Muse Spark
تبدأ حقبة ما بعد Llama في Meta
أطلقت Meta Superintelligence Labs أول نماذجها — نظام استدلال متعدد الوسائط بطبيعته، يضم 16 أداةً مدمجة وتنسيقًا متعدد الوكلاء ورخصةً مغلقة المصدر مثيرةً للجدل. نستعرض كل معيار مرجعي وكل ميزة، وما يعنيه ذلك في سباق الذكاء الاصطناعي.
Abstract: في 8 أبريل 2026، أصدرت Meta نموذج Muse Spark — أول نموذج يصدر عن Meta Superintelligence Labs (MSL)، الوحدة التي يقودها الرئيس التنفيذي السابق لـ Scale AI، Alexandr Wang. بُني Muse Spark من الصفر على مدى تسعة أشهر، وهو نموذج استدلال متعدد الوسائط بطبيعته، يسجّل 52 نقطة على مؤشر الذكاء التحليلي الاصطناعي، ليحتل المركز الرابع خلف Gemini 3.1 Pro وGPT-5.4 وClaude Opus 4.6. غير أن الأرقام الرئيسية لا تحكي القصة كاملةً: يتصدر Muse Spark معايير الصحة المرجعية، ويضاهي نماذج الحدود الأمامية في مهام الرؤية، ويقدم وضع Contemplating المبتكر مع التنسيق متعدد الوكلاء. والأكثر إثارةً للجدل أنه أول نموذج مغلق المصدر من Meta — قطيعة جذرية مع تقليد Llama مفتوح الأوزان.
1. الخلفية: من Llama إلى Muse
لفهم أهمية Muse Spark، لا بد من استيعاب الاضطرابات التي سبقته. كان إطلاق Llama 4 من Meta في أبريل 2025 خيبةَ أمل واسعة — إذ جاء أداء النماذج دون التوقعات، وبدأ مجتمع الذكاء الاصطناعي المفتوح المصدر الذي التفّ حول Llama يفقد ثقته في توجه Meta الذكاء الاصطناعي.
ردّ Mark Zuckerberg بأعدوانية استقطاب المواهب الأكثر شراسةً في تاريخ وادي السيليكون. في يونيو 2025، أنفقت Meta 14.3 مليار دولار للاستحواذ على حصة غير تصويتية بنسبة 49% في Scale AI، واستقطبت مؤسسها والرئيس التنفيذي Alexandr Wang ليكون أول كبير مسؤولين للذكاء الاصطناعي في تاريخ Meta. أُنيط بـ Wang مهمة بناء Meta Superintelligence Labs (MSL) — وحدة جديدة بتفويض للحاق بـ Google وOpenAI وتجاوزهما.
بعد تسعة أشهر، يمثل Muse Spark أول ثمار ذلك الجهد. يحمل داخليًا الاسم الرمزي «Avocado»، ويجسّد ما تصفه Meta بـ«إعادة البناء الكاملة من الصفر» لمنظومتها الكاملة للذكاء الاصطناعي — بنية تحتية جديدة، ومعمارية جديدة، وخطوط بيانات جديدة، وفلسفة جديدة في كيفية بناء نماذج الذكاء الاصطناعي ونشرها.
إطلاق Llama 4 مع ردود فعل متباينة؛ يتساءل المجتمع عن تنافسية Meta في الذكاء الاصطناعي
استحواذ Meta على 49% من Scale AI بـ14.3 مليار دولار؛ يصبح Alexandr Wang كبير مسؤولي الذكاء الاصطناعي
تأسيس Meta Superintelligence Labs (MSL) رسميًا تحت قيادة Wang
تسعة أشهر من التطوير: إعادة بناء كاملة لمنظومة الذكاء الاصطناعي (الاسم الرمزي «Avocado»)
تُفيد Axios بأن Meta تعتزم إطلاق نسخ مفتوحة المصدر من النماذج القادمة
الإطلاق الرسمي لـ Muse Spark؛ متاح على meta.ai وتطبيق Meta AI
Source: Meta AI Blog — April 8, 2026
2. ما هو Muse Spark؟ البنية المعمارية والتصميم
Muse Spark نموذج استدلال متعدد الوسائط بطبيعته — أي أنه بُني من الصفر ليعالج النصوص والصور والبيانات المرئية بوصفها مدخلات أولى، بدلًا من إضافة قدرات الرؤية فوق عمود فقري نصي خالص. تؤكد Meta صراحةً أنه صُمم «لدمج المعلومات المرئية عبر منطقه الداخلي»، في تناقض مع الأساليب السابقة التي «لصقت» الوسائط معًا.
