نموذج Muse Spark Open من Meta: نموذج مفتوح الأوزان بحجم 816B معلمة يتأخر عن أبرز النماذج الصينية في المؤشرات المستقلة

ما الذي أطلقته Meta Superintelligence Labs في 15 أكتوبر 2026

بحسب موقع Itdaily، أطلقت مختبرات Meta Superintelligence Labs نموذج Muse Spark Open في 15 أكتوبر 2026، ووصفته الشركة بأنه أقوى نموذج أمريكي مفتوح الأوزان حتى تاريخه (“the most powerful American open-weight model to date”). ويأتي هذا الإطلاق بعد تحول واضح في استراتيجية الشركة؛ إذ يشير تقرير Khaleej Times إلى أن سلسلة Llama السابقة كانت قد تراجعت خلف ركب الصناعة، وأن Meta أعلنت قبل أيام قليلة من هذا الإطلاق عن نموذجين متقدمين مغلقين هما Muse Wonder وWonder Full.

ومن الناحية المعمارية، يعتمد Muse Spark Open على بنية مزيج الخبراء بحجم ضخم. فبحسب Itdaily، يضم النموذج 816 billion معلمة إجمالية من بينها 42 billion معلمة نشطة، مع نافذة سياق تبلغ مليون رمز (“one-million-token context window”).

ويتاح النموذج عبر قنوات توزيع واسعة منذ اليوم الأول. فكما يوضح موقع Itdaily، تتوفر الأوزان على منصات Hugging Face وAmazon SageMaker AI وGoogle Cloud Model Garden وMicrosoft Foundry Models، ما يمنح الفرق الهندسية خيار تحميل الأوزان مباشرة أو تشغيلها عبر المنصات السحابية الكبرى.

نتائج الاختبارات: أرقام Meta مقابل مؤشر Artificial Analysis المستقل

في تقديمها للنموذج، وضعت قيادة Meta المختبرات الصينية مفتوحة الأوزان نصب عينيها. فبحسب Khaleej Times، قال ألكسندر وانغ (Alexandr Wang)، كبير مسؤولي الذكاء الاصطناعي في Meta، إن النموذج ينافس أبرز النماذج الصينية مفتوحة الأوزان ويتفوق عليها في بعض الحالات (“rivals, and in some cases outperforms”)، وإنه أكثر النماذج الأمريكية مفتوحة الأوزان قدرة حتى الآن.

وتعكس الجداول التي نشرتها Meta نفسها وجهي هذه المقارنة. فكما يفصّل موقع Pasquale Pillitteri، تُظهر أرقام Meta الخاصة حصول Muse Spark Open على 89.2 في اختبار MCP-Atlas (مع الأدوات) مقابل 82.3 لنموذج Kimi K3، لكنه يتأخر في اختبار Terminal-Bench 2.1 مسجلًا 76.4 مقابل 85.0 لنموذج Kimi K3. وهذه الأرقام صادرة عن Meta ولم يتم التحقق منها بشكل مستقل.

وعند النظر إلى مؤشر خارجي مستقل، يتضح الفارق لصالح النماذج الصينية المفتوحة. فبحسب Pasquale Pillitteri، يسجل Muse Spark Open على مؤشر Artificial Analysis Intelligence Index نتيجة 39، ليحل خلف GLM 5.3 (الذي سجل 45) وKimi K3 (الذي سجل 44) وQwen3.8 (الذي سجل 40). وبعبارة أخرى، فبينما يتصدر النموذج فئة الأوزان المفتوحة الأمريكية ويحقق نتيجة قوية معلنة من الشركة تبلغ 89.2 في MCP-Atlas مع الأدوات، لا تزال ثلاث عائلات صينية مفتوحة الأوزان تتقدم عليه في التقييم المستقل الشامل.

متطلبات الذاكرة الضخمة ورخصة Muse Model License الخاصة

بالنسبة للفرق التي تفكر في التشغيل المحلي، تبدو متطلبات العتاد لنموذج يضم 816 billion معلمة مرتفعة للغاية حتى مع اقتصار المعلمات النشطة على 42 billion معلمة. فبحسب Pasquale Pillitteri، تتطلب النسخة المضغوطة بتنسيق NVFP4 ما لا يقل عن 700 GB من الذاكرة، بينما تتطلب النسخة الكاملة بتنسيق BF16 نحو 2 TB من الذاكرة، وإن كان بالإمكان تشغيل النموذج محليًا على جهازي Mac Studio مزودين بشرائح M5 Ultra.

وبالقدر نفسه من الأهمية، يجب التمييز قانونيًا بين مصطلح “الأوزان المفتوحة” وبين المصادر المفتوحة الصريحة. فكما يوضح Pasquale Pillitteri، تُطرح الأوزان بموجب رخصة Muse Model License الخاصة ذات الشروط التجارية المحدودة، والتي تتضمن شرط إبرام اتفاقية لمزودي خدمات API الذين يتجاوز إجمالي إيراداتهم القائمة $20M خلال 12 months. ولذلك فإن وصف النموذج بأنه مفتوح الأوزان تحت رخصة خاصة (“an open weights model under a proprietary license”) هو الوصف الدقيق.

