بطاقة عنوان Muse Glimmer: نموذج وكيل مفتوح الأوزان من Meta بحجم 30B لوحدات معالجة الرسومات المحلية، مع شرائح تحمل نص Apache 2.0، يعمل على وحدات معالجة رسومات بسعة 24-32 جيجابايت، ومقطر من Muse Spark 1.2.
Guides & Insights

Muse Glimmer: ما الذي يحسمه التقرير التقني لـ Meta فعليًا بشأن الوكيل المحلي 30B

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

نشرت Meta التقرير التقني الخاص بـ Muse Glimmer في 19 أكتوبر 2026، بعد سبعين يومًا من إطلاق النموذج نفسه في 10 أغسطس. هذه الفجوة هي سبب أهمية الورقة أكثر من كونها مقالة توثيق روتينية: فهي أكثر وثيقة تفصيلًا نشرتها Meta عن النموذج حتى الآن — إذ تُظهر الحسابات الكامنة وراء الطرح الموجه لأجهزة المستهلكين، وتوضح أي صفوف المعايير شغّلتها Meta بنفسها وأيها استعارته من جهة أخرى. Muse Glimmer نموذج كثيف بثلاثين مليار معامل، برخصة Apache 2.0، يقبل النص والصورة، ومُقطّر من معلّم Meta الحدودي Muse Spark، وتُقارَن نتائجه عبر التقرير كله مع Gemma4-31B وQwen3.6-27B. كما يحدد التقرير تكلفة هذا التقطير على نحو سليم لأول مرة: ضغط 55.7GB من أوزان BF16 إلى 19.65GB كي يتسع النموذج اللغوي لبطاقة بسعة 32GB، مع قياس تكلفة الجودة بدلًا من الادعاء بها. إن إخفاقات الذكاء الاصطناعي الموثقة وحوادث الوكلاء الكامنة وراء إصدارات كهذا الإصدار مُجمّعة في OrcaRouter AI Incident Archive حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته وتصنيف ثقته وعلامة كونه محل نزاع.

الإفصاحان الواردان في الورقة أقل مجاملةً مما كانت عليه مدونة الإطلاق. الأول هو أن جدول القياسات خليط وليس استعراضًا من ميتا وحدها: فأربعة صفوف تأتي من Artificial Analysis، ورقمان لمنافسين هما تقريران ذاتيان من المنافسين أنفسهم، أما البقية فهي عمليات تشغيل داخلية من ميتا على إعدادات لا تزال ميتا تعترف بأنها لم تكن مضبوطة للمنافسين. والثاني هو أن التحقق الذي قالت هذه المقالة في الأصل إنه سيستغرق أسابيع قد حدث بالفعل. فقد قيّمت Artificial Analysis نموذج Muse Glimmer، وعلى مؤشرها الحالي يحتل النموذج درجة 17 — خلف Qwen3.6-27B عند 21، وأمام Gemma4-31B عند 15. وفي الوقت نفسه، فإن الوعد الذي قطعته ميتا إلى جانب الإطلاق، بأوزان مفتوحة لنموذج Muse Spark الأكبر بكثير، قد أُوفي به في 15 أكتوبر تحت اسم Muse Spark Open: إجمالي 816 مليار معامل مع 42 مليارًا نشطة، بموجب ترخيص ليس Apache 2.0.

ما يقوله التقرير بشأن ماهية النموذج في الواقع

أصبحت المعمارية الآن علنية وصولًا إلى أشكال الموترات، وهي تفسّر معظم السلوك الذي كان الناس يتجادلون بشأنه. يبلغ مجموع Muse Glimmer نحو 29.6B من المعلمات: قرابة 25.16B في 52 كتلة محوّل، و1.34B من تضمين الرموز غير المشترك، و1.34B من إسقاط الإخراج غير المشترك، ومشفّر إدراك منفصل بقيمة 1.8B — وهو ViT-G/14 ذو 50 طبقة بعرض 1536، مقسّم إلى رقع بحجم 14 بكسل مقابل شبكة مرجعية بحجم 448 بكسل. البعد المخفي هو 6,656. الانتباه من نوع الاستعلام المجمّع، بـ32 رأس استعلام مقابل رأسَي مفتاح وقيمة بنسبة 16:1، مع نافذة انزلاقية بحجم 2,048 رمزًا في نمط متكرر من ثلاث طبقات محلية ثم واحدة عالمية، ويُطبّق RoPE على الطبقات المحلية فقط. المفردات مؤلفة من 202,048 رمزًا وفق مُرمّز BPE الخاص بـ Llama 4، والسياق 128K+. تاريخ قطع المعرفة هو 4 يناير 2026.

ثمة رقمان في الورقة يستحقان اهتمامًا أكبر مما حظيا به يوم الإطلاق. الأول هو عدد اللغات: يقول الملخص إنها "أكثر من مئة لغة"، ويقول المتن إنها نحو 140، ويذكر الملحق نتيجة Omnilingual-GAIA2 قدرها 60.4 مقابل 37.5 لـ Gemma4-31B و45.0 لـ Qwen3.6-27B. وهذه فجوة كبيرة، وهي مثل كل شيء آخر في الجدول من تشغيل Meta نفسه. والثاني هو وصفة التدريب. التدريب المسبق هو تقطير باللوغيت من Muse Spark باستخدام أعلى 256 لوغيت لدى المعلم، مع تباين KL في أول 95% من التشغيل، ثم التحول إلى الإنتروبيا المتقاطعة على الأهداف الحقيقية في آخر 5% لتصحيح تحيز الاقتطاع الذي يُدخله تقطير top-k. ويوسّع التدريب المتوسط السياق من 32K إلى 128K ويحقن بيانات مسارات وكيلية؛ أما التدريب اللاحق فهو ضبط دقيق خاضع للإشراف، ثم تقطير على السياسة، ثم تعلم معزز متعدد الأهداف. وتصرّح Meta بوضوح بأن التقطير على السياسة تفوّق على وصفة تعلم معزز فقط بهذا الحجم — وهي نقطة بيانات مفيدة لأي شخص يدرّب نموذج وكيل صغيرًا خاصًا به.

لم يتغير موجز المنتج. بنت Meta نموذج Glimmer من أجل «سير عمل وكلاء محليين دائم التشغيل» — وكيلًا يستدعي الأدوات، ويتبع خططًا متعددة الخطوات، ويتعافى عند فشل استدعاء بدلًا من التوقف، ويمكنه رفع جهد الاستدلال أو خفضه. المهام المستهدفة هي المهام غير البراقة: البرمجة المحلية، واستدعاء الدوال، وإدارة الجداول الزمنية، وتنظيم الملفات، وتقييم LLM-as-a-judge. ويعمل ضمن أُطر تنسيق مثل OpenClaw، وهي التي تذكرها الورقة بالاسم كسببٍ لوجود طلب على مستدعي أدوات مدمجين وموثوقين من الأساس.

من أين تأتي أرقام ادعاء «يتّسع على وحدة معالجة الرسومات لديك»

هذا هو القسم الذي وُجد التقرير الفني ليحسمه، وهو يصمد أفضل مما فعلت المواد التسويقية. عند BF16 تشغل الأوزان 55.7GB. تستهدف Meta عمليات نشر بذاكرة سعة 24GB أو 32GB، مع حجز مساحة لذاكرة KV غير المكمَّمة، ومشفّر الإدراك، ومولّد المسودات DFlash، ولذلك تهدف إلى أوزان نموذج لغوي أقل من 20GB. وقد قيّمت سبعة مخططات تكميم بعد التدريب — GPTQ، وAWQ، وNVFP4 الموحّد، وMXFP8 الموحّد، وQ4_K_M من llama.cpp، ومتغيّر معايرة يُسمى Greedy-KL، وEvoPress المعدّل — مقابل اللوغاريتم السلبي للاحتمالية على بيانات محجوزة، ثم مقابل 15 معيارًا تطبيقيًا لاحقًا.

النتيجة هي ملفّا نشر مسمّيان بدلًا من ادعاء غامض واحد بأنه «4 بت». ملف 32GB هو EvoPress عند 19.65GB من الأوزان، وعبر الاختبارات المعيارية الـ15 يحقق في المتوسط 75.6% مقابل 75.7% لـBF16 — أي عُشر نقطة. أما ملف 24GB فهو Q4_K_M بحجم إشغال أصغر، ويحقق في المتوسط 74.8%، أي أقل بتسعة أعشار نقطة. ينتقل متوسط طول الاستجابة من 11,070 توكنًا عند BF16 إلى 11,417 عند EvoPress و10,774 عند Q4_K_M، لذا فإن القلق الشائع من أن التكميم العدواني يضخّم طول سلسلة التفكير لا يظهر هنا. تلك قياسات Meta على مزيج تقييم Meta؛ وهي أكثر أرقام الجودة مقابل الذاكرة ملموسيةً نشرها أي طرف لهذا النموذج، وما زالت مع ذلك أرقام المورّد.

السرعة هي الموضع الوحيد الذي تكون فيه الورقة البحثية أقل تفصيلًا من منشور المدونة. يذكر التقرير أن أوزان 4 بت إلى جانب فك التشفير التخميني تنتج "سرعات عملية على بطاقة RTX 5090 واحدة"، ويصف نموذج المسودة بالتفصيل — خمس طبقات، وحجم كتلة 16، و32 رأس استعلام و8 رؤوس مفتاح-قيمة، ومُدرَّب دون اتصال على تدحرجات وفق السياسة باستخدام هدف D-PACE — لكنه لا ينشر أي جدول إنتاجية. الأرقام المتداولة، وهي تسريع فك التشفير بنحو 3.1× على بطاقة RTX 5090 (من 74.9 إلى 233 رمزًا/ثانية في llama.cpp)، و1.8× على M5 Max و1.5× على M4 Max، تأتي من مواد إطلاق Meta وبطاقة النموذج، وليس من التقرير. تعامل معها على أنها أرقام معلنة من المورّد إلى أن يعيد أحد إنتاجها على جهازه الخاص، وهو بالنسبة لنموذج محلي تجربة سهلة حقًا يمكن تشغيلها.

لماذا يهم هذا الإصدار أكثر من مجرد ورقة المواصفات

منذ Llama 4 في ربيع 2025، التزمت Meta الصمت بشأن الأوزان المفتوحة، وأنكفأت إلى خط نماذج حدودية مملوك تحت مظلة Meta Superintelligence Labs. وكان Muse Glimmer هو العودة العلنية إلى تلك الاستراتيجية، وقد جاء مصحوبًا بمقال لزوكربيرغ من 14 صفحة بعنوان "The Future is for Everyone"، يُحاجّ بأن السيطرة المركزة هي الخطر الحقيقي للذكاء الاصطناعي، إضافة إلى صندوق بقيمة مليار دولار يحمل الاسم نفسه. لا تكرّر الورقة الخطاب السياسي؛ بل تفعل شيئًا أكثر فائدة، وهو أن تُظهر أن عودة الأوزان المفتوحة لم تكن لفتة عابرة.

في 15 أكتوبر، أصدرت Meta أوزان Muse Spark Open — 816 مليار معلمة إجمالية، و42 مليارًا نشطة، وسياق بطول مليون رمز، وهو وفقًا لـ Meta قادر على العمل على جهازي Apple M5 Ultra Mac Studio باستخدام MLX. هذا هو النظير مفتوح الأوزان للنموذج المعلّم، وهو يجيب عن السؤال الذي تركت هذه المقالة الإجابة عنه معلّقة في الأصل. وتأتي الإجابة مصحوبة بتحفظ: إذ يُطرح Muse Spark Open بموجب Muse Model License بشروط تجارية محدودة، لا بموجب Apache 2.0. ويظل Glimmer الأكثر تسامحًا بين الاثنين، وبسعة 30 مليارًا، هو الوحيد من بينهما الذي يتسع لذاكرة بطاقة رسومات استهلاكية واحدة. وتتمثل رؤية Meta نفسها في أن Spark Open هو النموذج بمستوى سطح المكتب للأشخاص الذين يملكون منظومة Mac Studio، بينما Glimmer هو النموذج المناسب لبطاقة بسعة 24GB.

جميع أرقام Spark Open الواردة أعلاه هي أرقام Meta، وعلى وجه الخصوص، لم يُعَد إنتاج الادعاء بأنها "تعمل على جهازَي Mac Studio" بشكل مستقل. أما ما لا جدال فيه فهو بنية التشكيلة: طراز وكيل 30B متساهل الترخيص، وطراز رائد 816B مقيّد، وطبقة API متقدمة تعلوهما. وهذه استراتيجية متماسكة للأوزان المفتوحة وليست إصدارًا واحدًا، وهي الأمر الذي ينبغي أخذه في الحسبان عند اتخاذ أي قرار بشأن البناء على طراز Meta الأصغر.

Three-way scoreboard comparing Muse Glimmer, Gemma4-31B and Qwen3.6-27B: MCP-Atlas 75.5/54.2/62.5, DeepSearch QA 74.6/61.7/71.1, GAIA2 43.3/36.4/40.0, SWE-Bench Pro 51.2/36.9/50.2, TerminalBench 2.1 51.7/--/60.7, and AA Intelligence Index --/39/46. Footer: rows 1-5 vendor-reported by Meta; AA Index per Artificial Analysis (no Muse Glimmer entry yet).

ادعاء "المدخّن"، صفًا صفًا

تم إنشاء لوحة النتائج أعلاه يوم الإصدار، وقد تجاوز الزمن منذ ذلك الحين سطرًا واحدًا فيها: فلا يزال عمود Artificial Analysis الخاص بها يعرض "لا إدخال" لـ Muse Glimmer. أما بطاقة التقييم الخاصة بـ Meta نفسها فتقارن Muse Glimmer بقوة استدلال عالية مع Gemma4-31B وQwen3.6-27B عبر ستة وثلاثين صفًا. والنمط نفسه من يوم الإطلاق لا يزال قائمًا: فأكبر المكاسب هي الاستدلال الوكيلي العام، والبحث، والأعمال متعددة اللغات.

• MCP-Atlas (استخدام الأدوات الوكيلة) — Muse Glimmer 75.5، Gemma4-31B 54.2، Qwen3.6-27B 62.5. لا يزال الصف الأبرز وأكبر فجوة في المجموعة.

• DeepSearch QA — 74.6 مقابل 61.7 و71.1؛ GAIA2 — 43.3 مقابل 36.4 و40.0؛ WildClawBench — 47.6 مقابل 37.6 و43.2.

• GDPval-AA v2 — 953 نقطة Elo مقابل 811 لـ Gemma و1,141 لـ Qwen. جدير بالوقوف عنده: في العمل المعرفي ذي القيمة الاقتصادية، تفوز Qwen بفارق كبير.

• SWE-Bench Pro — 51.2 مقابل 36.9 و50.2؛ ARC-AGI — 66.9 عند الاستدلال العالي، و67.9 عند المستوى الجديد xhigh الذي يضيفه التقرير؛ LiveCodeBench Pro (الربع الثاني 2025) — 64.1 عند المستوى العالي، و66.8 عند xhigh.

• τ³-Banking — 23.5 مقابل 15.1 و16.7؛ PinchBench (استخدام الأدوات) — 90.5.

الصفوف التي يخسر فيها لا تقلّ إفادة. فـ Qwen3.6-27B يتفوق في الاستخدام العملي للحاسوب وأعمال الطرفية: OSWorld-Verified 75.6 مقابل 65.9 لـ Glimmer، وTerminalBench 2.1 60.7 مقابل 51.7، وSWE-Bench Verified 77.2 مقابل 76.0، ويتقدم بفارق ضئيل على SkillsBench بنتيجة 46.6 مقابل 44.3. ويسجل Gemma4-31B سجلًا أفضل في الخصوصية والسلامة — معدل انتهاك CIMemories 12.1% مقابل 26.4% لـ Glimmer و53.4% لـ Qwen، وأدنى معدل نجاح للهجوم على Siren AgentDojo عند 25.6% مقابل 28.4% لـ Glimmer و40.3% لـ Qwen. كما يتفوق Gemma بفارق ضئيل في اختبارات الاستدلال الضيقة، GPQA Diamond عند 85.7 مقابل 83.5 وHumanity's Last Exam عند 23.6 مقابل 22.0.

ملحق المنهجية هو الجزء الذي يغيّر طريقة قراءتك لكل ما سبق، ويصحح ما قاله هذا المقال عند الإطلاق. ليست كل صفوف النتائج من ميتا نفسها. فبالنسبة إلى النماذج المنافسة، تذكر ميتا أنها تُبلّغ عن "أفضل نتيجة بين الدرجات المعلنة ذاتيًا أو عمليات إعادة الإنتاج الداخلية لدينا"، كما أن أربعة معايير — τ³-Banking وGDPval-AA v2 وTerminal-Bench 2.1 وSciCode — مصدرها Artificial Analysis بدلًا من تشغيلها داخليًا. أما رقم SWE-Bench Verified الخاص بـ Qwen3.6-27B فهو تقرير ذاتي من Qwen نفسها. ورقم SWE-Bench Pro الخاص بـ Qwen هو تشغيل داخلي من ميتا، لأن الرقم المنشور من Qwen جاء من نسخة منقّحة من المعيار بينما قيّمت ميتا مجموعة المهام الأصلية. أما بقية النتائج، فتعيد ميتا إنتاج نتائج المنافسين بنفسها وتقول إن أدواتها الوكيلة ومطالبات النظام الخاصة بها "قد لا تكون مضبوطة خصيصًا للنماذج المملوكة لأطراف ثالثة".