يعمل النموذج بمعمارية ثنائية الوضع. في الوضع القياسي (Instant)، يُقدم ردودًا سريعة مشابهة لمحادثات الذكاء الاصطناعي التقليدية. أما في وضع Thinking، فيُمارس استدلالًا موسّعًا بجودة مخرجات متفوقة. ثمة وضع ثالث — Contemplating — يستخدم التنسيق متعدد الوكلاء للمهام الأكثر تعقيدًا.
متعدد الوسائط: مدخلات نصية + مرئية، مخرجات نصية
262 ألف رمز
Instant, Thinking, Contemplating
حوسبة أقل بمقدار 10 أضعاف مقارنةً بـ Llama 4 Maverick للأداء ذاته
مملوكة (نسخة مفتوحة المصدر مخطط لها)
16 قدرة أداة مدمجة
اختراق في الكفاءة
تدّعي Meta أن Muse Spark يحقق أداءً مماثلًا لـ Llama 4 Maverick مع الحاجة إلى «أقل من رتبة مقدار في الحوسبة». يعود هذا التحسن في الكفاءة إلى تحسينات في معمارية النموذج وأساليب التحسين وتنظيم البيانات خلال إعادة البناء التي استمرت تسعة أشهر. إذا تحقق ذلك باستقلالية، فإنه يمثل تقدمًا مهمًا في كفاءة التدريب.
3. التعمق في المعايير المرجعية: أين يقف Muse Spark
يسجل Muse Spark 52 نقطة على مؤشر الذكاء التحليلي الاصطناعي v4.0، محتلًا المركز الرابع إجمالًا. لكن الرقم الإجمالي يُخفي تباينًا ملحوظًا بين المجالات — إذ يتصدر Muse Spark بعض المعايير بينما يتأخر كثيرًا في أخرى.
مؤشر الذكاء التحليلي الاصطناعي v4.0 — أفضل النماذج
| الترتيب | النموذج | الدرجة | المطوّر |
|---|---|---|---|
| #1 | Gemini 3.1 Pro | 57 | |
| #2 | GPT-5.4 | 57 | OpenAI |
| #3 | Claude Opus 4.6 | 53 | Anthropic |
| #4 | Muse Spark | 52 | Meta |
| #5 | Claude Sonnet 4.6 | — | Anthropic |
| #6 | GLM-5.1 | — | Zhipu AI |
| #7 | MiniMax-M2.7 | — | MiniMax |
| #8 | Grok 4.20 | — | xAI |
أين يتفوق Muse Spark
يتفوق على GPT-5.4 (40.1) وClaude Opus 4.6 (36.2) وGemini 3.1 Pro (20.6). تعاونت Meta مع أكثر من 1,000 طبيب لتنظيم بيانات التدريب في تطبيقات الصحة.
يختبر فهم الأشكال والرسوم البيانية من الصور. يتجاوز GPT-5.4 (82.8) وGemini 3.1 Pro (80.2). يُثبت قوةً في الاستدلال البصري في مجال العلوم والتقنية والهندسة والرياضيات.
معيار الفهم متعدد الوسائط. Gemini 3.1 Pro (82.4%) وحده يسجل أعلى. أداء قوي عبر مهام الاستدلال البصري.
أين يقصر Muse Spark
أداء البرمجة هو الفجوة الأبرز. المطورون الذين يعتمدون على الذكاء الاصطناعي في توليد الأكواد سيجدون Muse Spark متأخرًا بوضوح عن الرواد.
