NVIDIA تشحن بهدوء نموذج مسوّدة لطراز Meta الرائد البالغ 816B

NVIDIA published nvidia/Muse-Spark-Open-816B-A42B-DFlash2 to Hugging Face on October 16, 2026, and told nobody. The repository is a draft checkpoint — a 4.38-billion-parameter speculative-decoding model whose entire job is to guess the next several tokens of Muse-Spark-Open-816B-A42B, Meta's 816-billion-parameter open-weight flagship, so the large model can verify a whole block of guesses in one forward pass instead of emitting one token at a time. There is no NVIDIA blog post, no announcement thread, no press release, and as of writing the repository shows zero downloads and zero likes. What it does have is a model card with acceptance-length tables, a working vLLM invocation, and a short list of things it conspicuously declines to claim. This is what the artifact says and what it does not. What the numbers cannot tell you is whether any of it has gone wrong in the field: the documented AI incidents and agent failures around models in this class are collected in the OrcaRouter AI Incident Archive where each entry carries its own sources, severity, confidence grade and disputed flag.

ما تم إصداره، بالترتيب الذي يمكن التحقق منه

كل ما يلي مصدره المستودع أو واجهة برمجة التطبيقات الخاصة بـ Hugging Face له. لا شيء منه يتطلب الوثوق بمعيار تقييم خاص بمورّد.

• التوقيت — أُنشئ المستودع في 04:40 UTC يوم 16 أكتوبر 2026، وتم إيداع أوزانه بعد نحو أربعين دقيقة؛ وينص سطر الإصدار الخاص ببطاقة النموذج نفسه على: "Huggingface: 10/16/2026". ولا يوجد أي منشور مصاحب على مدونة مطوري NVIDIA، ولا تشير بطاقة النموذج إلا إلى ورقة DFlash ومشروع Model Optimizer.

• المُخرَج — ملف safetensors واحد بصيغة BF16، بـ 4,384,162,432 معلمة، وحوالي 8.8 غيغابايت من التخزين. صنف البنية هو DFlash2DraftModel، بخمس طبقات فك تشفير كثيفة، وانتباه بنافذة منزلقة غير سببي عند نافذة 2,048، وحجم مخفي 8,192، و128 رأس استعلام مقابل 16 رأس مفتاح-قيمة عند 64 بُعدًا لكل منها، ومفردات من 202,048. حجم الكتلة 8؛ وتستقي المسودة من خمس طبقات من الهدف — 3 و19 و31 و47 و59 — من أصل 62.

• إنه غير مقيّد — يفيد Hugging Face بأن المستودع عام ومتاح دون قيود. يمكنك تنزيل drafter الآن، بينما لا يزال المستودع المستهدف الخاص بـ Meta خلف تسجيل دخول يتطلب قبول الشروط.

• حزمة التراخيص — تخضع نقطة التحقق الأولية لاتفاقية NVIDIA للنموذج المفتوح، وتضيف البطاقة ترخيص Meta's Muse Model License فوق ذلك، مع اشتراط سلسلة الإسناد "Built with Muse Spark Open" على أي شيء مبني عليه.

• المصدر، كما ذكرته NVIDIA — يصرّح إشعار الطرف الثالث الخاص ببطاقة النموذج نفسها بوضوح بأن Muse-Spark-Open-816B-A42B "ليست مملوكة أو مطوّرة من قِبل NVIDIA" وبأن هذا النموذج المُسوِّد "دُرِّب بواسطة NVIDIA لاستخدامه مع ذلك النموذج المستهدف". تأتي مطالبات التدريب من Nemotron-Post-Training-Dataset-v2 التابعة لـ NVIDIA، بنحو 3.48 مليون عيّنة متعددة اللغات تغطي الرياضيات والبرمجة والعلوم والتكنولوجيا والهندسة والرياضيات، مع استجابات مُصنَّعة بواسطة الهدف عبر خمسة مستويات من جهد الاستدلال.

• سلسلة الأدوات — تقول البطاقة إن النموذج دُرِّب باستخدام "إصدار ما قبل الإطلاق من NVIDIA Model Optimizer 0.47". صدر Model Optimizer 0.47.0 علنًا في 23 سبتمبر 2026، ثم تبعه 0.48.0rc0 في 8 أكتوبر، لذا فإن الوصفة التي خرج منها هذا المُسوِّد باتت الآن شيئًا يمكن لطرف ثالث إعادة تشغيله.

هذا ليس أول مُصمِّم لهذا الطراز، وليس أول مُصمِّم لدى NVIDIA

هاتان الحقيقتان كلتاهما مهمّتان في الحكم على ما هو جديد فعلاً هنا، لأن إحداهما وحدها ستجعل الإصدار يبدو كشيء ليس هو.

ظلت NVIDIA تنشر بهدوء نماذج مسودة من عائلة DFlash للأوزان المفتوحة الخاصة بالآخرين منذ الصيف: MiniMax-M2.7-DFlash في منتصف يونيو، وKimi-K2.6-DFlash ثم Kimi-K2.7-Code-DFlash خلال يونيو ويوليو، ونموذج مسودة Nemotron 3.5 Lightning 30B في أوائل أغسطس. إن نموذج مسودة Muse Spark Open من NVIDIA هو العنصر التالي في سلسلة، وليس أول ظهور.

