Muse Spark Open من Meta: نموذج بأوزان مفتوحة بـ816 مليار معامل، فهل تستطيع تشغيله فعلاً؟

في 15 أكتوبر 2026 أتاحت Meta أوزان نموذج Muse Spark Open للتنزيل العام، وهو نموذج متعدد الوسائط بـ816 مليار معامل إجمالاً و42 مليار معامل نشط لكل رمز، مع نافذة سياق تبلغ مليون رمز. الخبر لافت لأن النموذج مدرَّب أصلاً لمهام الوكلاء الطويلة مثل البرمجة وخدمة العملاء، لا لمحادثات قصيرة. لكن «الأوزان المفتوحة» عبارة تخفي تفاصيل كثيرة: ما الترخيص بالضبط؟ وكم يكلّف التشغيل؟ ومن يستفيد فعلاً؟ هذا المقال يجيب عن هذه الأسئلة اعتماداً على ما أعلنته Meta وعلى تغطية صحفية متخصصة، مع التنبيه إلى أن التقييمات المستقلة لم تتحقق بعد من ادعاءات الأداء.

ما الذي أُطلق بالضبط؟

• البنية: محوّل (Transformer) بتصميم خليط خبراء (MoE) مقترن بمشفّر إدراك للصور.
• الحجم: 816 مليار معامل إجمالاً، ينشط منها 42 مليار فقط عند معالجة كل رمز.
• السياق: مليون رمز.
• الصيغ: أوزان بدقة BF16 وأخرى مكمّمة بصيغة NVFP4 على Hugging Face.
• المستودع: meta-models/Muse-Spark-Open-816B-A42B.

يجب ألا يُخلط هذا النموذج بنموذج Muse Wonder المغلق الذي تقدّمه Meta عبر واجهة برمجية. الأول تنزّل أوزانه وتشغّله بنفسك، والثاني خدمة تدفع مقابل استخدامها.

خليط الخبراء يعني أنك تدفع ثمن التخزين على 816 مليار معامل لكنك تحصل على سرعة حساب أقرب إلى نموذج بـ42 مليار. الذاكرة هي العنق الحقيقي، لا الحساب.

الترخيص: مفتوح، لكن بشروط

تصدر الأوزان بموجب «رخصة Muse للنماذج» المؤرخة 15 أكتوبر 2026. بحسب ما نُشر، تسمح الرخصة بالاستخدام والنسخ والتعديل بما فيه الضبط الدقيق، وبإنتاج أعمال مشتقة والتقطير والتوزيع، لكن وفق شروط. أبرزها:

1. إظهار عبارة «Built with Muse Spark Open» بشكل واضح في واجهة كل منتج أو خدمة تستخدم النموذج، أو في وثائقه أو موقعه.
2. وجود «شروط تجارية محدودة» تتيح للكثير من المطورين الاستخدام دون تكلفة. أحد المصادر ذكر عتبة بقيمة 20 مليون دولار، وآخر وصف الرخصة بأنها بحدود شبيهة بحدود Llama، ولم أستطع تأكيد الأرقام الدقيقة.

النصيحة العملية: اقرأ نص الرخصة نفسه قبل أي استخدام تجاري، ولا تعتمد على الملخصات. وللمقارنة، أُصدر النموذج الأصغر Muse Glimmer بحجم 30 مليار معامل بترخيص Apache 2.0 الأكثر تساهلاً.

كم يكلّف تشغيله؟

الإعداد	الذاكرة المطلوبة	أمثلة عتاد
NVFP4 (مكمّم)	نحو 700 جيجابايت من ذاكرة الرسوميات كحد أدنى	جهازا Mac Studio بشريحة M5 Ultra وذاكرة 512 جيجابايت لكل منهما عبر MLX، أو 4 معالجات Blackwell Ultra، أو 8 معالجات H200
BF16 (كامل الدقة)	نحو 2 تيرابايت	عنقود خوادم متعدد العُقد

هذه الأرقام تعني أن النموذج ليس للاستخدام على حاسوب محمول، ولا حتى على محطة عمل واحدة. هو موجّه لفرق تملك عتاداً مخصصاً أو تستأجر استضافة.

أين تجرّبه دون شراء عتاد؟

إذا لم تكن تملك عتاداً بهذا الحجم، فالخيارات المتاحة بحسب الإعلان:

• منصات سحابية: Amazon SageMaker AI وGoogle Cloud Model Garden وMicrosoft Foundry Models.
• مزودو استدلال: Baseten وFireworks AI وGroq وModal وNebius وOpenRouter وTogether AI، ولكل منهم تسعيره الخاص، فلا يوجد سعر موحّد.
• أطر التشغيل: SGLang وvLLM وApple MLX، وأضافت PyTorch تعريفاً للنموذج في TorchTitan لدعم الضبط الدقيق بأساليب SFT وLoRA والتعلم المعزز.