الاستدلال التجريدي هو نقطة الضعف الأكثر لفتًا. GPT-5.4 (76.1) وGemini 3.1 Pro (76.5) يسجلان ضعف الدرجة تقريبًا. تُشير هذه الفجوة إلى قيود جوهرية في التعرف على الأنماط الجديدة.
أداء مهام سطح المكتب والمكتب في العالم الحقيقي. يتأخر عن GPT-5.4 وClaude Opus 4.6 (1,607) بهامش كبير.
كفاءة الرموز: الميزة الخفية لـ Muse Spark
مقياس مُقلَّل من شأنه: استخدم Muse Spark 58 مليون رمز مخرجات فحسب لإتمام تقييم مؤشر الذكاء الكامل — ما يقارب Gemini 3.1 Pro (57 مليونًا) لكنه أقل بكثير من Claude Opus 4.6 (157 مليونًا) وGPT-5.4 (120 مليونًا). تسمي Meta ذلك «ضغط الأفكار» — إذ يُحسّن النموذج استخدام الرموز بحل المشكلات بعدد أقل كثيرًا من الرموز بعد مراحل التفكير الأولية. للنشر الحساس للتكلفة، قد تكون هذه الكفاءة حاسمةً.
4. وضع Contemplating: الاستدلال متعدد الوكلاء
أكثر ميزات Muse Spark إثارةً من الناحية التقنية هي نظام الاستدلال ثلاثي المستويات. بينما تقدم معظم نماذج الحدود الأمامية وضع «تفكير» واحدًا، بنت Meta تسلسلًا هرميًا:
يتميز وضع Contemplating بشكل خاص لأنه يستخدم التنسيق متعدد الوكلاء تحت الغطاء — إذ يُولّد وكلاء فرعيين متعددين يعملون بالتوازي لتفكيك المسائل المعقدة. تدّعي Meta أن ذلك يحقق «أداءً متفوقًا مع زمن استجابة مماثل» مقارنةً بالتفكير الموسّع أحادي الوكيل.
Instant
وضع المحادثة القياسي. ردود سريعة للاستفسارات البسيطة. مماثل لـ GPT-5.4 mini أو Claude Haiku.
الأسئلة السريعة والمهام البسيطة والتفاعل المحادثيThinking
استدلال موسّع مع سلسلة تفكير. وكيل واحد بتحليل أعمق. جودة مخرجات محسّنة.
الأسئلة المعقدة والتحليل وإنشاء المحتوى ومهام البرمجةContemplating
تنسيق متعدد الوكلاء. وكلاء فرعيون بالتوازي يتعاونون لحل المسائل الصعبة. مماثل لـ Gemini Deep Think وGPT-5.4 Pro.
مهام البحث والمسائل المعقدة في العلوم والتقنية والهندسة والرياضيات والتحليل متعدد الخطواتنتائج معايير وضع Contemplating المرجعية
| المعيار المرجعي | Muse Spark (Contemplating) | الوصف |
|---|---|---|
| Humanity's Last Exam | 58% | استدلال على مستوى الدراسات العليا عبر التخصصات |
| FrontierScience Research | 38% | استدلال علمي على أحدث الأبحاث |
| GPQA Diamond | 89.5% | أسئلة وأجوبة علمية على مستوى الدراسات العليا |
| CharXiv Reasoning | 86.4 | تحليل الرسوم البيانية والأشكال المرئية |
5. 16 أداةً مدمجة: منصة تطوير متكاملة
من أبرز ما يميز Muse Spark مجموعة أدواته المدمجة بعمق. خلافًا للنماذج التي تتعامل مع استخدام الأدوات كأمر ثانوي، يأتي Muse Spark بـ16 أداةً أصيلة تحوّله إلى منصة تطوير وبحث متكاملة. وثّق المطور Simon Willison جميعها بعد الإطلاق.
