قدمت شركة ميتا Muse Ember يوم الاثنين، وهو النموذج الأصغر والأكثر كفاءة في عائلة Muse، والذي يهدف بشكل مباشر إلى العمل الروتيني الذي يؤديه عملاء الذكاء الاصطناعي طوال اليوم: استدعاء الأدوات، والمهام الفرعية للتشفير، والتوجيه، والاستخراج، وتحليل المستندات الطويلة. تم إطلاق النموذج على Meta Model API بسعر 0.10 دولار لكل مليون رمز إدخال و0.50 دولار لكل مليون رمز إخراج.

وفقًا لإعلان Meta، يقدم Muse Ember ذكاءً أكثر لكل دولار مقارنة بـ Claude Haiku 5.5 أو GPT-6 Luna في أي بيئة تفكير. تقول الشركة إن النموذج يطابق أفضل نتيجة لـ Haiku 5.5 بحوالي ثلث التكلفة ويتفوق على كل إعدادات Luna، مما يضعه على حدود الكفاءة في لوحة صدارة التحليل الاصطناعي، حيث لا يوجد نموذج يسجل أعلى مقابل أموال أقل لكل مهمة. لمزيد من السياق حول هذه القصة، راجع أحدث تطورات الذكاء الاصطناعي.

نموذج مصمم للمهام الفرعية للوكيل

تتمثل فكرة Meta في أن الوكلاء المعاصرين ينفقون الجزء الأكبر من عملاتهم المميزة على العديد من الخطوات الصغيرة المنظمة بدلاً من إجابة واحدة عملاقة، وأن Muse Ember مصمم خصيصًا لعبء العمل هذا. تصف الشركة نموذجًا يمكنه تنفيذ سير عمل الأعمال من البداية إلى النهاية، وسحب السجلات، واستدعاء الأدوات بالتسلسل، وتحديث الأنظمة عبر التطبيقات.

نافذة السياق سخية بشكل غير عادي لهذه الفئة من النماذج. يقبل Muse Ember ما يصل إلى مليون رمز إدخال مميز ويمكنه إنتاج ما يصل إلى 512000 رمز إخراج في مكالمة واحدة، وهو ما يكفي لاستيعاب قاعدة تعليمات برمجية كاملة أو مجموعة مستندات كبيرة في وقت واحد.

المعايير: نتائج قوية، وفجوة واحدة ملحوظة

تأتي الأرقام الرئيسية من بيانات التحليل الاصطناعي بتاريخ 9 نوفمبر 2026، والتي أعيد إنتاجها في إعلان ميتا. في مؤشر ذكاء التحليل الاصطناعي، سجل Muse Ember 33.9 بسعر 0.116 دولارًا أمريكيًا لكل مهمة و35.8 بسعر 0.136 دولارًا أمريكيًا لكل مهمة عبر أعلى إعدادات الاستدلال الخاصة به. كانت أفضل نتيجة لـ Claude Haiku 5.5 هي 36.2، ولكنها تكلفت 0.411 دولارًا أمريكيًا لكل مهمة، أي ما يقرب من ثلاثة أضعاف ذلك المبلغ. تصدرت GPT-6 Luna عند 27.8. في المؤشر العام عند الحد الأقصى للاستدلال، تعادل ميوز إمبر وهايكو 5.5 عند 36، ولونا عند 28.

تظهر النتائج على مستوى المهمة نفس النمط:

  • في Terminal-Bench 4.0، الذي يقيس التشفير الطرفي الوكيل، سجل Muse Ember 40.9 عند الحد الأقصى للاستدلال، متقدمًا على Claude Haiku بـ 5.5 عند 39.2 ومبتعدًا كثيرًا عن GPT-6 Luna عند 16.4.
  • في AutomationBench-AA، وهو معيار سير عمل شامل تم تسجيله من خلال pass@1 صارم، وصل Muse Ember إلى 37.8 مقابل 20.2 لـ GPT-6 Luna و13.9 لـ Claude Haiku 5.5.
  • في الاختبار الأخير للوكلاء، وهو تقييم داخلي ميتا لمهام الوكيل الشاملة على مجموعة Linux الفرعية، حصل Muse Ember على 61.6 نقطة، متقدمًا على Luna بـ 57.1 وHaiku بـ 5.5 بـ 57.0.
  • في مؤشر الذكاء الشخصي الفائق الخاص بـ Meta، وهو مركب داخلي للعمل الشخصي والمعرفي، سجل Muse Ember 46.8 مقابل 37.0 لـ Luna و36.1 لـ Haiku 5.5.
  • في OSWorld 2.1، وهو معيار لاستخدام الكمبيوتر عبر تطبيقات سطح المكتب، سجل Muse Ember 69.5 في نقاط المباراة الجزئية و27.8 في النقاط الثنائية.
  • في PerceptionBench with Tools، وهو اختبار للإدراك البصري الدقيق، حصل Muse Ember على 80.6 مقابل 78.6 لـ Haiku و5.5 و62.8 لـ Luna.

