أصدرت مختبرات Meta's Superintelligence Labs Muse Glimmer، وهو نموذج ذكاء اصطناعي مكون من 30 مليار معلمة تم نشره بموجب ترخيص Apache 2.0 المصمم لتشغيل وكلاء الذكاء الاصطناعي محليًا على وحدات معالجة الرسومات المخصصة للمستهلك. تتوفر الأوزان على Hugging Face، مما يمثل أحدث دفعة للشركة في النظام البيئي مفتوح الوزن الذي دافع عنه الرئيس التنفيذي مارك زوكربيرج في مقال منشور حديثًا مكون من 6500 كلمة حول مستقبل الذكاء الاصطناعي.

يأتي الإصدار وسط [موجة أوسع من تغطية صناعة الذكاء الاصطناعي] (https://aibuzzwire.news) لإعادة تشكيل كيفية بناء المطورين للأنظمة الذكية ونشرها. يقول Meta إن المطورين يمكنهم استخدام Muse Glimmer للتشفير المحلي، واستدعاء الوظائف، والوكلاء المستقلين، ومهام تقييم LLM كقاضي دون إرسال البيانات إلى واجهة برمجة التطبيقات المستضافة على السحابة.

مصمم للوكلاء الموجودين على الأجهزة

تضع شركة Meta Muse Glimmer كحل لقيود تشغيلية محددة: تحتاج النماذج المستضافة على السحابة إلى وصول مستمر إلى الشبكة وبنية تحتية مركزية، مما قد يؤدي إلى ظهور مخاوف تتعلق بزمن الوصول والتكلفة والخصوصية. وبدلاً من ذلك، تطرح الشركة النموذج لأحمال العمل التي تتطلب التواجد على الجهاز، بما في ذلك الوكلاء الشخصيون الذين يحتاجون إلى الوصول إلى الجداول الزمنية والرسائل والملفات والسياقات الخاصة الأخرى.

يقبل النموذج النصوص والصور المتداخلة من خلال برنامج تشفير إدراكي مخصص، مما يسمح للوكلاء بتفسير لقطات الشاشة والرسوم البيانية والمستندات كجزء من المحادثة. تشير Meta إلى أن هذه الإمكانية متعددة الوسائط تتيح للوكلاء التفكير في الواجهات المرئية، وهي ميزة مهمة لفرق بناء الأدوات التي تتفاعل مع البرامج الرسومية أو صفحات الويب.

يدعم Muse Glimmer أيضًا OpenClaw وأنماط تنسيق الوكلاء الأخرى، مع سقالات مخصصة مفصلة في وثائق مطور النموذج. يمكن لوكيل الترميز المحلي المبني على النموذج أن يقرر أي المستودعات والمحطات الطرفية وبيئات الاختبار والأوامر التي يصل إليها، على الرغم من أن ميتا تحذر من أنه يجب على المؤسسات تحديد الأوامر والمستودعات المتاحة قبل قياس نجاح المهمة.

الأداء القياسي ضد المنافسين

تضع اختبارات القياس الداخلية لشركة Meta Muse Glimmer في المقدمة على Gemma4-31B من Google وQwen3.6-27B من Alibaba في خمسة من ثمانية معايير للوكلاء العامين. على مجموع نقاط الوكيل، وصل Muse Glimmer إلى 74.6، مقارنة بـ 61.7 لـ Gemma4-31B و71.1 لـ Qwen3.6-27B.

سجل النموذج 47.6 على WildClawBench، متقدمًا على Gemma4-31B الذي حصل على 37.6 وQwen3.6-27B الذي حصل على 43.2. في GAIA2، وهو معيار لمساعدي الذكاء الاصطناعي العامين، سجل Muse Glimmer 43.3، مقارنة بـ 36.4 و40.0 للنماذج المنافسة. أنتجت OSWorld-Verified، التي تختبر قدرة الوكيل على العمل ضمن بيئات كمبيوتر حقيقية، أكبر فجوة في المجموعة: وصل Muse Glimmer إلى 65.9 مقابل 58.5 لـ Gemma4-31B.

لم تفضل كل فئة نموذج ميتا. في SkillsBench، تقدم Qwen3.6-27B بنتيجة 46.6، حيث سجل Muse Glimmer 44.3. كما تقدم Qwen3.6-27B أيضًا على الناتج المحلي الإجمالي (GDval-AA) بـ 1,141، مقابل 953 لـ Muse Glimmer.

