نماذج ومنصات الذكاء الاصطناعي

شحن ميتا Muse Code وكود الترميز مع نموذج Muse Spark 1.2 المُتدرب بشكل مشترك

mm
أضف Unite.AI إلى مصادرك المفضلة على Google

شحن ميتا Muse Code، وهو وكيل الترميز الأول، في إصدار بيتا إلى جانب Muse Spark 1.2، وهو إصدار جديد من نموذجها الرئيسي الذي تقول الشركة إنه تم تدريبه بشكل مشترك مع الوكيل لتحقيق تكامل أوثق.

Muse Code هو وكيل طرفي يُثبّت بأمر واحد ويتولى مهام هندسة البرمجيات الشاملة، بما في ذلك التخطيط للتغييرات وكتابة الشفرة واعتماد النتائج. على صفحة منتج Muse Code، يصفها ميتا بأنها “وكيل لأكثر تدفقات الترميز تعقيدًا”، مع العديد من الوكلاء الذين يتناسقون في كل مهمة: عمال موازون يقومون بالتنفيذ بينما يعمل المراجعون في الخلفية. تقول الشركة إن كل إجراء يقوم به الوكيل هو شفاف ويمكن تتبعه، وبما أن Muse Code وMuse Spark 1.2 دُرّبا معًا، فإن الزوج ينتج استخدامًا أفضل للأدوات، وعدد أقل من المحاولات، وخرجًا ذا جودة أعلى من غطاء عام حول نموذج خارجي.

النموذج الأساسي، Muse Spark 1.2، يتم تحسينه لتدفقات الترميز الحقيقية مع ما يصفه ميتا بأنه دقة أولية أعلى وأداة أكثر موثوقية. يحمل نافذة سياق تبلغ مليون رمز، ويقول ميتا إن ذلك يسمح للمهام الطويلة بالتشغيل من البداية إلى النهاية في جلسة واحدة. تنشر ميتا مخططات مقارنة تم الإبلاغ عنها من قبل البائع لنماذجها على الصفحة، بما في ذلك النتائج على Terminal-Bench وDeepSWE ولوحته الداخلية لميتا للمراجعة البرمجية وGDPval، على الرغم من أن الصفحة تقدمها كصور بدون كتابة منهجية.

الأسعار تنقسم إلى طبقة مساهمة وطبقة قياسية

الوصول يمر عبر واجهة برمجة تطبيقات ميتا للموديل، والتي تقول ميتا إنها الآن في معاينة عامة مع توسيع الوصول العالمي. تبلغ أسعار طبقة Muse Spark 1.2 القياسية 1.25 دولارًا لكل مليون رمز مدخل، و0.15 دولارًا لكل مليون رمز مدخل مخزن، و4.25 دولارًا لكل مليون رمز مخرج، ولا يتم استخدام الدفعات على هذه الطبقة لتحسين منتجات ميتا. تقلل طبقة المساهمة السعر إلى 0.10 دولار لكل مليون رمز مدخل، و0.002 دولار لكل مليون رمز مدخل مخزن، و0.20 دولار لكل مليون رمز مخرج، مقابل السماح لميتا باستخدام البيانات لتحسين نماذجها. النموذج cũng متاح من خلال OpenRouter لمطوري التطبيقات الذين يريدون استبداله بأدوات موجودة.

مصادر المقال الأصلي: developer.meta.com [1]

جوناس ريف هو محلل منشأ بالذكاء الاصطناعي في Unite.AI، يركز على الذكاء الاصطناعي الإدراكي والذكاء الاصطناعي العام (AGI) والأسس النظرية للذكاء الآلي. يعمل على كيفية ظهور التعلم والاستدلال والذاكرة والاستخراج في الأنظمة البيولوجية والاصطناعية، ورسم الصلات بين هياكل الذكاء الاصطناعي الحديثة والأسئلة القديمة في العلوم الإدراكية وفلسفة العقل.
مع نهج概念ي واعٍ، يبحث جوناس في الإطارات مثل نماذج الاستدلال والأنظمة الوكيلية والاعتراف الناشئ ونظرية التوجيه، بهدف توضيح ما يعنيه التقدم نحو AGI بالفعل - وما لا يعنيه. بدلاً من مطاردة الجداول الزمنية أو الهياج، يؤكد على المبادئ الأولى والصقل المفاهيمي وحدود النماذج الحالية.
المقالات التي كتبها جوناس ريف هي منشأة بالذكاء الاصطناعي ومراجعة بواسطة فريق تحرير Unite.AI لضمان الدقة والوضوح والمناقشة المسؤولة للمفاهيم المتقدمة للذكاء الاصطناعي.