متى يستحق الاستضافة الذاتية؟

الاستضافة الذاتية تبرّر نفسها في حالات محددة: بيانات لا يجوز أن تغادر بنيتك، أو حجم استخدام ضخم يجعل سعر الرمز عبر الواجهات أعلى من كلفة العتاد، أو حاجة إلى ضبط دقيق على بيانات خاصة. خارج هذه الحالات، الأرخص والأسرع غالباً أن تبدأ عبر أحد مزودي الاستدلال وتقيس الجودة على مهامك قبل أي التزام.

كيف تقيّمه قبل أن تلتزم؟

أسرع طريقة لتجنّب قرار مكلف هي بناء اختبار صغير يعكس عملك الحقيقي بدل الاكتفاء بجداول المقارنة العامة:

1. اجمع من 30 إلى 50 مهمة حقيقية من مشاريعك: إصلاح أخطاء، وكتابة اختبارات، ومراجعة طلبات دمج، وأسئلة على قاعدة الكود.
2. شغّلها على النموذج الجديد وعلى النموذج الذي تستخدمه حالياً بالإعدادات نفسها، وسجّل نسبة النجاح وعدد الرموز المستهلكة وزمن الإنجاز.
3. اختبر السياقات الطويلة تحديداً: ضع معلومة حاسمة في منتصف سياق ضخم وتحقق من أن النموذج يجدها.
4. احسب الكلفة الفعلية للمهمة الناجحة الواحدة، لا سعر الرمز وحده، فنموذج أرخص قد يحتاج محاولات أكثر.

ماذا يعني هذا للمشهد الأوسع؟

وجود نموذج مفتوح الأوزان بهذا الحجم يضغط على أسعار الواجهات المغلقة، لأن أي مزود استدلال يستطيع الآن عرض قدرات قريبة من الرائد بسعر ينافس. ويمنح الشركات التي تخشى الارتباط بمورد واحد بديلاً واقعياً، ولو كان العتاد الأولي مكلفاً. كما أنه يفتح الباب أمام نماذج متخصصة مضبوطة بدقة لمجالات بعينها، مثل الخدمات المالية أو الرعاية الصحية، حيث لا تسمح اللوائح بإرسال البيانات خارج حدود المؤسسة.

الأمان والتحفظات

ذكرت Meta أنها طبّقت تدريباً أمنياً إضافياً لتبقى النسخة المفتوحة أكثر متانة دون الاعتماد على حواجز الحماية التي تشغّلها على خدماتها. وهذا مهم لأن من يملك الأوزان يستطيع تعديلها وإزالة أي قيود. ومع ذلك، تبقى ثلاثة تحفظات:

• ادعاءات الأداء صادرة عن Meta، ولم تتحقق جهات مستقلة منها بعد.
• «مفتوح» هنا لا يعني مفتوح المصدر بالمعنى التقليدي، فالرخصة مخصصة وليست من تراخيص المبادرة المفتوحة المعروفة.
• نافذة المليون رمز لا تعني جودة متساوية على طولها كله، ويجب اختبار النموذج على سياقاتك الفعلية.

أسئلة شائعة

هل أستطيع تشغيل Muse Spark Open على جهازي المنزلي؟

غالباً لا. أقل متطلب معلن هو نحو 700 جيجابايت من الذاكرة للنسخة المكمّمة. للتجربة المحلية الأنسب نماذج أصغر مثل Muse Glimmer بحجم 30 مليار معامل.

هل يمكن استخدامه تجارياً مجاناً؟

الرخصة تتيح ذلك للكثيرين ضمن شروط تجارية محدودة، مع إلزام بعرض عبارة الإسناد. قد تتغير الشروط بحسب حجم شركتك، لذا راجع النص الرسمي للرخصة.

ما الفرق بينه وبين Muse Wonder؟

Muse Wonder نموذج مغلق يُستخدم عبر واجهة برمجية، أما Muse Spark Open فتنزّل أوزانه وتشغّله على بنيتك أو عبر مزود استضافة.

الخلاصة

إطلاق Muse Spark Open خطوة مهمة في سباق النماذج المفتوحة لأنه يضع نموذجاً بحجم الرائدين في متناول من يملك العتاد أو يستأجره، مع ترخيص يسمح بالتعديل والتقطير. لكن الحجم والذاكرة المطلوبة يجعلانه خياراً لفرق متخصصة لا لمعظم المطورين الأفراد، والترخيص يتطلب قراءة متأنية. أفضل ما يمكنك فعله اليوم: جرّبه عبر أحد مزودي الاستدلال على مهمة حقيقية من عملك، وقارن النتيجة والكلفة بما تستخدمه الآن، ثم قرّر إن كانت الاستضافة الذاتية تستحق الاستثمار.

المصادر: MarkTechPost، Unite.AI، Meta AI للمطورين، Analytics India Magazine