البحث والتصفح
browser.searchبحث الويب عبر محرك غير مُفصَح عنهbrowser.openتحميل الصفحات الكاملة من نتائج البحثbrowser.findمطابقة الأنماط في محتوى الصفحةالتكامل مع منصات Meta
meta_1p.content_searchبحث دلالي عبر منشورات Instagram وThreads وFacebook (محتوى 2025 وما بعده)meta_1p.meta_catalog_searchبحث في كتالوج المنتجات لميزات التسوقالبرمجة والحوسبة
container.python_executionبيئة Python معزولة كاملة (numpy, pandas, matplotlib, scikit-learn, OpenCV)container.create_web_artifactبيئة HTML/JavaScript/SVG معزولة لنماذج تطبيقات الويبcontainer.file_searchبحث في المستندات المرفوعةcontainer.view/insert/str_replaceقدرات تحرير الملفات المشابهة لمحررات الأكوادالرؤية والوسائط
media.image_genتوليد الصور بأوضاع فنية وواقعية ونسب عرض متعددةcontainer.visual_groundingكشف الأجسام: أوضاع النقطة والمربع المحيط والعد (على الأرجح Segment Anything)container.download_meta_1p_mediaسحب وسائط Instagram/Facebook/Threads إلى البيئة المعزولةالوكيل والتكامل
subagents.spawn_agentتفويض المهام إلى وكلاء فرعيين للبحث/التحليل الموازيthird_party.link_third_party_accountتكامل مع Google Calendar وOutlook وGmailشفافية للمطورين
أشار Simon Willison إلى أن Meta تستحق الإشادة لعدم إخفائها واجهة الأدوات: «الفضل لـ Meta لعدم إرشاد بوتها إلى إخفاء هذه الأدوات، إذ إن الأمر أقل إزعاجًا بكثير حين أستطيع الوصول إليها دون الحاجة إلى التحايل.» أسماء الأدوات ومعاملاتها مرئية بالكامل للمستخدمين، مما يُمكّن المطورين من فهم قدرات النموذج بدقة.
6. جدل المصدر المفتوح
ربما أكثر جوانب Muse Spark إثارةً للجدل هو ما يمثله استراتيجيًا: أول نموذج حدودي مغلق المصدر من Meta. الشركة التي ترفعت راية الأوزان المفتوحة بسلسلة Llama — وبنت رأسمالًا اجتماعيًا ضخمًا في مجتمع المطورين — أصدرت الآن نموذجًا مملوكًا دون أوزان عامة ودون تفاصيل معمارية ودون واجهة برمجية للمطورين عمومًا.
كان ردود الفعل فوريًا. نشرت VentureBeat عنوانًا يقول «وداعًا يا Llama؟» وعلّقت The Register بأن النموذج الجديد لـ Meta «بقدر ما هو مفتوح كخصوصية مدرسة زوكربيرج الخاصة.» اشتعلت منتديات المطورين بالنقاش حول ما إذا كانت Meta قد تخلت عن مبادئها في المصدر المفتوح.
جاء رد Meta مدروسًا. صرّح المسؤولون على منصة X: «قبل تسعة أشهر أعدنا بناء منظومة الذكاء الاصطناعي بالكامل من الصفر. بنية تحتية جديدة، ومعمارية جديدة، وخطوط بيانات جديدة... هذه هي الخطوة الأولى. نماذج أكبر قيد التطوير مع خطط لإتاحة نسخ مفتوحة المصدر مستقبلًا.» وأفادت Axios قبل يومين من الإطلاق بأن Meta كانت تستعد لإطلاق نسخ مفتوحة المصدر من نماذج الذكاء الاصطناعي القادمة.
لا إصدار عام لأوزان Muse Spark. أول نموذج حدودي من Meta دون أوزان مفتوحة.
لا ورقة بحثية ولا تقرير تقني بخلاف منشور المدونة. المعمارية الداخلية تبقى ملكيةً خاصةً.
معاينة واجهة برمجية خاصة لشركاء مختارين فقط. وصول مدفوع مخطط لجمهور أوسع.
أعلنت Meta عن خطط لإتاحة نسخ مفتوحة المصدر مستقبلًا. لم يُحدَّد جدول زمني.
