Metan 'Watermelon' saavuttaa GPT-5.5:n – mutta OpenAI on jo mennyt ohi

Ongelma? Wang ei paljastanut, mitä vertailutestejä käytettiin, mikä tekee väitteestä todennettamattoman . Ilman tietoa siitä, saavuttiko Watermelon GPT-5.5:n koodaustesteissä (joissa Metan Muse Spark sai vain 59,0 Terminal-Benchissä verrattuna GPT-5.4:n 75,1:een), tohtoritason päättelytesteissä kuten GPQA Diamond (jossa Muse Spark sai 89,5 %) tai yleisessä kielten ymmärtämisessä, vertailu on puutteellinen .

Miksi GPT-5.5 on jo liikkuva maali

OpenAI julkaisi GPT-5.5:n 23. huhtikuuta 2026, ja se nousi nopeasti Artificial Analysis Intelligence Indexin kärkeen . Mutta siihen mennessä, kun Wang teki lausuntonsa, OpenAI oli jo julkaissut GPT-5.6:n 26. kesäkuuta 2026 – kolmen mallin perhe (Sol, Terra, Luna), jonka lippulaiva Sol asetti uuden tason Terminal-Bench 2.1:ssä tuloksella 88,8 % (ja 91,9 % Ultra-konfiguraatiossaan) .

Tämä tarkoittaa, että Watermelon tähtää malliin, joka ei ole enää huipulla. OpenAI:n tahti – GPT-5.4 5. maaliskuuta, GPT-5.5 23. huhtikuuta, GPT-5.6 26. kesäkuuta – viittaa noin kuuden viikon julkaisusykliin . Siihen mennessä, kun Watermelon julkaistaan, OpenAI saattaa jo olla GPT-5.7:ssä tai pidemmällä.

Metan tausta: Avocadon vaikeudet

Watermelonin rohkea väite tulee Metan edeltävän mallin vaikeuksien varjossa. Avocado – Metan ensimmäinen suuri malli uudelleenorganisoidusta Superälykkyyslaboratoriosta – viivästyi maaliskuusta 2026 vähintään toukokuuhun 2026, kun sisäiset testit osoittivat sen jäävän jälkeen Googlen Gemini 3.0:sta, OpenAI:n GPT-5.4:stä ja Anthropicin uusimmista malleista päättelyssä, koodauksessa ja kirjoitustehtävissä . Yhden raportin mukaan Meta harkitsi jopa Googlen Geminin tilapäistä lisensointia .

Muse Spark (Avocadon julkinen nimi) julkaistiin lopulta, mutta se sijoittui neljänneksi maailmassa Gemini 3.1 Pron, GPT-5.4:n ja Claude Opus 4.6:n jälkeen Artificial Analysis Intelligence Indexissä, saaden pistemäärän 52/100 . Se loisti lääketieteellisissä ja tieteellisissä vertailutesteissä (42,8 % HealthBench Hardissa, luokkansa paras), mutta kamppaili koodauksessa (59,0 Terminal-Benchissä) ja abstraktissa päättelyssä (42,5 ARC AGI 2:ssa) .

Valtava rahankäyttökysymys

Zuckerberg on panostanut voimakkaasti tekoälyinfrastruktuuriin. Metan Superälykkyyslaboratorio käytti väitetysti 14,3 miljardia dollaria ensimmäiseen suureen malliinsa (Muse Spark) . Wangin kommentti siitä, että Watermelon käyttää 'luokkaa enemmän laskentatehoa' kuin Avocado , viittaa siihen, että Meta on valmis käyttämään valtavia resursseja kuilun kuromiseen umpeen .

Samaan aikaan, kun uutiset Wangin optimistisesta väitteestä levisivät, Mark Zuckerbergin kerrottiin ilmaisseen huolensa tekoälyn edistymisen hidastumisesta, mikä luo ristiriitaisen sisäisen viestin Metan kehityskulusta . Wangin optimismin ja Zuckerbergin varovaisuuden välinen jännite korostaa epävarmuutta siitä, riittääkö pelkkä laskentatehon lisääminen kuromiseen umpeen eroa OpenAI:n nopeampaan iteraatiotahtiin.

GPT-5.6 tuo uuden mutkan matkaan

OpenAI:n GPT-5.6 Sol on toistaiseksi saatavilla vain 'rajoitettuna esikatseluna' valituille kumppaneille Yhdysvaltain hallituksen ohjeiden mukaisesti . Tämä tarkoittaa, että sen täysiä ominaisuuksia ei ehkä kaupallisteta nopeasti – mutta se asettaa silti korkeamman suorituskykytason kuin GPT-5.5 . Solin Terminal-Bench 2.1 -tulos 88,8 % (91,9 % Ultra) verrattuna GPT-5.5:n 83,4 %:iin on merkittävä harppaus suorituskyvyssä .

Yhteenveto: Katse taaksepäin

Wangin väite, että Watermelon saavuttaa GPT-5.5:n, on todennäköisesti totta joissakin vertailutesteissä, mutta se on taaksepäin katsova tavoite. Siihen mennessä, kun Watermelon julkaistaan, OpenAI saattaa jo olla GPT-5.7:ssä tai pidemmällä, ja Metan toteutuksen viivästymiset (Avocado) yhdistettynä valtaviin pääomasijoituksiin luovat todellista epävarmuutta siitä, riittääkö pelkkä laskentatehon lisääminen kuromiseen umpeen eroa OpenAI:n iteraatiotahtiin. Todellinen kysymys ei ole, saavuttaako Watermelon GPT-5.5:n – vaan pystyykö Meta ylläpitämään tarvittavia infrastruktuuri-investointeja pysyäkseen kilpailijan vauhdissa, joka julkaisee uuden huippumallin kuuden viikon välein.