متا وزن‌های Muse Spark Open را در 15 اکتبر 2026 منتشر کرد و این مدل را به عنوان تواناترین سیستم هوش مصنوعی وزن باز که تاکنون توسط یک شرکت آمریکایی منتشر شده است، معرفی کرد. طبق وبلاگ تحقیقاتی رسمی متا، این مدل 816 میلیارد پارامتر کل عظیم را با یک طرح ترکیبی پراکنده از متخصصان جفت می کند که تنها 42 میلیارد پارامتر در هر توکن را به همراه یک پنجره زمینه 1 میلیون توکن فعال می کند.

این نسخه یک روز پس از اینکه متا Muse Wonder Full، مدل مرزی بسته خود را راه اندازی کرد، منتشر می شود و نشان می دهد که این شرکت قصد دارد در هر دو جبهه رقابت کند: عملکرد مرزی از طریق محصولات API خود و دسترسی به جامعه از طریق وزن های باز. متا ثابت‌ترین ناشر با وزن باز در میان آزمایشگاه‌های مرزی ایالات متحده بوده است، و این نسخه آن استراتژی را به دوره نمایندگی گسترش می‌دهد. For more context on this story, see our ongoing artificial intelligence updates.

Muse Spark Open چیست

Muse Spark Open یک مدل بومی چند وجهی است که برای کدنویسی و کار عاملی ساخته شده است. متا می‌گوید در کارهای افق طولانی، مهندسی نرم‌افزار پیچیده و استدلال چند مرحله‌ای برتری دارد - حجم کاری که محصولات هوش مصنوعی عاملی را در سال 2026 تعریف می‌کند. تقسیم پارامتر فعال 816B/42B از الگوی معماری پراکنده‌ای پیروی می‌کند که با وجود مدل‌هایی مانند DeepSeek و Qwen رایج شده است، و هزینه‌های قابل مدیریت کل را کنترل می‌کند.

پنجره زمینه 1M-token مدل را در لایه بالایی برای کار با زمینه طولانی قرار می دهد. توسعه دهندگان می توانند کل مخازن کد، مجموعه اسناد طولانی، یا ساعت ها رونوشت را در یک درخواست واحد بدون داربست بازیابی تغذیه کنند.

زاویه سیلیکون اپل

ویژگی عنوان ممکن است جایی باشد که مدل اجرا می شود. متا می‌گوید Muse Spark Open اولین مدل در کلاس خود است که روی دسکتاپ متشکل از دو Apple M5 Ultra Mac Studios با استفاده از آخرین چارچوب MLX اجرا می‌شود. هر دستگاه M5 Ultra تا 512 گیگابایت حافظه یکپارچه را در معرض GPU یکپارچه خود قرار می دهد، بنابراین دو دستگاه با هم مدل کامل را نگه می دارند - به قول متا، عملاً مانند یک ابر رایانه با یک ترابایت حافظه یکپارچه رفتار می کنند. پهنای باند حافظه 1.2 ترابایت بر ثانیه تراشه، توان عملیاتی مورد نیاز معماری پراکنده را تامین می کند.

متا راه‌اندازی جریان‌های کاری عاملی را کاملاً روی دستگاه از طریق Muse Code نشان داد، از جمله ارسال تغییرات واقعی iOS به Ice Cubes، یک کلاینت منبع باز Mastodon، و هدایت DaVinci Resolve از انتها به انتها - با این مدل که تصاویر را فریم به فریم بررسی می‌کند تا قوی‌ترین لحظات را پیدا کند و آنها را به صورت عمودی برش دهد.

در دسترس بودن و پشتیبانی اکوسیستم

وزنه ها از Hugging Face، Amazon SageMaker AI، Google Cloud Model Garden و Microsoft Foundry Models قابل دانلود هستند. توسعه دهندگانی که استنتاج میزبانی شده را ترجیح می دهند می توانند از طریق Baseten، Fireworks AI، Groq، Modal، Nebius، OpenRouter و Together AI به مدل دسترسی داشته باشند.

Meta همچنین بهینه‌سازی‌هایی را در سراسر موتورهای استنتاج اصلی ارسال کرد: SGLang، vLLM، TensorRT-LLM، Hugging Face Transformers، Apple MLX، llama.cpp، و Unsloth، با پشتیبانی از AMD، Apple، Intel، و سیلیکون NVIDIA. نسخه با وزن باز شامل هسته‌های پردازشگر گرافیکی Helion با قابلیت تنظیم خودکار سفارشی در SGLang است که سرعت‌های 1.03x تا 3.95x در سطح هسته را در پردازنده‌های گرافیکی NVIDIA و AMD و سرعت 3 درصدی را در پردازنده MI350 AMD ارائه می‌کند.