هذا إفصاح أكثر حرصًا مما قدّمته مدونة الإطلاق، وهو يعمل في الاتجاهين. فليس اكتساحًا نظيفًا لصالح المورّد، ما يعزّز مصداقية الجدول. لكن قاعدة «الأكثر تفضيلًا بين التقرير الذاتي وإعادة إنتاجنا» لا يمكن إلا أن تساعد المنافس في الصفوف التي يكون فيها رقم المنافس نفسه أعلى، كما أن تحفّظ Meta بشأن الإعداد غير المضبوط لا يزال ساريًا على كل صف أنتجته بنفسها. أصبحت التفاصيل على مستوى الصفوف قابلة للتدقيق الآن، وهذا هو المطلوب؛ أما اتجاه التحيز فلا يمكن معرفته بالكامل من الورقة.

ماذا تقول لوحة النتائج المستقلة

أصدرت Artificial Analysis الآن تقييمًا للنموذج، وهو ما يُلغي تحفّظ «لا توجد نتيجة مستقلة بعد» الذي رافق هذا المقال طوال أغسطس. وفق مؤشر AA الحالي، يحمل Muse Glimmer عند قوة استدلال عالية مؤشر Intelligence Index قدره 17، ويحتل المرتبة 14 من 141 نموذجًا في مجموعة المقارنة الخاصة به. يحل Qwen3.6-27B في المرتبة 21 وGemma4-31B في المرتبة 15. كما تقيس AA 137 رمز إخراج/ثانية مع زمن 0.91 ثانية للرمز الأول — سريع لفئته، ويحتل المرتبة 16 من 64 — وتكلفة نحو 0.06 دولار لكل مهمة من مهام Intelligence Index.

تحتاج المستويات إلى تحفّظ، أما الترتيب فلا يحتاج إليه. فقد وضعت تدوينة AA المنشورة في أسبوع الإطلاق النماذج الثلاثة نفسها عند 35 و38 و30 على مؤشرها؛ بينما تضعها صفحات النماذج الحالية عند 17 و21 و15. تحرّكت الأرقام المطلقة، لكن الترتيب لم يتحرك. وأيًّا كان سبب إعادة القياس، فإن الثابت في القراءتين هو الترتيب: Qwen متقدّم على Glimmer في الإجمالي المجمّع، وGlimmer متقدّم على Gemma، وGlimmer متقدّم في الصفوف الخاصة بالقدرات الوكيلية. وهذا يدعم ادعاءً أضيق من «يتقدّم على نماذج مفتوحة مماثلة في الحجم» — فعلى مؤشر ذكاء عام، لا يزال نموذج بحجم 27B من أبريل يتفوّق — والادعاء الأضيق هو الدقيق.

أضاف تقييم AA في أسبوع الإطلاق نتيجةً تستحق أن تُستصحب: معدل هلوسة بلغ 82% لدى Muse Glimmer مقابل 49% لدى Qwen3.6-27B، مع مؤشر AA-Omniscience قدره −33. وبالنسبة لوكيل يعمل دون إشراف على جهازك ويستدعي الأدوات، فإن هذا هو الرقم الذي ينبغي أن يحدد مقدار الاستقلالية التي تمنحها له، أكثر مما يفعله MCP-Atlas. كما أن AA باتت الآن تعدّ Qwen3.6-27B متقادمًا لصالح Qwen3.8-27B، لذا فإن المنافس الذي تُقارَن به Glimmer في معظم هذا الجدول لم يعد الطراز الحالي لمورّده — وهو تفصيل لم يكن بمقدور مقارنة Meta أن تتوقعه في أغسطس، ولا يعالجه التقرير المنشور في أكتوبر.

اللقطة أدناه هي صفحة المقارنة كما كانت قبل تسجيل نتيجة Glimmer، ولهذا تُظهر مجموعة المشاركين التي كان Glimmer يدخلها بدلًا من ظهور Glimmer ضمنها. اقرأها كخط أساس قبل التحقق، لا كترتيب حالي.

Screenshot of Artificial Analysis' Small Open Source Models comparison page, showing the 4B-40B open-weight class with Openness and Intelligence index columns and the header noting that Qwen3.6-27B and Qwen3.5-27B are the highest-intelligence small open-source models.

ما هي التكلفة الفعلية للتشغيل

Muse Glimmer نفسه مجاني — Apache 2.0، بلا رسوم لكل رمز، وبلا أي دفعة إلى Meta، ويؤكد التقرير أن الإصدار يتضمن أوزانًا كاملة الدقة، ومتغيرات 4 بت، ورأس التخمين DFlash. أما التكلفة فهي في العتاد الذي يعمل عليه. يحتاج BF16 إلى 55.7GB، أي بطاقتين، أو لا تلائمه أي من البطاقات الاستهلاكية. وملف تعريف EvoPress بسعة 32GB هو الذي تريده إذا كنت تشتري: إذ يكلف عُشر نقطة مئوية من متوسط الدقة مقارنةً بـ BF16، ويناسب بطاقة واحدة بسعة 32GB أو جهاز Mac عالي الفئة بذاكرة موحّدة. ويكلف ملف تعريف Q4_K_M بسعة 24GB تسعة أعشار نقطة مئوية، ويناسب بطاقة من فئة RTX 5090، وهي مقايضة معقولة لوكيل يعمل باستمرار.

إذا كنت تفضّل الاستئجار على الشراء، فإن السعر المستضاف المتتبَّع الآن أقل من السعر الذي اقتبسته هذه الصفحة في أغسطس. يسجّل Artificial Analysis ‏0.30 دولار لكل مليون رمز إدخال و1.20 دولار لكل مليون رمز إخراج لـ Muse Glimmer، مقابل 0.35 دولار و1.50 دولار التي حملتها أولى القوائم عند الإطلاق، مع خصم تخزين مؤقت بنسبة 87% ومعدّل مدمج قرب 0.21 دولار. هذه أسعار سوق مدرجة من المزوّد وليست سعرًا من Meta — فـ Meta لا تنشر نقطة نهاية Glimmer مستضافة خاصة بها، وتوثيق المطورين لديها مكتوب حول توجيه أدواتك إلى خادم Muse Glimmer محلي. أما ما إذا كانت هذه الحركة تخفيضًا من المزوّد نفسه أم انضمام مزوّد أرخص إلى المجموعة المتتبَّعة، فليس مما يُظهره المؤشر؛ وعلى أي حال فإن الاتجاه بالنسبة لإصدار مفتوح الأوزان متوقّع.

المقارنة التي تستحق أن تُجرى بعناية لا تزال بين المحلي والمستضاف، وهي ليست متقاربة بالطريقة التي يوحي بها التسويق. فبطاقة بسعة 32GB تكلفة ثابتة تُوزَّع تكلفتها على كل رمز تولّده على الإطلاق؛ أما السعر المستضاف فهو تكلفة حدية تتزايد مع حجم الاستخدام وتزول إذا زال المزوّد. وعند 0.30 دولار و1.20 دولار، يكون المسار المستضاف رخيصًا بما يكفي لتبدأ به معظم الفرق قبل شراء العتاد، ولا يتفوق المسار المحلي إلا عندما تكون الرموز غير قادرة على مغادرة الجهاز أو عندما يكون حجم الاستخدام مرتفعًا بما يكفي ليكون GPU أرخص من فاتورة.

ملاحظة واحدة عنا، لأنها تمس كيفية تسعيرك لأي من هذا. Muse Glimmer ليس ضمن كتالوج OrcaRouter — نحن نوجّه واجهات APIs المستضافة، ولم يُطرح النموذج بعد كمسار مستضاف، لذا فإن هامش الربح 0% وترتيب المفتاح الواحد لكل شيء لا ينطبقان عليه اليوم. ما ينطبق هو الانضباط: فبالنسبة إلى أكثر من 200 نموذج نوجّهها، السعر المعروض هو سعر قائمة المزوّد ويُمرَّر بهامش ربح 0%، لذا فإن أي تخفيض سعر من البائع يسري هنا في اليوم نفسه بدلًا من أن ينتظر إعادة حساب الهامش. هذا هو المعيار الذي ينبغي أن تُقاس به هذه المقارنة، بأي طريقة تشغّل بها Glimmer.

