تقوم ميتا بتسليم تحديثات نماذج الذكاء الاصطناعي بنفس الطريقة التي تُرسل بها معظم الشركات رسائل Slack: باستمرار، وبحاجة متزايدة للإلحاح. في 2 سبتمبر، أعلنت المديرة التنفيذية مارك زوكربيرغ عن إصدار Muse Spark 1.3، وهو التحديث الرئيسي الثالث لعائلة نماذج لم تكن موجودة حتى قبل خمسة أشهر.
تجلب الإصدار الجديد مكاسب كفاءة ذات معنى للمطورين، مع خفض بنسبة 20% في عدد استدعاءات الأدوات و25% أقل من الرموز المستهلكة مقارنةً بالإصدار السابق، Muse Spark 1.2. عمليًا، هذا يعني أن النموذج يفعل المزيد بموارد أقل، ويُنتج كودًا أنظف مع استهلاك أقل للموارد الحسابية للوصول إلى ذلك.
ما الذي يفعله Muse Spark 1.3 بشكل مختلف
تركز الترقيات الأساسية على مجالين اثنين: سير العمل الوكيلية وأداء البرمجة. تم تدريب Muse Spark 1.3 على مجموعة أوسع من مهام البرمجة طويلة المدى، وهي ما يعادل في الذكاء الاصطناعي تعليم شخص ما كيفية الركض في ماراثون بدلاً من مجرد الركض السريع لمسافة 100 متر.
يهم تخفيض مكالمات الأدوات بنسبة 20% لأن كل مكالمة أداة تُدخل تأخيرًا واحتمالية خطأ. فعدد أقل من المكالمات مع نفس جودة الناتج يعني أن النموذج أصبح أكثر ذكاءً في معرفة متى يجب اللجوء إلى الأدوات الخارجية ومتى يجب التعامل مع الأمور داخليًا.
بالمثل، فإن انخفاض استخدام الرموز بنسبة 25% يترجم مباشرة إلى توفير في التكاليف. الرموز هي وحدة الفوترة لأغلب واجهات برمجة تطبيقات الذكاء الاصطناعي. النموذج الذي يحقق نفس النتائج باستخدام رموز أقل بنسبة ربع هو، مع بقاء باقي العوامل ثابتة، أرخص بنسبة 25% عند التشغيل على نطاق واسع.
ميوس سبارك 1.3 متاحة فورًا من خلال ميوس كود، وكيل الترميز التجريبي من ميتا، وواجهة برمجة تطبيقات نموذج ميتا. كما أن وضع "الاستدلال الأقصى" قيد التطوير، لكنه لن يُطلق حتى يجتاز اختبارات الأمان الإضافية.
سباق مدته خمسة أشهر من الصفر إلى الإصدار 1.3
إن وتيرة التحديث هنا تستحق الملاحظة. تم إطلاق عائلة Muse Spark في أبريل 2026. تبعها الإصدار 1.1 في يوليو. ووصل الإصدار 1.2 في أغسطس. والآن يظهر الإصدار 1.3 في سبتمبر.
هذا أربع إصدارات في حوالي خمسة أشهر، وهو إيقاع سيكون عدوانياً حتى وفقاً لمعايير سباق التسلح الحالي في الذكاء الاصطناعي.
يعود كل هذا الجهد إلى إدراك غير مريح داخل ميتا: نماذج Llama المفتوحة المصدر، التي كانت يومًا ما مصدر فخر، لم تعد تواكب النماذج المتقدمة من OpenAI وشركات أخرى من المنافسين. بدلاً من تحسين Llama تدريجيًا، اختار زوكربيرغ شيئًا أكثر جذرية.
تم إنشاء مختبرات ميتا للذكاء الاصطناعي الفائق، أو MSL، كوحدة مخصصة لإعادة بناء قدرات الشركة في مجال الذكاء الاصطناعي من الصفر. ويقود المختبر ألكسندر وانغ، وهو اختيار بارز نظرًا لاستثمار ميتا بقيمة 14.3 مليار دولار في Scale AI، شركة تسمية البيانات التي أسسها وانغ.
تمثل نماذج Muse Spark تحولاً فلسفياً في استراتيجية ميتا للذكاء الاصطناعي. بدلاً من المنافسة فقط على درجات المعايير لنماذج اللغة العامة، تعتمد ميتا على الاستدلال متعدد الوسائط واستخدام الأدوات. الهدف المعلن هو تقديم تجربة "ذكاء فائق شخصي"، حيث لا يقتصر الذكاء الاصطناعي على الإجابة عن الأسئلة فحسب، بل يتعاون بنشاط في تحقيق أهداف معقدة متعددة الخطوات.
يصبح المشهد التنافسي أكثر حدة
لعملاء المؤسسات الذين يقيمون أدوات البرمجة بالذكاء الاصطناعي، لا تعتبر خفضًا بنسبة 20٪ في مكالمات الأداة وخفضًا بنسبة 25٪ في عدد الرموز تحسينات مجردة. بل تظهر مباشرة في فواتير واجهة برمجة التطبيقات، وقياسات التأخير، ودرجات رضا المطورين.