ماذا يعني هذا للفرق الجزائرية

لا تذكر المصادر المستشهد بها الجزائر مباشرة، ويأتي إطلاق Meta في سياق التنافس الأمريكي الصيني. غير أن شريحة واسعة من الشركات الناشئة ومختبرات الجامعات والفرق التقنية في الجزائر اعتادت تاريخيًا الاعتماد على عائلة Llama من Meta كخيار افتراضي في مشاريع الأوزان المفتوحة. ومع اتجاه Meta إلى طرح نماذجها المتقدمة Muse Wonder وWonder Full كنماذج مغلقة، وطرح Muse Spark Open بحجم 816 billion معلمة، تحتاج الفرق الجزائرية إلى مراجعة حساباتها.

1. احسبوا متطلبات الذاكرة البالغة 700 GB (NVFP4) و2 TB (BF16) قبل التفكير في الاستضافة المحلية

حتى مع تنشيط 42 billion معلمة فقط لكل رمز، يحتاج Muse Spark Open إلى 700 GB من الذاكرة على الأقل في نسخة NVFP4 المضغوطة أو 2 TB في نسخة BF16 الكاملة — أو جهازي Mac Studio بشرائح M5 Ultra للتشغيل المحلي. ولمعظم الشركات الناشئة والمختبرات الجزائرية، سيكون الوصول إليه عبر Amazon SageMaker AI أو Google Cloud Model Garden أو Microsoft Foundry Models أكثر واقعية من محاولة استضافته محليًا.

2. قارنوا Muse Spark Open بنماذج GLM 5.3 وKimi K3 وQwen3.8 بدل اختيار Meta تلقائيًا

على مؤشر Artificial Analysis Intelligence Index، يسجل Muse Spark Open نتيجة 39 خلف GLM 5.3 (45) وKimi K3 (44) وQwen3.8 (40)، كما تُظهر أرقام Meta نفسها تأخره عن Kimi K3 في Terminal-Bench 2.1 (بنتيجة 76.4 مقابل 85.0). لذا ينبغي للفرق الهندسية الجزائرية اختبار النماذج الصينية مفتوحة الأوزان جنبًا إلى جنب مع نموذج Meta.

3. ركزوا اختباراتكم للنموذج على مسارات العمل التي تستخدم الأدوات عبر MCP

تبرز نقطة القوة في أرقام Meta غير المتحقق منها بشكل مستقل في اختبار MCP-Atlas (مع الأدوات)، حيث يسجل النموذج 89.2 مقابل 82.3 لنموذج Kimi K3، إلى جانب نافذة سياق تبلغ مليون رمز. فإذا كان فريقكم يبني وكلاء يعتمدون على استدعاء الأدوات عبر السحابة، فهذا هو المجال الأجدر باختبار Muse Spark Open فيه.

4. راجعوا شروط رخصة Muse Model License الخاصة حتى لو كنتم دون سقف $20M

لأن النموذج يصدر تحت رخصة Muse Model License الخاصة — التي تلزم مزودي خدمات API الذين تتجاوز إيراداتهم القائمة الإجمالية $20M خلال 12 months باتفاقية خاصة — فهو لا يعادل رخصة Apache 2.0 المفتوحة. ورغم أن الشركات الناشئة الجزائرية تقع دون سقف $20M خلال 12 months، يظل على فرق الامتثال في البنوك والقطاع العام مراجعة بنود الرخصة الخاصة قبل اعتماده.

الصورة الأكبر: “الأوزان المفتوحة” باتت تعني ذاكرة ضخمة وتراخيص مقيدة

يلخص إطلاق Muse Spark Open في 15 أكتوبر 2026 تحولين رئيسيين في سوق الذكاء الاصطناعي. الأول أن Meta فصلت بين نماذجها القيادية المغلقة (Muse Wonder وWonder Full) وبين نموذجها مفتوح الأوزان ذي 816 billion معلمة الذي يتطلب ما لا يقل عن 700 GB من الذاكرة في وضع NVFP4 أو 2 TB في وضع BF16. والثاني أن النموذج الذي يصفه ألكسندر وانغ بأنه أقوى نموذج أمريكي مفتوح الأوزان حتى الآن يدخل السوق بنتيجة 39 على مؤشر Artificial Analysis Intelligence Index، مطاردًا GLM 5.3 (45) وKimi K3 (44) وQwen3.8 (40).

وبالنسبة لمشتري التكنولوجيا في الجزائر، يدعو هذا الواقع إلى تغليب التقييم العملي على الولاء للعلامة التجارية. فوجود النموذج على Hugging Face وAmazon SageMaker AI وGoogle Cloud Model Garden وMicrosoft Foundry Models يسهّل تجربته سحابيًا، لا سيما في مهام السياق الطويل (مليون رمز) واستدعاء الأدوات، لكن متطلبات الذاكرة بين 700 GB و2 TB ورخصته الخاصة وتفوق البدائل الصينية في المؤشرات المستقلة تجعل منه خيارًا يُختبر لا خيارًا افتراضيًا.

الأسئلة الشائعة