كيف ستستخدمه فعليًا هذا الأسبوع

نظرًا لأنه يُشحن بأوزان مفتوحة، فإن الوصول إليه يتم عبر التنزيل. المستودع الأساسي هو meta-models/Muse-Glimmer-30B على Hugging Face، مع نشر المتغيرات رباعية البت ونسخة GGUF إلى جانبه. كان دعم بيئات التشغيل في اليوم الأول عبر llama.cpp وMLX وExecuTorch؛ ثم لحقت Ollama وLM Studio وvLLM وSGLang خلال أيام، مع إدراج أعمال تحسين العتاد لـ AMD وArm وDell وIntel وNvidia. المسار العملي لمعظم الناس لم يتغير: اسحب ملف GGUF، وحمّله في llama.cpp أو مشغّل محلي، ووجّه هيكل وكيل نحوه، وابدأ بملف تعريف 24GB Q4_K_M ما لم يكن لديك 32GB فائضة لنسخة EvoPress.

إذا كنت تقرر ما إذا كنت ستبني عليه، فالصياغة الصادقة هي أن Glimmer وكيل محلي جيد له حدّ أدنى موثّق للجودة، ومشكلة هلوسة مقيسة، وجدول قياسات مرجعية من المورّد أصبح الآن قابلاً للتدقيق جزئياً. أما المعلّم فهو أمر مختلف: يمكن توجيه Muse Spark 1.2 عبر OrcaRouter بسعر $1.25 لكل مليون إدخال و$4.25 لكل مليون إخراج، بحيث يمكن لفريق تشغيل النموذج الصغير على الجهاز للأعمال الرخيصة والخاصة والدائمة، وتوجيه الحالات الصعبة إلى النموذج الكبير عبر المفتاح نفسه. هذا التقسيم — طالب محلي للحلقة الروتينية، ومعلّم مستضاف للتصعيد — هو البنية التي يدعمها الإصداران فعلاً، ويمكن اختباره هذا الأسبوع بثمن وحدة معالجة رسومات قد تملكها بالفعل بالإضافة إلى ميزانية رموز. إن التحويل التلقائي عند الفشل هو ما يجعل النصف المستضاف آمناً لوضعه على مسار إنتاجي بينما لا يزال النموذج يبني سجلاً مستقلاً، وهو بالضبط الوضع الذي يوجد فيه Glimmer.

لقطة الشاشة أدناه هي بطاقة النموذج كما ظهرت يوم الإصدار. ويشير سطرها «غير منشور من قِبل أي مزوّد استدلال» إلى الاستدلال الخاص بالطرف الأول لدى Hugging Face، وهو أمر منفصل عن الاستضافة من طرف ثالث التي بدأت في 9 أغسطس، وهو تذكير مفيد بمدى سرعة تقادم ذلك السطر.

Screenshot of the Hugging Face model card for meta-models/Muse-Glimmer-30B, showing the Apache 2.0 license, 30B parameter size, Meta Superintelligence Lab authorship, and the line that the model is not deployed by any inference provider.

ماذا تشاهد

الأمور الثلاثة التي كانت ستحسم هذه القصة قد حُسمت في الغالب. صدر إصدار Spark المفتوح الأوزان في 15 أكتوبر. أُجري قياس مستقل، وقال إن Qwen متقدم في الإجمالي، وGlimmer متقدم في القدرات الوكيلية، وGemma متخلف عن كلليهما. انتشرت الاستضافة، والسعر المتتبَّع الآن $0.30 و$1.20 بدلًا من $0.35 و$1.50.

ما يتبقى أضيق وأكثر إثارة للاهتمام. أولاً، ما إذا كان أي شخص خارج Meta يعيد إنتاج مقايضة التكميم — ففجوتا 0.1 نقطة و0.9 نقطة هما أقوى جزء في التقرير وأسهله فحصًا على بطاقة بسعة 24GB. ثانياً، ما إذا كان التفوق الوكيلي يصمد أمام إطار اختبار لم يُبنَ حول النموذج؛ ونتيجة MCP-Atlas البالغة 75.5 هي الرقم الذي يجب تجاوزه، وهي الأكثر عرضة للاختلافات في البنية الداعمة. ثالثاً، ما إذا كان الإصدار الصغير التالي من Meta يرث رخصة Apache 2.0 أم رخصة Muse Model License المقيّدة التي صدر بموجبها Spark Open — وهذا الاختيار وحده يحدد ما إذا كان خط Glimmer سيظل صالحًا للاستخدام كأساس لمنتجات الآخرين.