یک میدان شلوغ وزن باز

ادعای متا برای تاج وزن باز به بازاری می رسد که آزمایشگاه های چینی سرعت زیادی در آن تعیین کرده اند. سری GLM Z.ai، خانواده Qwen علی‌بابا، و مدل‌های DeepSeek همگی وزن‌های باز را در مقیاس مرزی مجاور ارسال کرده‌اند، و انتشار وزن باز از آزمایشگاه‌های ایالات متحده نسبتاً نادر بوده است. یک مدل منشاء ایالات متحده که در این اندازه رقابت می کند برای شرکت ها و دولت هایی که خواهان مدل های قوی با وزنی هستند که بتوانند بدون وابستگی به یک فروشنده چینی یا API بسته، بازرسی، ممیزی و اصلاح کنند، اهمیت دارد.

زمان بندی نیز قابل توجه است. متا یک روز قبل از آن Muse Wonder Full، مدل مرز بسته خود را عرضه کرد. ارسال یک پرچمدار بسته و یک همتای باز در عرض 24 ساعت به Meta این امکان را می‌دهد که به خریدارانی که عملکرد API کلید در دست را می‌خواهند و توسعه‌دهندگان، محققان و شرکت‌هایی که می‌خواهند خود میزبان باشند خدمات دهد - دو بازاری که به طور فزاینده‌ای تقاضای محصولات متفاوتی دارند.

وضعیت ایمنی

نسخه‌های با وزن باز در این مقیاس ملاحظات آشکاری برای استفاده دوگانه دارند. متا می‌گوید Muse Spark Open پس از آموزش ایمنی بیشتری را به‌طور خاص برای انتشار آزاد دریافت کرد و ارزیابی‌های انجام‌شده تحت چارچوب مقیاس‌سنجی Superintelligence این شرکت، حفاظت‌های قوی را در سراسر گروه‌های ریسک اندازه‌گیری شده نشان داد. نتایج تیم قرمز مستقل بیشتر از ادعاهای فروشنده مهم خواهد بود و تقریباً به طور قطع توسط همان گروه های سیاست گذاری که در مورد هنجارهای انتشار وزن آزاد در سراسر سال 2026 بحث کرده اند، بررسی خواهد شد.

چه چیزی استنتاج کلاس دسکتاپ را تغییر می دهد

اجرای مدلی از این قابلیت بر روی دو ماشین رومیزی به جای یک رک از GPU های مرکز داده، عواقب عملی فراتر از هزینه دارد. سازمان‌هایی که الزامات حاکمیت داده سخت‌گیرانه دارند - بیمارستان‌ها، شرکت‌های حقوقی، پیمانکاران دفاعی، مؤسسات مالی - می‌توانند درخواست‌ها و اسناد را کاملاً در داخل دیوارهای خود نگه دارند. توسعه‌دهندگان محدودیت‌های تاخیر و نرخی را دریافت می‌کنند که به سخت‌افزار خودشان بستگی دارد تا صف ارائه‌دهنده. و قلع و قمع‌کننده‌ها مدلی در مقیاس مرزی دریافت می‌کنند که می‌توانند بدون درخواست اجازه، آن را تنظیم، کمیت و اصلاح کنند.

مبادلات نیز واقعی هستند. دو دستگاه M5 Ultra هنوز هم سرمایه‌گذاری سخت‌افزاری قابل توجهی را نشان می‌دهند و یک خوشه دسکتاپ فاقد افزونگی، زمان آپدیت و توان عملیاتی استنتاج میزبانی شده است. شرط متا این است که بخش معنی‌داری از بازار به اندازه کافی مالکیت و حریم خصوصی را برای پذیرش این محدودیت‌ها ارزش قائل می‌شود - و اینکه اثر نمایشی اجرای یک مدل با پارامتر 816B در خانه حتی برای خریدارانی که در نهایت API را انتخاب می‌کنند نیز اهمیت دارد.

چرا مهم است

این انتشار، بحث باز در مقابل بسته را که امسال صنعت را تعریف کرده است، تشدید می کند. متا شرط می‌بندد که وزنه‌های مجاور مرزی با قابلیت دانلود رایگان، اکوسیستم خود را رشد داده و رقبای خود را که بهترین مدل‌های خود را اختصاصی نگه می‌دارند، تضعیف می‌کنند. برای توسعه‌دهندگان، اهمیت عملی آن مشخص است: یک مدل نمایندگی سطح بالا که می‌تواند به‌خوبی تنظیم شود، خود میزبانی شود، هوا شکاف داده شود و بر روی سخت‌افزار مجاور مصرف‌کننده اجرا شود تا اینکه توسط توکن اجاره شود.

اینکه آیا Muse Spark Open واقعاً عنوان "تواناترین مدل وزن باز ایالات متحده" را دارد یا خیر به معیارهای مستقلی بستگی دارد که در زمان انتشار در دسترس نبودند. اما ترکیبی از مقیاس، زمینه طولانی، پشتیبانی از سخت‌افزار کلاس دسکتاپ، و پوشش گسترده موتور استنتاج، آن را به یکی از مهم‌ترین نسخه‌های با وزن باز در سال تبدیل می‌کند – و چالشی مستقیم برای هر مدل بسته فروخته شده با قیمت‌های API ممتاز.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →