Muse Glimmer: نموذج وكيل مفتوح الأوزان من Meta بحجم 30 مليار معلمة يدّعي التفوق على Gemma4-31B و Qwen3.6-27B

قال منشور على منصة X صباح 10 أغسطس 2026 الأمر بصراحة أكبر من أي بيان صحفي: "الميتا المقدسة عادت." البيان الذي كان يرد عليه ذلك المنشور — Muse Glimmer، أول نموذج مفتوح الأوزان من ميتا منذ Llama 4 — صدر في اليوم نفسه، وإعلان ميتا نفسه شبه عدواني مثل التغريدة. ويزعم جدول معايير النموذج ذي الـ30 مليار معلمة أنه يتفوق على Gemma4-31B من Go​ogle في 19 من 24 صفًا، وعلى Qwen3.6-27B من Alibaba في 14 من 24، يتصدره معيار العوامل MCP-Atlas، حيث ترصد ميتا 75.5 مقابل 54.2 و62.5 على التوالي.

قبل أن تتحوّل كلمة «أُحرِق» إلى حقيقة في ذهنك، انتبه إلى مَن أنتج تلك الأرقام. كل نتيجة في جدول Meta أُجريت من قِبل Meta، ضد نماذج منافسة أقرّت Meta نفسها بأنها لم تضبط إعداداتها. لم يُدرَج Muse Glimmer بعد على منصة Artificial Analysis، لوحة الصدارة المستقلة التي تتعقّب فعلًا هذه الفئة الحجمية تحديدًا — حيث يحمل Qwen3.6-27B حاليًا مؤشر ذكاء يبلغ 46، بينما يستقر Gemma4-31B عند 39. إذن نحن أمام قصتين في آنٍ واحد: إصدار مفتوح الأوزان من Meta له وقع حقيقي، وادعاء حول نتائج الاختبارات المعيارية سيستغرق أسابيع للتحقق منه. وهذا المقال يُبقيهما منفصلين.

ما هو Muse Glimmer في الحقيقة

ميوز غليمر هو نموذج كثيف متعدد الوسائط بحجم 30 مليار معامل — يقبل نصًا وصورًا عبر مُرمِّز إدراك مخصص — تم تدريبه على أكثر من 100 لغة وأُصدر بموجب ترخيص Apache 2.0 المسموح. أوزانه متاحة على Hugging Face في meta-models/Muse-Glimmer-30B. وهو نسخة مقطّرة من النموذج الرائد الاحتكاري الأكبر لشركة Meta، وهو Muse Spark 1.2، وتُظهر وصفة التدريب ذلك: تقطير اللوغاريتمات من المعلم في مرحلة ما قبل التدريب، وتدريب متوسط على بيانات أطول سياقًا وكثيفة الوكلاء، ثم ضبط دقيق خاضع للإشراف مقترن بتقطير على السياسة والتعلم المعزز.

الموجز التعريفي للمنتج محدد بقدر التكنولوجيا نفسها. طوّرت Meta منصة Glimmer لـ"سير عمل الوكلاء المحليين الدائمين" — وكيل يعيش على جهازك ويمكنه استدعاء الأدوات، واتباع خطط متعددة الخطوات، والتعافي عندما يفشل استدعاء الأداة بدلاً من التوقف، وضبط درجة التفكير صعودًا أو هبوطًا. المهام المقصودة هي غير البرّاقة: البرمجة المحلية، استدعاء الدوال، إدارة الجدول، تنظيم الملفات، تقييم نموذج اللغة كحَكَم. إنه متوافق مع أطر تنسيق الوكلاء مثل OpenClaw، وهي الطريقة التي سيشغّلها بها الكثيرون فعليًا.

قصة العتاد هي النصف الآخر من العرض التقديمي. عند الدقة الكاملة، يحتاج نموذج 30B إلى أكثر من 55GB من الذاكرة؛ ويقلص التكميم التقريبي رباعي البت من Meta ذلك إلى حوالي 17–20GB، وهو ما يناسب بطاقة استهلاكية بسعة 24GB أو 32GB (حيث يُعتبر RTX 5090 مرجعًا) وأجهزة Mac المتطورة ذات الذاكرة الموحّدة. يعمل نموذج التخمين والتسريع — وهو نموذج مصاحب صغير تسميه Meta "DFlash" — على تسريع التوليد: إذ تبلغ Meta حوالي 3.1x على RTX 5090 (من 74.9 إلى 233 رمزًا/ثانية في llama.cpp)، و1.8x على M5 Max، و1.5x على M4 Max، حيث تكون الذاكرة الموحّدة أقل تقييدًا بعرض النطاق أصلًا.

لماذا يهم هذا الإصدار أكثر من مجرد ورقة المواصفات

لقد أصابت التغريدة في وصفها للأمر. منذ إصدار Llama 4 في ربيع 2025، التزمت Meta الصمت بشأن الأوزان المفتوحة، متراجعةً إلى خطّ النماذج الحدودية المملوكة تحت إشراف Meta Superintelligence Labs وكبير مسؤولي الذكاء الاصطناعي Alexandr Wang. ويُمثّل Muse Glimmer العودة العلنية إلى استراتيجية الأوزان المفتوحة التي جعلت من Llama العائلة الأكثر تحميلًا في مجال الذكاء الاصطناعي — وقد وصل متوّجًا بأقوى إشارة نيّة حتى الآن: نشر زوكربيرغ مقالًا من 14 صفحة بعنوان "المستقبل للجميع" بالتزامن مع الإطلاق، جادل فيه بأن الخطر الحقيقي للذكاء الاصطناعي يكمن في تركيز السيطرة، وأن الأوزان المفتوحة هي الطريقة التي تحافظ بها أمريكا على قدرتها التنافسية مع مختبرات النماذج المفتوحة في الصين. ودعا إلى تخفيف اللوائح الأمريكية المتعلقة بالذكاء الاصطناعي مفتوح المصدر، وأعلنت Meta عن صندوق "المستقبل للجميع" بمليار دولار. كما قالت Meta إنها تخطط لإصدار أوزان النموذج الأكبر بكثير Muse Spark 1.2 "في الأسابيع المقبلة".

ذلك السياق يغيّر طريقة قراءتك لجدول المعايير. ليس هذا مجرد فضول من مختبر أبحاث يُطرح بهدوء؛ بل هو بيان استراتيجي يرافقه نموذج. جلِمر هو موضع «الوكيل المحلي الرخيص» في تشكيلة ميتا، وهو يقوّض عمدًا الحجة القائلة إن العمل الجاد القائم على الوكلاء يتطلب واجهة برمجة تطبيقات سحابية. وما إذا كان يحقق ذلك فعليًا هو بالضبط ما يدور حوله سؤال التحقق.

ادعاء "المدخّن"، صفًا صفًا

جدول ميتا يقارن Muse Glimmer مع Gemma4-31B و Qwen3.6-27B عبر 24 صفًا من المعايير. حيث يدّعي أكبر المكاسب، يكون النمط متسقًا: الاستدلال الوكيلي العام والبحث.

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

• DeepSearch QA — 74.6 مقابل 61.7 و71.1.

• GAIA2 (المساعد العام) — 43.3 مقابل 36.4 و40.0.

• WildClawBench (مجموعة agentic) — 47.6 مقابل 37.6 و43.2.

• SWE-Bench Pro — 51.2 مقابل 36.9 و50.2. لاحظ الرقم الثالث: 50.2 هو قياس Meta الخاص لـ Qwen3.6-27B، بينما الرقم المنشور من Alibaba هو 53.5. نفس النموذج، درجتان مختلفتان اعتمادًا على من شغّله.

• AIME 2026 — 94.7، IFBench 77.0، وAA-LCR 80.0 مقابل 68.3 لـGe​mma.

هذا صف قوي. لكن الجدول ليس اكتساحًا كاملًا، والصفوف التي يخسر فيها Muse Glimmer مفيدة بقدر الصفوف التي يفوز فيها. يحافظ Qwen3.6-27B على تفوقه في الاستخدام العملي للحاسوب والأعمال المعتمدة على الطرفية: سجل 77.2 في SWE-Bench Verified مقابل 76.0 لـGlimmer، و75.6 في OSWorld-Verified مقابل 65.9، و60.7 في TerminalBench 2.1 مقابل 51.7، إضافةً إلى تفوق ثابت في الاختبارات متعددة الوسائط مثل ScreenSpot Pro وOmniDocBench وMMMU-Pro. أما Gemma4-31B، فتعرض سجل أمان أفضل في المقياسين اللذين أوردتهما Meta — أدنى معدل انتهاك في CI Memories وأدنى معدل نجاح للهجمات في Siren AgentDojo — وتتفوق بفارق ضئيل في اختبارات التفكير الدقيقة (GPQA Diamond وHumanity's Last Exam).

لو قرأنا الأمر مباشرة، فإن ادعاء Meta هو أنه "يتفوق على الاثنين الآخرين في معظم معايير الوكلاء"، وهذا صحيح تقريبًا على جدوله الخاص. التحفظات هي جوهر الأمر. لقد نفذت Meta كل صف بنفسها واعترفت بأن إعدادات الاختبار للنماذج المنافسة لم تكن مضبوطة بالطريقة التي ضُبط بها إعدادها الخاص. هذا ليس اتهامًا بالاحتيال — فالإعدادات غير المضبوطة للنماذج المنافسة خطيئة روتينية، بل ومتوقعة، في هذه الصناعة — لكنه بالضبط السبب الذي يجعل الجداول التي يعدّها البائعون تخضع لتأكيد مستقل. إن التباين في Q​wen SWE-Bench Pro أعلاه هو المشكلة كلها في صورة مصغرة.

ماذا تقول لوحة النتائج المستقلة

لا تُدرج منصة Artificial Analysis نموذج Muse Glimmer بعد — فالنموذج لم يتجاوز أياماً قليلة، ومؤشّر AA مبني على تشغيلاته الخاصة التي تحتاج وقتاً. لكن المنصة تتتبّع كلا المنافسين، مما يمنحك المجال المُقاس الذي يدّعي الوافد الجديد دخوله. وفقاً للمؤشّر الحالي، يحمل Qwen3.6-27B مؤشّر ذكاء يبلغ 46، وتصفه AA بأنه أكثر نماذج الأوزان المفتوحة ذكاءً تحت 150 مليار معامل؛ بينما يبلغ مستوى Gemma4-31B نحو 39. هذه أرقام مستقلة، وليست ادعاءات من البائعين.

الصورة المستقلة تُظهر أيضًا تعقيدًا في التكلفة تُخفيه الأرقام الرئيسية. بيانات كفاءة AA تُظهر أن Qwen3.6-27B يولّد حوالي 54.6 رمزًا في الثانية مقابل 34.8 لنموذج Gemma4-31B، مع كون زمن الوصول إلى أول رمز أسرع لدى Gemma — لكن Qwen يستخدم حوالي 3.7 أضعاف رموز الإخراج لتشغيل الفهرس الكامل، مما يجعله أكثر تكلفة بنحو 21 ضعفًا عند التقييم من البداية إلى النهاية. النماذج الشرهة للرموز تكون أكثر تكلفة في العالم الحقيقي حتى عندما تكون نتائج معاييرها أفضل، وهذا مدخل قرار لن يتطوّع أي جدول بائعين بتقديمه.

إذن الحالة الصادقة للعالم وقت كتابة هذا النص هي: نتيجة قوية مبلّغ عنها من البائع، ولا نتيجة مستقلة إطلاقًا بعد لـ Muse Glimmer، ومجال منافس يُقاس بشكل مستقل وينقسم حسب المهمة. عبارة "التفوق على Gemma و Qwen" هي ادعاء وجيه؛ لكنها ليست بعد نتيجة موثّقة. مؤشرات التحقق التي ينبغي متابعتها هي إدخال فهرس AA، وتقييم Elo في LMArena، وتكرارات المجتمع — وكلها تظهر عادةً خلال أسابيع من إصدار مثل هذا.

ما هي التكلفة الفعلية للتشغيل

Muse Glimmer مجاني — Apache 2.0، لا رسوم لكل رمز، ولا دفع إلى Meta. التكلفة هي العتاد الذي تضعه تحته. نموذج 30B بدقة 4-bit يحتاج إلى حوالي 17–20GB من الذاكرة المقيمة بالإضافة إلى مساحة لذاكرة التخزين المؤقت KV، ومشفّر الإدراك، ومسوّدة DFlash، ولهذا فإن إرشادات Meta نفسها توصي ببطاقة 24GB أو 32GB أو جهاز Mac عالي المستوى. إذا كنت تمتلك هذا العتاد، فإن التكلفة الحدية لتشغيل وكيل محلي دائم التشغيل هي في الأساس الكهرباء. إذا لم تمتلكه، فإن GPU بسعة 24GB أو Mac من سلسلة M بأقصى إصدار هو بند ميزانية حقيقي — ومنذ 9 أغسطس هناك خيار ثالث: استئجاره. أول قوائم استضافة APIs، المتاحة اعتبارًا من ذلك التاريخ، تسعّر Muse Glimmer بـ 0.35 دولار لكل مليون رمز إدخال و1.50 دولار لكل مليون رمز إخراج على نافذة سياق 131K. هذا معدل سوق مُدرج من المزوّد وليس سعرًا من Meta، لكنه الرقم الذي يمكنك دفعه فعليًا اليوم إذا كنت تفضّل عدم شراء عتاد.

هذه هي المقارنة التي تستحق إجراءً دقيقًا، لأن «أوزانًا مفتوحة بسعر صفري» تواجه «واجهة برمجية مستضافة بسعر لكل رمز» بشروط مختلفة تمامًا. عندما تحسب الأرقام، قيّم الجانبين بصدق. من جانبنا في OrcaRouter، السعر الذي تراه لأي نموذج من النماذج المستضافة البالغ عددها أكثر من 200 هو سعر القائمة لدى المزود يمر عبرنا بهامش ربح 0%، لذا فإن أي تخفيض من المورد يصبح ساريًا هنا في اليوم نفسه بدلاً من انتظار إعادة حساب الهامش — مما يجعل المقارنة بين المحلي والمستضاف مباشرة. أما Muse Glimmer نفسه فليس بعد من بين تلك النماذج الـ +200، لذا لا ينطبق عليه هذا التمرير السعري اليوم. لكن المغزى هو الانضباط: طريقة تسعير نموذج مفتوح الأوزان غير مُثبت هي حركة الاستخدام الخاصة بك، وليس جدول أسعار مورد، ولغة DSL للتوجيه موجودة لإجراء تلك المقارنة تحديدًا بمجرد أن يصبح النموذج متاحًا خلف واجهة برمجية يمكنك استدعاؤها.

كيف ستستخدمه فعليًا هذا الأسبوع

نظرًا لأنه يُطرح بأوزان مفتوحة، فإن "الوصول" ليس عملية تسجيل — بل تنزيل. المستودع الأساسي هو meta-models/Muse-Glimmer-30B على Hugging Face، مع وجود نسخة GGUF منشورة بالفعل وإصدارات تكميم قادمة من جهات خارجية. كان دعم التشغيل في اليوم الأول عبر llama.cpp وMLX وExecuTorch، مع وصول تكاملات Ollama وLM Studio وvLLM وSGLang بعد أيام من الإصدار، وأعمال تحسين العتاد المدرجة لكل من AMD وArm وDell وIntel وNvidia. المسار العملي لمعظم الناس هو: سحب GGUF، وتحميله في llama.cpp أو مشغّل محلي، وتوجيه سقالة وكيل إليه. لا تستضيف Meta أي واجهة برمجة تطبيقات عامة لـGlimmer نفسه، والمسار المحلي هو الذي بُني حوله النموذج — لكن المسار المُستضاف لم يعد افتراضيًا: بدأت منصات خارجية في تقديمه في 9 أغسطس، لذا فإن "نزّل وشغّل" و"استدعِ واجهة برمجة تطبيقات" خياران متاحان الآن.

ملاحظة صادقة عنّا تحديدًا: ما زالت Muse Glimmer غير متاحة عبر OrcaRouter. نحن نوجّه خدمات API المستضافة، وحتى هذا التحديث لم يصل النموذج إلى كتالوجنا — صفقة هامش الربح 0% والمفتاح الواحد لكل شيء تنطبق على أكثر من 200 نموذج نقوم بتوجيهها، وهذا ليس واحدًا منها بعد. وعندما يصبح متاحًا، سيصل إليه المفتاح نفسه الذي يصل إلى بقية الكتالوج دون أي عقد جديد، والتبديل التلقائي (failover) هو الآلية التي تجعل من الآمن توجيه حركة مرور حقيقية إلى نموذج جديد كليًا أبلغ عنه المورّد قبل أن يكون له سجل أداء مستقل. وهذا هو السبب نفسه وراء وجود DSL التوجيه: النموذج غير المُثبت يجب أن يكسب مسار الإنتاج على بياناتك، لا على بيانه الصحفي الخاص.

لقطة الشاشة أدناه هي بطاقة Hugging Face كما كانت يوم الإصدار — سطر «غير منشور بواسطة أي مزوّد استدلال» يشير إلى خدمة الاستدلال من الطرف الأول الخاصة بـ Hugging Face، وهي أمر منفصل عن قوائم واجهات برمجة التطبيقات المستضافة من طرف ثالث التي أُطلقت في 9 أغسطس.

ماذا تشاهد

ثلاثة أمور ستحسم هذه القصة، بترتيب تقريبي من حيث سرعة حدوثها. أولًا، الإصدار الموعود من Muse Spark 1.2 بأوزان مفتوحة — إذا صدَر المعلّم في "الأسابيع القادمة"، فإن Glimmer لم يعد إصدارًا لمرة واحدة ويصبح بداية تشكيلة كاملة من النماذج مفتوحة الأوزان، وهو القراءة الاستراتيجية الحقيقية لعبارة "Meta عادت". ثانيًا، القياس المستقل: إدراج في مؤشر Artificial Analysis، ومركز على LMArena، وعمليات إعادة إنتاج مجتمعية ستُخبرك ما إذا كان ادعاء "19 من 24" يصمد عندما يختبره شخص آخر غير Meta. ثالثًا، موجة الاستضافة — وقد بدأت بالفعل. بدأ مقدمو الخدمات في تقديم Glimmer في 9 أغسطس، لذا أصبحت مسألة المحلي مقابل المستضاف خيارًا فعليًا يمكنك تنفيذه بمفتاح API واحد؛ ما يتبقى لمراقبته هو مدى اتساع انتشار الاستضافة، وماذا سيحدث لسعر كل توكن بمجرد أن تخفت حداثة أسبوع الإصدار.

كانت التغريدة محقة بشأن الخبر. أما ما إذا كانت محقة بشأن الحكم — فهذا سؤال يستغرق أسابيع، والموقف الصادق الآن هو أنه لا أحد خارج ميتا أجرى ما يكفي من التجارب ليعرف. ما هو صحيح بالفعل هو أن نموذج وكيل بحجم 30B بترخيص Apache-2.0، يعمل على وحدة معالجة رسومية استهلاكية، ومدعوم بزخم استراتيجي كامل، هو إصدار يجب التخطيط حوله، مهما كانت نتائجه المستقلة في النهاية.