كانت تغريدة الإطلاق محقة بشأن الخبر وسخية في حكمها. وما يضيفه التقرير التقني هو الجزء الذي كان غائبًا في أغسطس: يمكنك الآن أن ترى ما الذي جرى قياسه، وعلى أي عتاد، وعلى يد مَن، وبأي ثمن على صعيد الجودة. ذلك أساس أفضل لاتخاذ قرار من جدول القياسات المرجعية أو التغريدة على حد سواء، وهو السبب في أن هذا النموذج لا يزال يستحق التخطيط على أساسه لا مجرد القراءة عنه.

أسئلة تستحق الإجابة فعلاً

هل Muse Glimmer مفتوح المصدر حقًا؟

إنها أوزان مفتوحة بموجب Apache 2.0 — يمكن لأي شخص تنزيلها وتعديلها وضبطها الدقيق ونشرها تجاريًا دون دفع أي مبلغ إلى Meta. ويؤكد التقرير أيضًا ما تغطيه الرخصة فعليًا: فقد صدرت أوزان كاملة الدقة، ونسختان بدقة 4 بت، ورأس المُسوِّد DFlash جميعها. أما ما لم يُصدر فهو بيانات التدريب وأوزان معلّم Muse Spark، ولهذا فإن عبارة «الأوزان المفتوحة» هي العبارة الحذرة بدلًا من كونها مفتوحة المصدر بالكامل بالمعنى الذي تعتمده OSI. وعمليًا، فإن الصفقة هي ذاتها التي جعلت Llama أكثر عائلة مفتوحة انتشارًا في مجال الذكاء الاصطناعي.

هل يتفوق Muse Glimmer فعليًا على Gemma4-31B و Qwen3.6-27B؟

في جدول ميتا الخاص، يتفوق في معظم صفوف المهام الوكيلية والبحث، ويُظهر ملحق المنهجية الآن أيًّا من تلك الصفوف كانت عمليات تشغيل من ميتا وأيّها جاء من Artificial Analysis أو من تقارير المنافسين أنفسهم. أما القراءة المستقلة فهي أضيق نطاقًا: على مؤشر الذكاء لدى AA، يسجل Qwen3.6-27B النتيجة 21 وMuse Glimmer النتيجة 17، بينما يأتي Gemma4-31B عند 15. لذا فإن العبارة الدقيقة هي أن Glimmer يتصدر فئته الحجمية في استخدام الأدوات، والتخطيط متعدد الخطوات، والعمل الوكيلي متعدد اللغات، ولا يتصدرها في الذكاء العام الإجمالي أو في مهام استخدام الحاسوب.

هل يمكنني تشغيله على جهاز كمبيوتر محمول؟

فقط إذا كان المقصود بـ"laptop" جهازًا مزوّدًا ببطاقة رسومات منفصلة بسعة 24GB أو 32GB، أو جهاز Mac عالي الأداء بذاكرة موحّدة بهذا الحجم. يضع التقرير أوزان BF16 عند 55.7GB، ويستهدف ملفّي إعداد مضغوطين: 19.65GB من الأوزان لجهاز بسعة 32GB، ونسخة Q4_K_M أصغر لجهاز بسعة 24GB، مع ترك مساحة احتياطية في كلتيهما لـ KV cache ومشفّر الإدراك والمسوّد. على الرسومات المدمجة أو جهاز بسعة 16GB، ستكون أمام تكميم أثقل ومخرجات بطيئة بدلًا من الوكيل الذي يعمل دائمًا والذي صُمم الإصدار حوله.

من أين أحصل عليه، وهل هو متاح عبر API؟

الأوزان متاحة على Hugging Face على المسار meta-models/Muse-Glimmer-30B، ويمكنك تشغيلها محليًا عبر llama.cpp أو MLX أو ExecuTorch أو Ollama أو LM Studio. ويتوفّر الوصول المستضاف عبر منصات طرف ثالث بنحو 0.30 دولار لكل مليون رمز إدخال و1.20 دولار لكل مليون رمز إخراج، وفقًا لتسعير المزوّدين الذي يتتبّعه Artificial Analysis. ولا تنشر Meta أي نقطة نهاية مستضافة خاصة بها لـGlimmer، والنموذج غير متاح على OrcaRouter — وإذا ما أُتيح كمسار مستضاف، فسيصله المفتاح نفسه الذي يصل إلى أكثر من 200 نموذج نوجّهها، لكن هذا لا ينطبق اليوم.

مقارنات في هذه المقالة1

مستخرج من هذه المقالة · المعايير: Artificial Analysis · يُحدَّث يوميًا