Meta 的 Muse Spark 為什麼讓人期待——它終於懂得「看全景」

Meta 剛發表的 Muse Spark 模型跟 Google 的 Gemini 一樣，都是「原生多模態」（natively multimodal）AI。簡單來說就是：它不是把文字、圖片、聲音分開處理，然後硬湊在一起，而是從第一層開始就把所有資訊混在同一個空間裡一起理解。你問它問題時，它不只是在配對關鍵字，而是真的在跨越文字、圖像、聲音去理解整個脈絡。這就像是有人只會背事實 vs. 有人真的懂事情怎麼連結在一起的差別。如果 Muse Spark 真的能做到這點，那你問它的問題——即使是那種亂七八糟、跨越好幾個領域的問題——它的答案應該會聰明得多。