Model AI 'Watermelon' Meta Samai GPT-5.5 — Tapi Sasaran Sudah Berganjak

Masalahnya? Wang tidak mendedahkan penanda aras mana yang digunakan, menjadikan dakwaan itu tidak boleh disahkan . Tanpa mengetahui sama ada Watermelon menyamai GPT-5.5 pada penanda aras pengekodan (di mana Muse Spark Meta hanya memperoleh 59.0 pada Terminal-Bench berbanding 75.1 GPT-5.4), ujian penaakulan peringkat PhD seperti GPQA Diamond (di mana Muse Spark mendapat 89.5%), atau pemahaman bahasa umum, perbandingan itu tidak lengkap .

Kenapa GPT-5.5 Sudah Menjadi Sasaran yang Bergerak

OpenAI melancarkan GPT-5.5 pada 23 April 2026, di mana ia dengan cepat menduduki tangga teratas Indeks Kepintaran Artificial Analysis . Tetapi pada masa Wang membuat kenyataannya, OpenAI sudah melancarkan GPT-5.6 pada 26 Jun 2026 — sebuah keluarga tiga model (Sol, Terra, Luna) dengan Sol perdana menetapkan tahap seni baharu pada Terminal-Bench 2.1 pada 88.8% (dan 91.9% dalam konfigurasi Ultra) .

Ini bermakna Watermelon menyasarkan model yang bukan lagi di sempadan. Kadens OpenAI — GPT-5.4 pada 5 Mac, GPT-5.5 pada 23 April, GPT-5.6 pada 26 Jun — mencadangkan kitaran lelaran kira-kira enam minggu . Pada masa Watermelon dilancarkan, OpenAI mungkin sudah berada di GPT-5.7 atau lebih.

Rekod Prestasi Meta: Masalah Avocado

Dakwaan optimis Watermelon datang dengan latar belakang perjuangan Meta dengan pendahulunya. Avocado — model utama pertama Meta dari Makmal Superintelligence yang disusun semula — ditangguhkan dari Mac 2026 hingga sekurang-kurangnya Mei 2026 selepas ujian dalaman menunjukkan ia ketinggalan di belakang Gemini 3.0 Google, GPT-5.4 OpenAI, dan model terkini Anthropic dalam penaakulan, pengekodan, dan tugasan menulis . Satu laporan menunjukkan Meta juga mempertimbangkan untuk melesenkan Gemini Google sebagai sandaran .

Muse Spark (nama awam Avocado) akhirnya dilancarkan tetapi menduduki tempat keempat global di belakang Gemini 3.1 Pro, GPT-5.4, dan Claude Opus 4.6 pada Indeks Kepintaran Artificial Analysis, mendapat skor 52 daripada 100 . Ia cemerlang pada penanda aras perubatan dan saintifik (42.8% pada HealthBench Hard, terbaik dalam kelas) tetapi bergelut pada pengekodan (59.0 pada Terminal-Bench) dan penaakulan abstrak (42.5 pada ARC AGI 2) .

Persoalan Perbelanjaan Besar

Zuckerberg telah bertaruh besar pada infrastruktur AI. Makmal Superintelligence Meta dilaporkan membelanjakan AS$14.3 bilion untuk model utama pertamanya (Muse Spark) . Komen Wang bahawa Watermelon menggunakan 'susunan magnitud lebih banyak komputasi' berbanding Avocado menunjukkan Meta sanggup membuang sumber yang besar untuk menutup jurang .

Walau bagaimanapun, pada hari yang sama laporan muncul mengenai dakwaan optimis Wang, Mark Zuckerberg dilaporkan menyatakan kebimbangan bahawa kemajuan AI semakin perlahan, mewujudkan mesej dalaman yang bercampur-campur tentang trajektori Meta . Ketegangan antara keyakinan Wang dan sikap berhati-hati Zuckerberg menyerlahkan ketidakpastian sama ada peningkatan skala komputasi mentah sahaja akan menutup jurang dengan kadar lelaran OpenAI yang lebih pantas.

GPT-5.6 Menambah Satu Lagi Kerumitan

GPT-5.6 Sol OpenAI kini hanya tersedia sebagai 'pratonton terhad' kepada rakan kongsi terpilih di bawah arahan kerajaan AS . Ini bermakna keupayaan penuhnya mungkin tidak dikomersialkan dengan cepat — tetapi ia masih menetapkan bar prestasi yang lebih tinggi daripada GPT-5.5 . Skor Terminal-Bench 2.1 Sol sebanyak 88.8% (91.9% Ultra) berbanding 83.4% GPT-5.5 mewakili lonjakan keupayaan yang bermakna .

Kesimpulan: Sasaran yang Memandang ke Belakang

Dakwaan Wang bahawa Watermelon menyamai GPT-5.5 mungkin benar pada beberapa penanda aras, tetapi ia mewakili sasaran yang memandang ke belakang. Pada masa Watermelon dilancarkan, OpenAI mungkin sudah berada di GPT-5.7 atau lebih, dan rekod prestasi Meta dengan kelewatan pelaksanaan (Avocado) digabungkan dengan perbelanjaan modal yang besar mewujudkan ketidakpastian tulen sama ada peningkatan skala komputasi mentah sahaja akan menutup jurang dengan rentak lelaran OpenAI. Persoalan sebenar bukan sama ada Watermelon menyamai GPT-5.5 — ia adalah sama ada Meta dapat mengekalkan pelaburan infrastruktur yang diperlukan untuk bersaing dengan pesaing yang mengeluarkan model sempadan baharu setiap enam minggu.