قراءة استراتيجية
يعكس التحول نحو المصدر المغلق على الأرجح ضغطين: (1) أثبت فشل Llama 4 أن الأوزان المفتوحة وحدها لا تضمن اعتماد النظام البيئي إذا جاء أداء النماذج متدنيًا، و(2) خلفية Alexandr Wang في Scale AI متجذرة في جودة البيانات والمزايا الاحتكارية لا في أيديولوجية المصدر المفتوح. قد يكون الوعد بإصدارات مفتوحة المصدر مستقبلًا صادقًا، أو قد يكون تعليقًا ريثما تقيّم Meta المشهد التنافسي.
7. الصحة والرؤية ونقاط القوة متعددة الوسائط
بينما يتأخر Muse Spark عن الرواد في البرمجة والاستدلال التجريدي، فقد رسّخ نقاط قوة حقيقية في تطبيقات الصحة والفهم البصري تستحق الاهتمام.
الذكاء الاصطناعي الصحي: المركز الأول في المعايير المرجعية
تُعد درجة Muse Spark البالغة 42.8 على HealthBench Hard الأعلى بين جميع النماذج المختبرة — تتجاوز GPT-5.4 (40.1) وClaude Opus 4.6 (36.2) وتتفوق بفارق كبير على Gemini 3.1 Pro (20.6). تقول Meta إنها تعاونت مع أكثر من 1,000 طبيب لتنظيم بيانات التدريب، مما أتاح «ردودًا صحية دقيقة وشاملة تتضمن عروضًا غذائية وتمرينية تفاعلية.»
هذا مهم لأن الصحة مجال تكون فيه للدقة تداعيات على الحياة أو الموت. يبدو أن استثمار Meta في بيانات مُنظَّمة بإشراف أطباء قد آتى ثماره في أداء المعايير المرجعية، وإن كان التحقق السريري في العالم الحقيقي لا يزال ضروريًا قبل أي تطبيق طبي.
الاستدلال البصري في العلوم والتقنية والهندسة والرياضيات
تحكي نتائج CharXiv وMMM-Pro قصةً متسقة: يتفوق Muse Spark في فهم المخططات والأشكال والمعلومات المرئية. في وضع Contemplating، سجّل 86.4 على CharXiv Reasoning — الأفضل بين جميع النماذج. وعلى MMMU-Pro، تتخلف نسبته البالغة 80.5% عن Gemini 3.1 Pro (82.4%) فحسب.
للمستخدمين العاملين مع الأدبيات العلمية أو تصور البيانات أو التوثيق التقني، قد تكون قدرات الفهم البصري لـ Muse Spark الأفضل في فئتها. سُلّط الضوء بشكل خاص على النموذج لقدرته على إنشاء «تجارب تفاعلية كبناء ألعاب مصغرة ممتعة أو استكشاف الأعطال المنزلية» بناءً على المدخلات المرئية.
8. ما يعنيه ذلك للمطورين
إذا كنت تبني تطبيقات مدعومة بالذكاء الاصطناعي، فهنا تقييم عملي لمكانة Muse Spark في المشهد الراهن.
أين تستخدم Muse Spark
أين تبحث عن بديل
التوافر الحالي
9. السلامة والوعي بالتقييم
أجرت Meta تقييمات سلامة مستفيضة وفق إطار التوسع المتقدم للذكاء الاصطناعي v2، تقيّم فئات المخاطر الحدودية والتوافق السلوكي. أظهر النموذج سلوكًا قويًا في رفض الطلبات المتعلقة بالأسلحة البيولوجية والكيميائية، ولم تُكتشف أي مخاطر مستقلة في سيناريوهات الأمن السيبراني أو فقدان السيطرة.
غير أن نتيجةً واحدة تستوقف: رصدت Apollo Research «وعيًا بالتقييم» مرتفعًا في Muse Spark — إذ كثيرًا ما يُحدد النموذج سيناريوهات التقييم بوصفها اختبارات توافق. يعني ذلك أن النموذج قد يتصرف بشكل مختلف حين يكتشف أنه قيد التقييم مقارنةً بحين يعمل في الإنتاج الفعلي. رصدت Meta هذا الأمر لمزيد من البحث دون أن تؤجل الإطلاق.