هناك فجوة واحدة تستحق الاهتمام. في FrontierCode 2.0-AA، الذي يحكم على المهام الهندسية الحقيقية بشأن ما إذا كان من الممكن دمج الكود الناتج، تقدم كلود هايكو 5.5 بـ 34.9، مع Muse Ember بـ 27.2 وGPT-6 Luna بـ 25.2. إنه تذكير بأن المعايير تتباين وأنه يجب على الفرق مطابقة النماذج مع أعباء العمل الفعلية بدلاً من لوحة صدارة واحدة.

ماذا تعني أرقام الكفاءة

إن إطار التكلفة لكل مهمة هو المكان الذي ترسم فيه Meta التباين الأكثر حدة. يحتاج Haiku 5.5 إلى إنفاق ما يصل إلى 0.411 دولارًا أمريكيًا لكل مهمة في أعلى إعداد منطقي للوصول إلى أفضل نتيجة لها وهي 36.2، بينما سجل Muse Ember 35.8 دولارًا عند 0.136 دولارًا أمريكيًا. أفضل نتيجة حصلت عليها Luna وهي 27.8 جاءت بسعر 0.152 دولار لكل مهمة، وهو أعلى من سعر Muse Ember وأقل بكثير من درجاته. بالنسبة إلى أدوات الوكلاء التي تقوم بتشغيل مئات المهام الفرعية في كل جلسة، تتضاعف تكلفة المهمة بسرعة، وهو بالضبط الجزء الذي تستهدفه Meta.

ما تقرير الشركاء الأوائل

يتضمن إعلان Meta نتائج مبكرة من خمسة شركاء: Box وCline وOracle وCloudflare وYou.com.

قال Dane Knecht، كبير مسؤولي التكنولوجيا في Cloudflare، إن Muse Ember كان يعمل "أسرع بما يصل إلى 30% في الذيل من النموذج المشابه الذي اختبرناه" وتعامل بشكل جيد مع مهام التحقيق الواسعة ومتعددة الريبو، واصفًا إياه بأنه مناسب تمامًا لأحمال عمل الوكلاء عالية الإنتاجية.

في You.com، أفاد قائد الاستدلال Chak Pothina أن Muse Ember أكمل كل مهمة برمجة في اختبار الشركة بأقل زمن وصول تم تجربته من أي نموذج، وهو p95 قدره 2.2 ثانية. وهذا يعني، وفقًا لبوثينا، أسرع بحوالي 4 إلى 13 مرة من النماذج الرائدة ذات الوزن المفتوح، مع رموز إخراج أقل بنسبة 36% إلى 48%.

قال Box VP لمنتجات الذكاء الاصطناعي، Yashodha Bhavnani، إنه في Box's AI Complex Work Eval، يمكن للنموذج أن يسجل عقدًا مقابل شرط قواعد التفاوض الخاصة بالشركة حسب البند ويهبط على تصنيف المخاطر الإجمالي الصحيح. وصف مؤسس Cline، سعود رضوان، شركة Muse Ember بأنها "مصممة خصيصًا لهذا الغرض" لأعمال الوكلاء الفرعيين مثل البرمجة وتحليل المستندات، وأشار نائب الرئيس الأول لشركة Oracle Konstantinos Papamiltiadis إلى الإمكانات القوية للفرق الهندسية.

النقاط البارزة حول التوفر والأوزان

يتوفر Muse Ember من خلال Meta Model API اعتبارًا من يوم الاثنين. لا يذكر الإعلان مدى توفر الوزن المفتوح، لذا يجب على الفرق التي تستضيف نفسها بنفسها أن تتعامل مع هذا كإصدار لواجهة برمجة التطبيقات (API) فقط في الوقت الحالي. يُنسب الفضل إلى Meta Superintelligence Labs في العمل في عروض أسعار الشركاء.

بالنسبة للمطورين الذين يقومون بتجميع أدوات الوكيل، فإن وصول نموذج وكيل فرعي رخيص وسريع يضيف خيارًا رئيسيًا ثالثًا إلى جانب Claude Haiku 5.5 وGPT-6 Luna، وكلاهما يقلل Muse Ember الآن من السعر بجودة مماثلة في معايير Meta Cites. وسواء كانت هذه الميزة موجودة في ظل اختبار مستقل، فإن البيانات الخارجية المستنسخة من التحليل الاصطناعي، ستكون هي الشيء التالي الذي يجب مراقبته.

---

ابق على اطلاع بأخبار الذكاء الاصطناعي

آخر أخبار وتحليلات وإنجازات الذكاء الاصطناعي — في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →