نماذج ومنصات الذكاء الاصطناعي
تُطلق Meta نموذج Muse Ember بتكلفة أقل لإنجاز مهام الوكلاء والبرمجة
أضف Unite.AI إلى مصادرك المفضلة على Google
قدّمت Meta AI Research Muse Ember في 9 نوفمبر 2026، ووصفتْه بأنه أصغر نماذج الشركة وأكثرها كفاءة في الأعمال المتكررة الخاصة بالوكلاء والبرمجة. وأصبح متاحًا في اليوم نفسه عبر Muse Code وMeta Model API، بسعر 0.10 دولار لكل مليون رمز إدخال و0.50 دولار لكل مليون رمز إخراج.
تستهدف هذه المهام الطبقة المتكررة من أنشطة الوكلاء، مثل استدعاء الأدوات، والمهام البرمجية الفرعية، وتوجيه الطلبات، واستخراج المعلومات، وتحليل المستندات الطويلة. وتقول Meta إن الوكلاء يستهلكون معظم رموزهم في هذه الخطوات الصغيرة والمنظّمة. ويمكن لـ Ember استرجاع السجلات واستدعاء الأدوات بالتتابع وتحديث الأنظمة عبر التطبيقات، ما يتيح له تنفيذ سير عمل تجاري من البداية إلى النهاية.
الأسعار وأدوار عائلة Muse
تبلغ تكلفة رموز الإدخال المخزّنة مؤقتًا 0.004 دولار لكل مليون رمز. ويُتاح النموذج باسم muse-ember-1.0 ويدعم واجهة Responses API. وتقول Meta إن نافذة السياق البالغة مليون رمز تتيح إدراج قاعدة شيفرة كاملة أو مجموعة مستندات في استدعاء واحد، فيما يدعم النموذج مخرجات تصل إلى 512 ألف رمز.
تُبرز مقارنة Meta مع Muse Spark 1.3 المفاضلة بين النموذجين: يسجل Ember 36 نقطة على مؤشر الذكاء Artificial Analysis Intelligence Index، مقابل 37 نقطة لـ Spark 1.3، فيما تبلغ التكاليف المدرجة لكل مهمة من مهام Artificial Analysis ما قيمته 0.14 دولار و2.39 دولار على التوالي. وEmber هو أيضًا أول نموذج دُرّب باستخدام Muse Wonder Full. وتتمثل القسمة التي تستهدفها Meta في أن يتولى Wonder تخطيط أصعب المسائل، وأن يعالج Spark مهام البرمجة وسير العمل المعتمد على الوكلاء، وأن ينفّذ Ember نسخًا قابلة للتكرار من تلك المهام على نطاق واسع.
نتائج تقييم أداء الوكلاء والبرمجة
تقول Meta إن Ember يضاهي أفضل نتيجة حققها Claude Haiku 5.5 على مؤشر Intelligence Index، بتكلفة لكل مهمة تبلغ نحو ثلث تكلفته، ويتفوق على GPT-6 Luna في جميع إعدادات الاستدلال. ولا يحقق أي نموذج في لوحة الصدارة الكاملة لـ Artificial Analysis نتيجة أعلى بتكلفة أقل لكل مهمة. وتستند تكاليف Ember في هذه المقارنة إلى تقديرات محسوبة وفق الأسعار المعلنة من Meta.
تُبلغ Meta عن نتائج التقييم التالية عند الحد الأقصى للاستدلال:
| التقييم | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| AutomationBench-AA، سير العمل التجاري | 37.8% | 13.9% | 20.2% |
| Agents’ Last Exam، مجموعة Linux الفرعية | 61.6% | 57.0% | 57.1% |
| Terminal-Bench 4.0 | 40.9% | 39.2% | 16.4% |
| Coding Agent Index-AA | 46 | 37 | 31 |
| FrontierCode 2.0-AA | 27.2% | 34.9% | 25.2% |
| OSWorld 2.1، رصيد جزئي | 69.5% | 68.9% | 50.5% |
استخدم AutomationBench-AA معيار تقييم صارمًا pass@1، ووُضع كل نموذج في أفضل بيئة اختبار منشورة له على Terminal-Bench. أما Agents’ Last Exam وOSWorld فكانا تقييمين داخليين لدى Meta. وتضع نتيجة Haiku في FrontierCode حدودًا للطرح الأوسع بشأن قدرات البرمجة: إذ يقيّم هذا المعيار مهام هندسية حقيقية وفق إمكانية دمجها، ويتصدره Haiku.
يعالج Ember أيضًا النصوص والصور والصوت والفيديو معالجةً أصلية. وبذلك يستطيع الوكيل العمل انطلاقًا من لقطات الشاشة والرسوم البيانية والمستندات الممسوحة ضوئيًا والمذكرات الصوتية وتسجيلات الاجتماعات أو مقاطع الفيديو، من دون استدعاء نموذج منفصل. وتوسّع هذه المدخلات نطاق تنفيذ المهام ليشمل استخدام الحاسوب المكتبي والتعامل مع المستندات الغنية بالتفاصيل المرئية، إلى جانب البرمجة المعتمدة على النصوص.
السلامة والاختبارات الأولية لدى الشركاء
قيّمت Meta نموذج Ember ضمن إطارها Superintelligence Scaling Framework، من حيث مخاطر الكيمياء والأحياء والأمن السيبراني وفقدان السيطرة. وتفيد الشركة بأن النموذج ظل دون عتبات المخاطر العالية في الإطار عبر الفئات التي خضعت للتقييم، وتلقى التدريب الأساسي نفسه على السلامة والاختبارات ذاتها. وشملت تقييمات سلوك الوكيل احترام نوايا المستخدم، والتعامل مع المعلومات الحساسة، ومقاومة التعليمات المخفية في صفحات الويب أو المستندات أو مخرجات الأدوات، وطلب مدخلات بشرية قبل تنفيذ إجراءات ذات تأثير كبير.
كما نشرت Meta إفادات عن الاختبارات الأولية من Cloudflare وYou.com. وقال Dane Knecht، المدير التقني في Cloudflare، إن Ember كان أسرع بنسبة تصل إلى 30% في زمن الاستجابة الطرفي مقارنةً بالنموذج المماثل الذي اختبرته شركته، وإنه تعامل جيدًا مع التحقيقات التي شملت مستودعات متعددة. وأفاد Chak Pothina، مسؤول الاستدلال في You.com، بأن زمن الاستجابة عند المئين الخامس والتسعين بلغ 2.2 ثانية، وأن Ember أتمّ كل مهمة برمجية بأقل زمن استجابة بين النماذج المختبرة. وأضاف Pothina أن Ember أنتج رموز إخراج أقل بنسبة تتراوح بين 36 و48% خلال تلك الاختبارات.
يوفر Ember للمطورين طبقة تنفيذ أقل تكلفة يمكن وضعها أسفل طبقة التخطيط في Muse Wonder، بما يقلل عدد الاستدعاءات المتكررة المرسلة إلى نموذج أعلى تكلفة. وتدعم أرقام Meta هذا التقسيم للعمل، بينما تكشف نتيجة FrontierCode عن حدوده: فالكفاءة والنتائج القوية في تقييمات الوكلاء لا تضمنان التفوق في كل مهمة هندسية.
