يسجّل Muse حاليًا 47% على مؤشر Meta للذكاء الفائق الشخصي

أعلنت Meta AI Research في 6 نوفمبر 2026 أنها تطرح نسخًا متخصصة من النماذج التي تشغّل Muse وMeta AI، دُرّبت باستخدام Muse Wonder، وسجّل نموذج Muse الحالي 47% على مؤشره للذكاء الفائق الشخصي، مقابل 38% للنموذج السابق.

يجلب هذا التحديث ميزتَي الذاكرة النشطة والتركيز النشط إلى كلا المنتجين. والنماذج التي يجري طرحها نسخ متخصصة من أنظمة Meta الحالية، حُسّنت عبر Muse Wonder، وليست طرحًا لسلسلة Wonder نفسها. ويتيح هذا النهج لعدد أكبر من الأشخاص الاستفادة من القدرات التي قُدّمت مع Wonder، من خلال النماذج الحالية للمساعدين.

في إعلانها الصادر في 12 أكتوبر 2026، وصفت Meta نموذجي Muse Wonder وMuse Wonder Full بأنهما أكثر نماذجها قدرةً حتى الآن، وقالت إن Wonder سيشغّل أولًا تجارب Muse للمشتركين، قبل استخدامه لتطوير نماذج متخصصة لجميع مستخدمي Muse. ويشمل الطرح الجديد الآن كلا المنتجين، Muse وMeta AI، ضمن خطة النماذج المتخصصة هذه.

الذاكرة النشطة تنتقي السياق الملائم

تتيح الذاكرة النشطة للمساعدين الاحتفاظ بالمعلومات المهمة واسترجاعها عندما تصبح ذات صلة بمحادثة لاحقة. ويشمل التدريب التمييز بين المعلومات المؤقتة والدائمة، والاستدلال عبر الزمن، والتعرّف على ما إذا كانت التفاصيل لا تزال ذات صلة أو قد تقادمت. وهذا يجعل الذاكرة مسألة انتقاء وتوقيت: إذ يتعين على النموذج تحديد أي سياق سابق ينطبق الآن وأيٌّ منه لم يعد ذا صلة.

تفيد Meta بأن نماذج Muse المحسّنة قلّ فيها نسيان المعلومات المهمة لتحقيق أهداف المستخدمين بمقدار 2.4 مرة. ويُظهر تقييم الذاكرة النشطة أن النموذج الحالي يستخدم السياق المهم استخدامًا صحيحًا في 90% من المهام، مقارنةً بـ76% للنموذج السابق. وتعكس هذه الأرقام جانبين منفصلين من المشكلة: الاحتفاظ بالمعلومات اللازمة لتحقيق هدف، واستخدام ذلك السياق على نحو صحيح أثناء تنفيذ المهمة.

التركيز النشط يُبقي المهام قيد التنفيذ

يهدف التركيز النشط إلى إبقاء Muse متجهًا نحو هدفه عندما تعترض العملَ عقبة غير متوقعة. ودرّبت Meta النماذج على مجموعة متنوعة من العوائق المصممة لمحاكاة ظروف العالم الحقيقي، كي تتمكن من مواصلة العمل أو التعافي أو البحث عن بدائل للمستخدم. وفي Muse، تفيد Meta بتحسن بنسبة 67% في إنجاز المهام اليومية التي تطرأ خلالها مشكلات غير متوقعة.

وتتناول النماذج المتخصصة أيضًا كيفية عمل الوكيل مع شخص ما أثناء تنفيذ المهمة. فقد صُممت لتعدد المهام، والاختيار بين إحراز تقدم مستقل والتعاون المباشر، واستيعاب التوجيهات أو التوضيحات من دون أن يختلط عليها الأمر أو تفقد مسار المهمة. وهذا يربط المثابرة بسرعة الاستجابة: إذ يستطيع الوكيل مواصلة السعي إلى تحقيق الهدف، مع تغيير المسار عند تدخل المستخدم.

في Meta AI، يُراد من التحسينات نفسها أن تجعل المساعد شريكًا أفضل في التفكير والتعاون. ويمكنه تقسيم المشكلات المعقدة إلى خطوات واضحة، وطرح أسئلة متابعة أكثر دقة، ومواكبة المستخدم عندما يغيّر اتجاه المحادثة في منتصفها.

وبالنسبة إلى المستخدمين، يتمثل الاختبار العملي لهذا الطرح في استمرارية الأداء: هل يبقى السياق المفيد متاحًا رغم تغير الظروف، وهل يستأنف العمل بعد تجاوز العقبات، وهل يمكن استيعاب التصحيحات من دون إغفال الهدف؟ وتربط هذه السلوكيات النتائج التي أعلنتها Meta بالتعاون اليومي الذي تسعى إلى دعمه في Muse وMeta AI.