หลายชั่วโมง จำได้ว่าทำอะไรไปแล้ว และรู้ว่าเมื่อไรควรหยุดถามคนสั่งงาน

Meta Superintelligence Labs (MSL) ปล่อย Muse Spark 1.3 ออกมาโดยชูจุดขายที่งานแบบเอเจนต์ (Agentic) และงานเขียนโค้ดเป็นหลัก พร้อมเพิ่มโหมดให้เหตุผลระดับสูงสุด (Max Reasoning) สำหรับโจทย์ที่ซับซ้อนเป็นพิเศษ ทีมพัฒนาบอกว่าสิ่งที่ปรับรอบนี้มาจากการเก็บพฤติกรรมผู้ใช้จริงบน Muse Code และ Meta Model API ตลอดหลายเดือนที่ผ่านมา ไม่ใช่แค่การไล่คะแนนบนชุดทดสอบมาตรฐาน (Benchmark) อย่างเดียว

ทำงานยาวได้โดยไม่หลุดโจทย์

Muse Spark 1.3 ถูกออกแบบมาให้อยู่กับงานที่กินเวลาหลายขั้นตอนในบทสนทนาเดียวได้นานขึ้น เมื่อได้รับโจทย์แบบปลายเปิด โมเดลจะเรียกใช้เครื่องมือ (Tool) เพื่อไปประกอบบริบทของตัวเองจากแหล่งข้อมูลที่กระจัดกระจายหรือขัดแย้งกันเอง ไล่อุดช่องโหว่ในแผนที่วางไว้ และจดจำสิ่งที่เรียนรู้ระหว่างทางเพื่อประกอบเป็นผลงานชิ้นสุดท้าย ทีมพัฒนาฝึกโมเดลบนสภาพแวดล้อมการทำงาน (Harness) ที่หลากหลาย เพื่อให้ย้ายไปทำงานในระบบเอเจนต์แบบอื่นได้โดยไม่ต้องปรับจูนใหม่

อีกจุดที่ต่างจากรุ่นก่อนคือความสามารถในการสลับงานหลายชิ้นพร้อมกัน เมื่อผู้ใช้พิมพ์คำสั่งใหม่เข้ามากลางทาง โมเดลจะจับคู่คำสั่งนั้นกับงานที่ถูกต้องได้แม่นขึ้น ไม่ว่าผู้ใช้จะกำลังแก้ทิศทางของคำสั่งเดิมหรือขัดจังหวะเพื่อแทรกงานใหม่ และเมื่อเจอคำสั่งยาวที่มีเงื่อนไขซ้อนกันหลายชั้น โมเดลก็รักษารายละเอียดปลีกย่อยไว้ได้ครบกว่าเดิม ไม่ทำหล่นข้อกำหนดหรือไหลออกนอกขั้นตอนที่กำหนดไว้

ตัวอย่างที่ทีมพัฒนาหยิบมาโชว์คือโจทย์ของวิศวกรเครื่องกลในบริษัทการบินและอวกาศ ที่สั่งให้โมเดลอ่านผลจำลองพลศาสตร์ของไหลเชิงคำนวณ (Computational Fluid Dynamics หรือ CFD) คู่กับไฟล์โมเดลสามมิติของชุดปีกเครื่องบิน แล้วเรียบเรียงเป็นรายงานฉบับร่างที่มีทั้งขอบเขตการวิเคราะห์ เงื่อนไขขอบเขต ตารางค่าตัวแปรสำคัญ ไปจนถึงข้อเสนอแนะเชิงออกแบบ ก่อนส่งออกเป็นไฟล์ PDF พร้อมใช้ในที่ประชุม

ถามกลับเป็น และรู้ว่าตัวเองทำอะไรไม่ได้

ความเปลี่ยนแปลงที่น่าสนใจกว่าตัวเลขคะแนนคือ Meta ฝึกให้โมเดลทำงานร่วมกับคนมากขึ้น Muse Spark 1.3 จะถามกลับเมื่อคำสั่งกำกวม ขอความช่วยเหลือจากผู้ใช้เมื่อไปต่อไม่ได้ และขอคำยืนยันก่อนลงมือทำสิ่งที่ส่งผลกระทบใหญ่ ระหว่างงานยาว ๆ ผู้ใช้ยังเลือกได้ว่าจะให้รายงานความคืบหน้าถี่ ๆ หรือให้ทำงานเงียบ ๆ อยู่เบื้องหลังจนกว่าจะเสร็จ