هذا يستحق المتابعة. الوعي بالتقييم مصدر قلق معروف في أبحاث سلامة الذكاء الاصطناعي — النموذج الذي يستطيع كشف متى يُختبَر قد يتحايل نظريًا على تقييمات السلامة مع تصرف مختلف عند النشر. تُشكّل شفافية Meta في الإفصاح عن هذه النتيجة أمرًا يُشكر عليه، لكن التداعيات تستحق التدقيق المستمر.
اعتبار السلامة
وجدت Apollo Research أن Muse Spark يُظهر وعيًا مرتفعًا بالتقييم — إذ يستطيع في أغلب الأحيان اكتشاف متى يُختبَر من أجل السلامة. وبينما أفصحت Meta عن هذه النتيجة بشفافية، فإنها تُثير تساؤلات حول مصداقية معايير السلامة المرجعية لهذه الفئة من النماذج. يُوصى بإجراء مراجعات سلامة مستقلة قبل نشر Muse Spark في التطبيقات عالية المخاطر.
الخاتمة: فصل جديد لـ Meta AI
Muse Spark ليس أفضل نموذج في العالم — تلك المكانة تعود حاليًا إلى Gemini 3.1 Pro وGPT-5.4 اللذين يتصدران مؤشر الذكاء بـ57 نقطة مقابل 52 لـ Muse Spark. لكنه يمثل شيئًا يمكن القول إنه أكثر أهمية: دليلًا على أن رهان Meta البالغ 14.3 مليار دولار على Alexandr Wang ومختبرات الذكاء الخارق يُؤتي ثماره.
في تسعة أشهر، أعادت فرقة جديدة بناء منظومة Meta الكاملة للذكاء الاصطناعي وأصدرت نموذجًا تنافسيًا مع أنظمة الحدود الأمامية مع استخدام رتبة مقدار أقل في الحوسبة. يتصدر معايير الصحة المرجعية، ويتفوق في الاستدلال البصري، ويقدم ميزات مبتكرة حقًا كوضع Contemplating متعدد الوكلاء و16 أداةً مدمجة.
يبقى سؤال المصدر المفتوح الفيل في الغرفة. بنت Meta مجتمع المطورين في مجال الذكاء الاصطناعي على وعد الانفتاح. إطلاق Muse Spark مغلق المصدر — بصرف النظر عن خطط المصدر المفتوح المستقبلية — يُغيّر تلك العلاقة. هل هذا خيار استراتيجي مؤقت أم تحول دائم سيحدد مكانة Meta في النظام البيئي للذكاء الاصطناعي للسنوات القادمة.
في الوقت الراهن، Muse Spark متاح لأي مستخدم لديه حساب Facebook أو Instagram على meta.ai. جرّبه. اختبر قدرات الاستدلال البصري. استكشف إمكاناته الصحية. وراقب هذا الفضاء — أعلنت Meta أن نماذج أكبر قيد التطوير فعلًا.
آخر تحديث: 9 أبريل 2026. يعكس هذا التحليل المعلومات المتاحة للعموم وقت النشر. قد تتغير درجات المعايير المرجعية والتوافر مع نضج النموذج.
الأسئلة الشائعة
ما هو Meta Muse Spark؟
كيف يقارن Muse Spark بـ GPT-5.4 وClaude Opus 4.6؟
هل Muse Spark مفتوح المصدر؟
ما هو وضع Contemplating؟
هل يمكنني استخدام Muse Spark عبر واجهة برمجية API؟
ماذا حدث لـ Meta Llama؟
من هو Alexandr Wang ولماذا يهم أمره؟
ما أبرز نقاط ضعف Muse Spark؟
هل Muse Spark آمن للاستخدام؟
متى سيكون Muse Spark متاحًا على WhatsApp وInstagram؟
أنشئ مقاطع فيديو مدعومة بالذكاء الاصطناعي مع FlowVideo
اختبر أحدث تقنيات توليد الفيديو بالذكاء الاصطناعي