میٹا نے ایک 816B اوپن-ویٹ AI ماڈل جاری کیا ہے جو دو MAC اسٹوڈیوز پر چلتا ہے @Meta نے Muse Spark Open جاری کیا ہے، جو پیچیدہ کوڈنگ، خودمختار ایجینٹس، اور لمبے عرصے تک جاری رہنے والے انجینئرنگ کاموں کے لیے تعمیر کیا گیا ہے۔ غیر معمولی بات یہ ہے کہ ڈویلپرز وزن ڈاؤن لوڈ کر سکتے ہیں اور اس سائز کا ماڈل اپنے مقامی ہارڈویئر پر چلا سکتے ہیں، جبکہ بالکل کلاؤڈ API پر انحصار نہیں کرتے۔ یہاں میٹا نے اس میں کیا شامل کیا ہے: کل 816B پیرامیٹرز ہر ٹوکن کے لیے 42B فعال پیرامیٹرز 1M ٹوکن کا کنٹیکس ونڈو ٹیکسٹ، تصویر، ویڈیو، اور آڈیو ان پٹ کے لیے نیٹیو سپورٹ AMD، ایپل، اینٹل، اور NVIDIA ہارڈویئر کے لیے سپورٹ آرکیٹیکچر Mixture of Experts استعمال کرتا ہے۔ ہر ٹوکن کے لیے تمام 816 بلین پیرامیٹرز کو فعال نہیں کیا جاتا، بلکہ ماڈل تقریباً 42 بلین پیرامیٹرز استعمال کرتا ہے، جس سے انفرنس کے دوران حساب کتاب کم ہوتا ہے۔ اس سے اس کا دیسک ٹاپ ڈپلومنٹ خاص طور پر دلچسپ بن جاتا ہے۔ میٹا نے Apple کے ساتھ مل کر Muse Spark Open کو دو M5 Ultra Mac Studios پر MLX فریم ورک کے ذریعے آپٹمائز کیا۔ مل کر، ان مشینوں سے تقریباً 1TB یونائفڈ میموری فراہم ہوتی ہے۔ کمپنی نے مقامی طور پر چلنے والے اصل اجینٹ ورک فلو بھی دکھائے: ایک iOS ایپلیکیشن میں بگز کو درست کرنا اور فیچرز شامل کرنا Muse Code کے ذریعہ سافٹ ویئر بِلڈ مکمل کرنا DaVinci Resolve کو کنٹرول کرکے فوٹیج کا تجزیہ کرنا مضبوط ویڈیو لمحات شناخت کرنا اور ورٹیکل کروپس بنانا ماڈل Hugging Face اور Groq، Together AI، Fireworks، اور OpenRouter سمیت دیگر API فراہم کنندگان کے ذریعہ دستیاب ہے۔ لیکن اہم فرق یہ ہے۔ اوپن-ویٹ کا مطلب غیر محدود اوپن سورس نہیں ہے۔ میٹا کا Muse ماڈل لائسنس تجارتی پابندیاں شامل کرتا ہے، اور 816B ماڈل کو مقامی طور پر چلانا اب بھي مہنگا ہارڈوئیر مانگتا ہے۔ جو مجھے سب سے زائد دلچسپ لگتا ہے وہ ہے کہ اس سے AI-نیٹو آپریشنز کے لیے کya ممکنات نکل سکتے ہیں۔ مارکٹنگ ٹیمز آج بڑھتے ہوئے اجینٹس بنارہے ہیں جو صارفین کے مکالمات کو پروسس کرتے، مقابلہ تجزیہ کرتے، مواد درجہ بند کرتے، اور پروڈکشن ورک فلوز کو منظم کرتے ہیں۔ آج، ان نظاموں میں سے بہت سارے ہر مرحلے پر با�ری ماڈل فراہم کنندگان پر انحصار کرتے ہیں۔ زائد صلاحیت والے اوپن-ویٹ ماڈل ایک اور اختیار فراہم کرتے ہیں: حساس تحقیق، اندر کا علم پروسس، اور تخصص شدہ اجینٹس اُس انفراسٹرکچر پر چلانا جس پر تنظیم کا控制 ہوتا ہے۔ اس سے مقامی AI خودبخود سستا یا بہتر نہیں بن جاتا۔ تنصيب لاگت، انفرنس رفتار، صرف و صفائش، اور ماڈل کوالٹي بھي تقریر بناتي ہيں كه كيا معقول هى۔ لे�کن مقابلہ جدید دنِ تبدّل رہا ہے۔ طاقتور ماڈلز تک رسائی آہستہ آہستہ صرف متعدد بند API فراہم کنندگان پر انحصار نہ رہنا شروع ہو رہا ہے۔ اور جب ماڈل تک رسائی زائد لچکدار بن جائے گی، تو فائدہ ان ٹیموں کو ملنا شروع ہو جائے گا جو قابلِ اعتماد ورک فلوز بناسکتी ہيں، مخصوص ڈेटا سے منسلک ہوسکتी ہيں، اور AI صلاحية كي قابلِ استعمال نظام بناسكتي هين۔