تظهر نتائج الترميز مشهدًا تنافسيًا

تقدم معايير البرمجة الخاصة بـ Muse Glimmer صورة تنافسية أضيق. قاد النموذج SWE-Bench Pro بنتيجة 51.2، مقارنة بـ 36.9 لـ Gemma4-31B و50.2 لـ Qwen3.6-27B. ومع ذلك، تقدم Qwen3.6-27B على SWE-Bench Verified بـ 77.2، مقابل 76.0 لـ Muse Glimmer، وتصدر TerminalBench 2.1 بـ 60.7 مقابل 51.7 لـ Muse Glimmer.

تصف المواد المقدمة من Meta أيضًا التدريب على إعادة المحاولة لاستدعاءات الأداة الفاشلة، وهو سلوك يمكّن الوكلاء من التعافي من الأخطاء تلقائيًا. وتشير الشركة إلى أن هذه الإمكانية تتطلب ضوابط على المحاولات المتكررة، لا سيما حيث يمكن للأداة تغيير التعليمات البرمجية المصدر أو استدعاء أنظمة خارجية.

رؤية زوكربيرج ذات الوزن المفتوح

يتزامن إصدار Muse Glimmer مع نشر زوكربيرج لمقال مطول يوضح رؤيته لتطوير الذكاء الاصطناعي. وفقًا لرويترز وبلومبرج، استخدم الرئيس التنفيذي لشركة ميتا المقال لدعم نهج الوزن المفتوح، بحجة أن النماذج المتاحة على نطاق واسع تمنع تركيز قوة الذكاء الاصطناعي في أيدي عدد قليل من الشركات.

وبحسب ما ورد حذر زوكربيرج من مخاطر كيان واحد يتحكم في أنظمة الذكاء الفائق، مشيرًا إلى أنه لا يوجد شيء اسمه ذكاء فائق خيِّر واحد. تضع هذه التصريحات استراتيجية الوزن المفتوح الخاصة بـ Meta كفلسفة تقنية وموقف تنافسي ضد المنافسين ذوي النماذج المغلقة مثل OpenAI وAnthropic.

وصفت صحيفة نيويورك تايمز ميوز جليمر بأنه نسخة مفتوحة المصدر من قدرات ميتا للذكاء الاصطناعي والتي يمكن للمستهلكين استخدامها في المنزل، في حين أشارت صحيفة وول ستريت جورنال إلى أن المقال يمثل التعبير الأكثر تفصيلاً لزوكربيرج عن رؤيته العالمية للذكاء الاصطناعي حتى الآن.

اعتبارات عملية للفرق

توضح مقاييس Meta الأداء في الاختبارات القياسية، ولكنها لا توضح كيف سيتصرف الوكيل المحلي بعد أن تقوم المؤسسة بتوصيله بملفاتها أو التقويمات أو أنظمة المراسلة أو الأدوات الداخلية الخاصة بها. تعترف الشركة بأن نماذج قراءة لقطة الشاشة يمكنها تفسير ما تراه، ومع ذلك يجب أن يستمر الاختبار المحلي في تغطية الأذونات وتخطيطات العرض وتنسيقات المستندات والأخطاء التي ترجعها الأدوات المتصلة.

بالنسبة للمؤسسات التي تقوم بتقييم Muse Glimmer، توصي Meta بتحديد الأوامر والمستودعات المتاحة للوكيل قبل النشر. تتضمن التقييمات المتعلقة بالسلامة للنموذج اختبارات CI Memories وSiren AgentDojo، على الرغم من أن الشركة تستخدم مقاييس مختلفة لكل منهما.

يضع الإصدار Meta في منافسة مباشرة مع خط Gemma من Google ونماذج Qwen من Alibaba في مجال الوزن المفتوح. مع ترخيص Apache 2.0 الذي يسمح بالاستخدام التجاري، يمكن لـ Muse Glimmer تسريع اعتمادها بين المطورين الذين يريدون قدرات وكيلة دون التكاليف المتكررة ومقايضات الخصوصية لواجهات برمجة التطبيقات السحابية.

ابق في صدارة الذكاء الاصطناعي

للحصول على أحدث التطورات في نماذج الذكاء الاصطناعي، والإصدارات مفتوحة الوزن، والديناميكيات التنافسية التي تشكل الصناعة، تفضل بزيارة AI Buzz Wire للحصول على تغطية شاملة.

اقرأ المزيد من أخبار الذكاء الاصطناعي →