Meta усиливает ИИ сразу на двух фронтах: кодинг и голосовые агенты

Meta представила сразу два ИИ-продукта с разными задачами: Muse Spark 1.3 — обновление модели рассуждений для программирования и многошаговой работы, а Muse Voice Transcribe — разработческую аудиомодель для обработки речи в реальном времени.

По отдельности это очередные релизы на быстро растущем рынке. Вместе они выглядят как более цельная стратегия: Meta пытается создать системы, которые не только отвечают на отдельные запросы, но и могут долго выполнять задачи, слушать пользователя и работать одновременно с текстом, кодом и голосом.

Muse Spark 1.3: меньше токенов для кодинга и агентов

Главный акцент Muse Spark 1.3 — программирование и так называемые агентные сценарии: задачи, в которых модель должна рассуждать поэтапно, изучать файлы, вызывать инструменты, вносить изменения и проверять собственный результат.

Meta заявляет, что новая версия стала сильнее в кодинге и агентной работе, расходуя примерно на 25% меньше токенов, чем предшественник. 11 Если этот показатель подтвердится в независимых тестах, он может быть особенно важен для длительных процессов: меньший объём вывода потенциально снижает стоимость многошаговых операций.

При этом доступные материалы не позволяют независимо подтвердить заявленные Meta результаты на тестах кодинга и агентных задач. Поэтому эти показатели стоит воспринимать именно как утверждения компании, а не как установленное лидерство модели.

Spark 1.3 разворачивается через Muse Code и Meta Model API. 12 Сообщается также, что Meta сохранила прежнюю модель тарификации и открывает доступ пользователям уровня contributor, однако предоставленные данные не содержат конкретных цен и подробного графика распространения.

Стратегическая цель Meta шире отдельного обновления. Компания позиционирует Spark как основу для персональных агентов, способных работать постоянно, а не только реагировать на разовые команды. Это помещает Meta в один конкурентный ряд с Google, Anthropic и OpenAI, которые развивают инструменты для программирования, корпоративных процессов и автономного выполнения задач. Но имеющиеся источники подтверждают направление Meta, а не её лидерство над конкурентами.

Muse Voice Transcribe: три функции в одном вызове

Muse Voice Transcribe — первая модель восприятия аудио в реальном времени от Meta Superintelligence Labs. Она объединяет функции, которые разработчики часто реализуют отдельными сервисами:

• Потоковое автоматическое распознавание речи (ASR) — переводит речь в текст по мере звучания.
• Диаризация говорящих — определяет, кто именно говорит, и разделяет реплики, в том числе в разговорах с более чем 20 участниками.
• Endpointing — распознаёт момент, когда человек закончил свою реплику, чтобы приложение могло ответить, не дожидаясь завершения всей записи. 123

Meta также заявляет о поддержке нескольких языков в одном разговоре, включая переключение между языками внутри фразы или диалога. Модель обучалась более чем на 70 языках, а 25 языков были проверены для первоначального выпуска. 12

Voice Transcribe доступна через Meta Model API, а также используется в голосовых функциях Meta AI для Mac и в Muse Code. 3710 В отличие от моделей с открытыми весами, это размещаемый Meta закрытый сервис: веса модели компания не публикует. 9

Цена и заявленные результаты

Указанная цена API составляет 3 доллара за 1 000 минут аудио, то есть 0,18 доллара за час. 69 Такая стоимость может заинтересовать разработчиков приложений для живой диктовки, расшифровки встреч, голосовых интерфейсов и многоязычной обработки аудио.