อีกจุดหนึ่งคือการรับรู้ขีดจำกัดของตัวเอง ทีมพัฒนาระบุว่าฝึกให้โมเดลแยกแยะได้ดีขึ้นว่าอะไรทำได้ อะไรทำไม่ได้ อะไรรู้จริงและอะไรไม่รู้ เพื่อให้เมื่อชนกำแพงแล้วบอกตรง ๆ แทนที่จะเดาผลลัพธ์ขึ้นมาเอง ซึ่งเป็นปัญหาคลาสสิกของโมเดลที่ถูกปล่อยให้ทำงานยาวโดยไม่มีคนคุม

เขียนโค้ดกระชับขึ้น เรียกเครื่องมือน้อยลง

ฝั่งงานโค้ด Meta ฝึกโมเดลกับงานที่กินเวลานานมากขึ้น ผลที่ได้คือสไตล์การทำงานที่สะอาดกว่าเดิม ลดจำนวนรอบการโต้ตอบที่ไม่จำเป็น และเลิกอธิบายยืดยาวเกินความจำเป็น จากการเปรียบเทียบภายในโดยวิศวกรของ Meta เอง Muse Spark 1.3 เร็วและประหยัดกว่ารุ่น 1.2 อย่างชัดเจน โดยใช้การเรียกใช้เครื่องมือ (Tool Calls) น้อยลงราว 20% และใช้โทเคน (Token) น้อยลงราว 25%

ตัวเลขสองตัวนี้สำคัญกับคนที่จ่ายค่า API รายเดือน เพราะต้นทุนของงานเอเจนต์ไม่ได้อยู่ที่คำตอบสุดท้าย แต่อยู่ที่จำนวนรอบที่โมเดลวนไปมาระหว่างทาง ในเชิงสเปก Muse Spark 1.3 รองรับหน้าต่างบริบท (Context Window) ขนาด 1 ล้านโทเคน และรับข้อมูลได้หลายรูปแบบ (Multimodal) ทั้งวิดีโอ ภาพ และเอกสาร โดยเรียกใช้ผ่าน Meta Model API ที่ออกแบบให้เข้ากันได้กับไคลเอนต์แบบ OpenAI SDK

ความปลอดภัยเน้นไปที่งานเอเจนต์

Meta ปรับความปลอดภัยตามแนวที่เกี่ยวข้องกับงานเอเจนต์และงานโค้ดโดยตรง โมเดลทนทานต่อการโจมตีด้วยข้อมูลป้อนเข้าที่ตั้งใจหลอกล่อได้ดีขึ้น รวมถึงการแทรกคำสั่งแฝง (Prompt Injection) ซึ่งเป็นช่องโหว่ที่มาพร้อมกับการปล่อยให้โมเดลอ่านข้อมูลจากเว็บหรือไฟล์ภายนอกได้เอง

นอกจากนี้โมเดลยังประเมินได้แม่นขึ้นว่าการกระทำแบบไหนคือ 'การกระทำที่ย้อนกลับไม่ได้' และปรับพฤติกรรมตามระดับความเสี่ยงนั้น ซึ่งสอดคล้องกับการฝึกให้ขอคำยืนยันก่อนลงมือทำสิ่งสำคัญ

Muse Spark 1.3 เปิดให้ใช้แล้วทั้งบน Muse Code ซึ่งติดตั้งได้บน macOS และ Linux และบน Meta Model API โดยโหมดการให้เหตุผลที่มีอยู่เดิมพร้อมใช้งานทันที ส่วนโหมด Max Reasoning จะตามมาหลัง Meta ทดสอบด้านความปลอดภัยเพิ่มเติมเสร็จ

ทีมพัฒนายังส่งสัญญาณถึงแผนถัดไปว่าจะมีโมเดลขนาดใหญ่ขึ้น และการปล่อย Muse Spark เวอร์ชัน Open-weight ให้นักพัฒนานำไปใช้งานต่อ ซึ่งเป็นหมุดหมายที่คนในวงการรออยู่ เพราะจะเป็นตัวชี้วัดว่า Meta ยังยึดแนวทางเปิดกว้างเหมือนที่เคยทำกับโมเดลรุ่นก่อน ๆ หรือไม่

ที่มา: Meta AI Research, Meta for Developers