Dasar
Spot
Perdagangkan kripto dengan bebas
Perdagangan Margin
Perbesar keuntungan Anda dengan leverage
Konversi & Investasi Otomatis
0 Fees
Perdagangkan dalam ukuran berapa pun tanpa biaya dan tanpa slippage
ETF
Dapatkan eksposur ke posisi leverage dengan mudah
Perdagangan Pre-Market
Perdagangkan token baru sebelum listing
Futures
Akses ribuan kontrak perpetual
TradFi
Emas
Satu platform aset tradisional global
Opsi
Hot
Perdagangkan Opsi Vanilla ala Eropa
Akun Terpadu
Memaksimalkan efisiensi modal Anda
Perdagangan Demo
Pengantar tentang Perdagangan Futures
Bersiap untuk perdagangan futures Anda
Acara Futures
Gabung acara & dapatkan hadiah
Perdagangan Demo
Gunakan dana virtual untuk merasakan perdagangan bebas risiko
Peluncuran
CandyDrop
Koleksi permen untuk mendapatkan airdrop
Launchpool
Staking cepat, dapatkan token baru yang potensial
HODLer Airdrop
Pegang GT dan dapatkan airdrop besar secara gratis
Pre-IPOs
Buka akses penuh ke IPO saham global
Poin Alpha
Perdagangkan aset on-chain, raih airdrop
Poin Futures
Dapatkan poin futures dan klaim hadiah airdrop
Investasi
Simple Earn
Dapatkan bunga dengan token yang menganggur
Investasi Otomatis
Investasi otomatis secara teratur
Investasi Ganda
Keuntungan dari volatilitas pasar
Soft Staking
Dapatkan hadiah dengan staking fleksibel
Pinjaman Kripto
0 Fees
Menjaminkan satu kripto untuk meminjam kripto lainnya
Pusat Peminjaman
Hub Peminjaman Terpadu
Meta merilis model AI tertutup Muse Spark - ForkLog: cryptocurrency, AI, singularitas, masa depan
Korporasi Meta telah memperkenalkan model AI Muse Spark, yang dikembangkan oleh tim peneliti baru dari Meta Superintelligence Labs (MSL).
Ini adalah LLM pertama sejak CEO perusahaan Mark Zuckerberg memulai restrukturisasi bernilai multi-miliar dolar untuk divisi AI guna memangkas ketertinggalan dari para pesaing.
Departemen baru dipimpin oleh Alexander Wang. Kepala korporasi mengundangnya sebagai bagian dari perjanjian investasi dengan Scale AI sebesar $14 miliar. Sejak saat itu, korporasi telah menyalurkan dana besar untuk menarik spesialis di bidang terkait dan mengembangkan infrastruktur.
Sejak itu, pengusaha tersebut telah membelanjakan miliaran dolar untuk menarik talenta di bidang kecerdasan buatan serta mengalokasikan puluhan miliar untuk infrastruktur.
Tertinggal dari pesaing
Muse Spark akan menjadi dasar bagi chatbot Meta AI. Model ini bersifat tertutup, berbeda dengan produk-produk perusahaan sebelumnya yang berbasis open-source.
LLM di beberapa bidang tertinggal dari ChatGPT, Claude, dan Gemini, tetapi proyek ini masih berada pada tahap awal pengembangan. Korporasi menekankan bahwa model tersebut hanyalah “tahap pertama dalam perjalanan”, sementara solusi yang lebih kuat sedang dikembangkan.
Meta memberi penekanan pada efisiensi serta “karakteristik yang kompetitif” pada Muse Spark dalam pelaksanaan berbagai tugas.
Neural network ini dikembangkan selama sembilan bulan dan dipandang oleh manajemen sebagai komponen dari strategi AI yang diperbarui. Sebelumnya, perusahaan berfokus pada model Llama yang bersifat open-source.
Muse Spark dilatih dengan menggunakan beberapa alat open-source pihak ketiga seperti Qwen dari raksasa teknologi Tiongkok Alibaba, serta solusi dari OpenAI dan Google.
Mode Berpikir
Muse Spark menawarkan beberapa level operasi: Instant (seketika), Thinking (berpikir), dan Contemplating (renungan mendalam). Yang terakhir menyediakan jawaban tingkat ilmiah. Integrasinya ke dalam aplikasi dan versi web Meta AI akan berlangsung secara bertahap.
Contemplating menggunakan sekelompok agen untuk “berpikir paralel”. Pengguna dapat beralih di antara mode sesuai dengan kekhasan permintaan.
Selain itu, Meta sedang menguji cara-cara baru untuk monetisasi, dengan menawarkan akses ke teknologi dasar Muse Spark melalui API bagi pengembang pihak ketiga.
Perusahaan menyampaikan bahwa versi pembaruan Meta AI akan menambahkan mode khusus “Pembelian”, yang akan membantu pengguna dalam memilih dan membeli pakaian.
Sebagai pengingat, pada bulan Februari Meta memperkenalkan fitur AI Dear Algo. Fitur ini memungkinkan pengguna Threads mempersonalisasi algoritma rekomendasi konten.