Futures
Accédez à des centaines de contrats perpétuels
TradFi
Or
Une plateforme pour les actifs mondiaux
Options
Hot
Tradez des options classiques de style européen
Compte unifié
Maximiser l'efficacité de votre capital
Trading démo
Introduction au trading futures
Préparez-vous à trader des contrats futurs
Événements futures
Participez aux événements et gagnez
Demo Trading
Utiliser des fonds virtuels pour faire l'expérience du trading sans risque
Lancer
CandyDrop
Collecte des candies pour obtenir des airdrops
Launchpool
Staking rapide, Gagnez de potentiels nouveaux jetons
HODLer Airdrop
Conservez des GT et recevez d'énormes airdrops gratuitement
Pre-IPOs
Accédez à l'intégralité des introductions en bourse mondiales
Points Alpha
Tradez on-chain et gagnez des airdrops
Points Futures
Gagnez des points Futures et réclamez vos récompenses d’airdrop.
Investissement
Simple Earn
Gagner des intérêts avec des jetons inutilisés
Investissement automatique
Auto-invest régulier
Double investissement
Profitez de la volatilité du marché
Staking souple
Gagnez des récompenses grâce au staking flexible
Prêt Crypto
0 Fees
Mettre en gage un crypto pour en emprunter une autre
Centre de prêts
Centre de prêts intégré
Meta a lancé un modèle d'IA fermé, Muse Spark - ForkLog : cryptomonnaies, IA, singularité, avenir
La société Meta a présenté le modèle d’IA Muse Spark, développé par une nouvelle équipe de chercheurs de Meta Superintelligence Labs (MSL).
Il s’agit de la première LLM depuis que le PDG de l’entreprise, Mark Zuckerberg, a lancé une réorganisation multimilliardaire du département IA afin de réduire son retard sur ses concurrents.
Le nouveau département est dirigé par Alexander Wang. Le dirigeant de la société l’a invité dans le cadre d’accords d’investissement avec Scale AI pour $14 milliards. Depuis, la société a mobilisé des sommes considérables pour recruter des spécialistes du domaine et développer l’infrastructure.
Depuis, l’entrepreneur a dépensé des milliards de dollars pour attirer des talents dans le domaine de l’intelligence artificielle et a consacré des dizaines de milliards à l’infrastructure.
À la traîne par rapport à ses concurrents
Muse Spark servira de base au chatbot Meta AI. Le modèle est fermé, contrairement aux produits précédents de l’entreprise, qui reposaient sur le code source ouvert.
Dans certains domaines, la LLM est en retrait par rapport à ChatGPT, Claude et Gemini, mais le projet en est à un stade précoce de développement. La société a souligné que le modèle ne représente que « la première étape d’un parcours » et que des solutions plus puissantes sont en préparation.
Meta met l’accent sur l’efficacité de Muse Spark et sur des « caractéristiques concurrentielles » pour l’exécution de diverses tâches.
Le réseau de neurones a été créé en neuf mois et est considéré par la direction comme un élément de la stratégie mise à jour en matière d’IA. Auparavant, l’entreprise se concentrait sur les modèles Llama open source.
Muse Spark a été entraînée en utilisant plusieurs outils tiers open source comme Qwen du géant technologique chinois Alibaba, ainsi que des solutions d’OpenAI et de Google.
Modes de réflexion
Muse Spark propose plusieurs niveaux de fonctionnement : Instant (immédiatement), Thinking (réflexion) et Contemplating (réflexion approfondie). Ce dernier fournit des réponses de niveau scientifique. Son intégration dans l’application et la version web de Meta AI se fera progressivement.
Contemplating utilise un groupe d’agents pour « penser en parallèle ». Les utilisateurs peuvent passer d’un mode à l’autre en fonction de la spécificité de la demande.
Par ailleurs, Meta teste de nouvelles façons de monétiser en proposant à des développeurs tiers l’accès à la technologie de base de Muse Spark via une API.
L’entreprise a indiqué qu’une option spéciale « Achats » serait ajoutée à la version mise à jour de Meta AI, afin d’aider les utilisateurs à choisir et à acheter des vêtements.
Rappelons qu’en février, Meta a présenté la fonction IA Dear Algo. Elle permet aux utilisateurs de Threads de personnaliser les algorithmes de recommandation de contenu.