أسئلة تستحق الإجابة فعلاً

هل Muse Glimmer مفتوح المصدر حقًا؟

هذه أوزان مفتوحة بموجب رخصة Apache 2.0 التساهلية — حيث يمكن لأي شخص تنزيلها وتعديلها وضبطها الدقيق ونشرها تجاريًا دون دفع أي رسوم لشركة Meta. الصياغة الدقيقة هي "أوزان مفتوحة" وليس "مفتوحة المصدر" بالمعنى الذي تعتمده OSI، وذلك لأن بيانات التدريب وأوزان المعلم Muse Spark وبعض الأدوات غير متضمنة.但对于 الأغراض العملية — يمكنك تشغيلها وشحنها وبيع منتج مبني عليها — فهي نفس الصفقة التي جعلت Llama العائلة المفتوحة الأكثر انتشارًا في مجال الذكاء الاصطناعي.

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

على طاولة ميتا الخاصة، نعم في معظم معايير الوكلاء والبحث، مع التحذير من أن ميتا أجرت المقارنة بنفسها ولم تضبط إعدادات المنافسين. الصورة الصادقة أكثر تحديدًا: ميتا تفوز في صفوف الاستدلال الوكيل، وQwen3.6-27B يفوز في استخدام الكمبيوتر العملي والعمل الطرفي بالإضافة إلى معظم اختبارات الوسائط المتعددة، بينما يسجل Gemma4-31B سجل سلامة أفضل. حتى يوم الإصدار، لا يوجد إدخال مستقل لفهرس Muse Glimmer على الإطلاق، لذا تعامل مع ادعاء 19 من 24 باعتباره تقريرًا من البائع حتى يقوم شخص آخر بتشغيله.

هل يمكنني تشغيله على جهاز كمبيوتر محمول؟

فقط إذا كان المقصود بـ«لابتوب» جهازًا ببطاقة رسومات منفصلة بسعة 24 أو 32 جيجابايت، أو جهاز Mac من الفئة العالية بمعالج M-series مع ذاكرة موحّدة كافية — حيث يتطلب نموذج Muse Glimmer بترميز 4-بت حوالي 17–20 جيجابايت بالإضافة إلى مساحة إضافية لذاكرة التخزين المؤقت KV، وترميز الإدراك (perception encoder)، ومولّد DFlash. هذا شراء حقيقي لمعظم الناس، وهو التكلفة الخفية داخل نموذج «مجاني». أما مع الرسومات المدمجة أو جهاز بسعة 16 جيجابايت، فستواجه تكميمًا كثيفًا وإخراجًا بطيئًا بدلًا من الوكيل دائم التشغيل الذي صُمم هذا الإصدار من أجله.

من أين أحصل عليه — هل هو عبر API؟

الأوزان متاحة على Hugging Face في meta-models/Muse-Glimmer-30B (مع نسخة GGUF)، ويمكنك تشغيلها محليًا عبر llama.cpp أو MLX أو ExecuTorch أو المشغلات المحلية التي تدمجها الآن. الوصول إلى واجهة برمجة التطبيقات المستضافة متاح أيضًا، اعتبارًا من 9 أغسطس، عبر منصات طرف ثالث بسعر مدرج قدره 0.35 دولار لكل مليون رمز إدخال و1.50 دولار لكل مليون رمز إخراج — لذلك لم تعد بحاجة إلى امتلاك وحدة معالجة رسومية بسعة 24GB لاستدعائها. لا تزال Meta نفسها لا تستضيف واجهة برمجة تطبيقات عامة لـ Glimmer، وهي ليست على OrcaRouter بعد أيضًا. عندما تصل إلى كتالوجنا، فإن نفس المفتاح الذي يصل إلى بقية الكتالوج سيصل إليها؛ وحتى ذلك الحين، المساران الصادقان هما الاستدلال المحلي أو منصة مستضافة من طرف ثالث.