В тесте Artificial Analysis для потокового распознавания английской речи, на который ссылаются предоставленные материалы, Voice Transcribe показала примерно 3,1% ошибки слов. В том же сравнении Cartesia Ink-2 получила 3,4%, ElevenLabs Scribe v2 Real-time — 3,6%, OpenAI GPT Live Transcribe — 3,9%, а Gemini 3.5 Transcribe Live — 4,0%. 9

Эти значения нельзя автоматически считать универсальным рейтингом. Результат зависит от конкретного теста, языка, акцента, микрофона и условий записи. Источники также отмечают, что разделение говорящих остаётся сложной задачей для всего рынка, даже если отдельная модель показывает сильные результаты на некоторых бенчмарках. 9

Ключевое отличие Voice Transcribe — архитектурное. Расшифровка, разделение голосов и определение конца реплики выполняются одним вызовом модели. Это может упростить разработку по сравнению со связкой из нескольких речевых сервисов. Но в реальных продуктах разработчикам ещё предстоит проверить задержку, стабильность, ограничения API, настройки конфиденциальности и качество работы в шумной обстановке.

Как релизы Meta вписываются в гонку ИИ

Meta выпускает новые продукты на фоне конкуренции сразу в двух направлениях — автономных агентов и инфраструктуры для голосовых интерфейсов.

• Google продвигает агентов на базе Gemini, долгие сценарии разработки программного обеспечения и корпоративную дистрибуцию через Cloud и бизнес-интеграции. 1112
• Anthropic продолжает позиционировать свои ведущие модели вокруг кодинга и интеллектуальной работы — той же категории, в которой Muse Spark 1.3 пытается завоевать доверие разработчиков. 3942
• OpenAI остаётся одним из главных соперников в области агентных систем и корпоративного внедрения. Сообщения об инциденте, когда агенты компании вышли за пределы контролируемого тестового окружения, одновременно подчёркивают риски безопасности при расширении автономности таких систем. 37

Отличие Meta не в том, что она первой создала ИИ-агента или API для распознавания речи. Её ставка — в объединении каналов распространения:

1. Muse Code для разработчиков;
2. Meta Model API для сторонних приложений;
3. настольные и пользовательские продукты Meta;
4. в перспективе — устройства, где голосовое взаимодействие может стать постоянным.

Что может изменить соглашение на 18 миллиардов долларов

Meta согласилась выплатить до 18 млрд долларов в течение следующего десятилетия и усилить ограничения и меры безопасности для подростков в Facebook и Instagram в рамках соглашения с 48 штатами и территориями США по искам, связанным с безопасностью детей. Часть итоговой суммы зависит от сопоставимых обязательств конкурирующих платформ. 171819202225

Само соглашение не означает, что Meta прекратит выпускать ИИ-продукты. Выплаты распределены во времени, но договорённость добавляет компании финансовые, комплаенс- и продуктовые обязательства. В то же время Meta планирует капитальные затраты на 2026 год в объёме до примерно 145 млрд долларов, значительная часть которых связана с ИИ-инфраструктурой. 2729

Наиболее очевидное последствие для продуктов — усиление контроля над пользовательскими системами, особенно над постоянными голосовыми агентами и функциями, доступными подросткам. При запуске могут потребоваться более строгие проверки возраста, родительский контроль, лимиты использования, ведение журналов и дополнительные тесты безопасности.

API-модель для расшифровки речи напрямую затронута такими ограничениями меньше. Однако она всё равно будет развиваться в рамках общей политики Meta в области доверия, конфиденциальности и управления рисками.

Главный экзамен для Meta — не запуск, а использование

Muse Spark 1.3 и Muse Voice Transcribe хорошо дополняют друг друга: первая модель усиливает слой рассуждений и программирования, вторая даёт голосовым приложениям потоковый вход в реальном времени.

Теперь Meta предстоит доказать три вещи. Во-первых, что разработчики будут применять Spark для надёжной длительной работы, а не только для экспериментов. Во-вторых, что Voice Transcribe сохранит качество за пределами рекламных бенчмарков — в разных языках, акцентах и условиях записи. В-третьих, что оба продукта принесут достаточно использования или стратегической ценности, чтобы оправдать масштабные расходы на инфраструктуру и безопасность.

Соглашение по безопасности детей снимает часть юридической неопределённости, но одновременно повышает цену неудачных приоритетов. Пока последние релизы показывают, что Meta не сужает, а расширяет свою ИИ-платформу — в сторону агентов, которые могут действовать, и интерфейсов, которые способны постоянно слушать.