كان لدى Muse Spark Open أيضًا نماذج مسودة بالفعل قبل هذا. نُشرت نقطة تحقق DFlash2 تابعة لمنظمة طرف ثالث على Hugging Face في 13 أكتوبر، وآخر تحديث لنقطة تحقق DSpark للهدف نفسه كان في 15 أكتوبر — وكلاهما بعد نحو شهر من حزمة يوم الصفر الخاصة بـ Meta التي سمّت DFlash V2 لإحدى بيئتي التشغيل وDSpark للأخرى. إذن، "وجود نموذج مسودة لـ Muse Spark Open" ليس هو القصة.

القصة أضيق نطاقًا وأكثر فائدة: نقطة تحقق BF16 DFlash2 الخاصة بـ NVIDIA، والمدربة على Model Optimizer، أصبحت الآن متاحة للنموذج، منشورة لأجهزة Blackwell مع vLLM كمحركها المُختبَر. وإذا كنت تختار أي مُسوِّد تشغّله، فإن الاختيار هو في حقيقة الأمر اختيار لمنظومة الخدمة، وهنا يفترق المساران.

الأرقام، والشروط الدقيقة المرتبطة بها

تُبلِغ NVIDIA عن كمية واحدة عبر ثلاث مجموعات اختبار: طول القبول، وهو متوسط عدد الرموز المُصدَرة في كل خطوة توليد، مقيسًا بطول مسودة 7.

• MT-Bench، 80 سؤالًا من دورين — 3.73 رمزًا لكل خطوة مقبولة في فك الترميز الجشع و3.01 عند أخذ العينات. تُعد الرياضيات أقوى فئة عند 4.47؛ والعلوم الإنسانية هي الأضعف عند 2.92.

• SPEED-Bench النوعي، 880 مطالبة عبر 11 فئة — 3.72 في فك التشفير الجشع و3.01 في أخذ العينات. تبلغ اللغات المتعددة 4.27 والبرمجة 4.15، بينما تتأخر الكتابة عند 3.05.

• إنتاجية SPEED-Bench، مدخلات بـ32,000 رمز — 3.30 وضع الجشع و2.78 وضع العينات، وهنا تسوء الصورة: تنهار فئة الإنتروبيا العالية إلى 2.51 في وضع الجشع و2.16 في وضع العينات، مقابل 3.71 للنص منخفض الإنتروبيا.

• الظروف — جهد الاستدلال xhigh، 4,096 رمز إخراج، التزامن 32، على عقدة GB300 واحدة عند TP4 و EP4، يُقدَّم عبر vLLM مع الهدف في NVFP4. الأرقام الجشعة هي درجة حرارة 0؛ أرقام أخذ العينات هي درجة حرارة 1.0 بدون اقتطاع top-p أو top-k، باستخدام طريقة أخذ عينات مسودة احتمالية.

ثلاثة تحفظات تنتمي إلى جانب تلك الأرقام، لا تحتها. أولًا، هي مُبلَّغ عنها من المورّد، ولم نُعِد إنتاج أيٍّ منها، كما لم ينشر أي شخص آخر قياسًا مستقلًا لنقطة التفتيش هذه. ثانيًا، طول القبول ليس تسريعًا — إنه السقف الذي يُحسب منه التسريع. فكل رمز مقبول لا يزال بحاجة إلى التحقق منه بواسطة نموذج يضم 816 مليار معامل، كما أن التمريرة الأمامية لنموذج المسودة نفسه تكلّف شيئًا أيضًا؛ ولم تنشر NVIDIA أي نسبة للرموز في الثانية ولا أي مقارنة لزمن الاستجابة، وهو الرقم الذي يريده قارئ يقرر ما إذا كان سينشر هذا. ثالثًا، قيس كل ذلك عند تزامن 32، وهو ليس الوضع الذي يحقق فيه فك التشفير التخميني أفضل عائد عادةً — إذ تتركّز المكاسب في التدفقات المفردة منخفضة الدفعات والمقيّدة بزمن الاستجابة، والخادم المزدحم يحصل على أقل.

ما لا تقيسه هذه الجداول على الإطلاق هو جودة المخرجات. فالتحقق في ظل فك التشفير الجشع مُصمَّم ليعيد رموز النموذج الهدف نفسه، لذا فإن عمود الجشع أقرب إلى ادعاء سرعة خالص. أما عمود أخذ العينات فهو الذي ينبغي اختباره على حركة الطلبات الخاصة بك، لأن نموذج المسودة الاحتمالي يغيّر طريقة السير في التوزيع، وليس سرعته فحسب.

كيف يمكنك فعليًا تشغيله

تمنح البطاقة استدعاءً واحدًا مدعومًا، وهو عبارة عن علَم واحد على خادم vLLM. تُقدّم الهدف، وتمرّر المُسوّد عبر وسيطة speculative-config: الطريقة هي "dflash"، والطراز هو نقطة تحقق NVIDIA، وعدد الرموز التخمينية هو 7، وطريقة أخذ عينات المسودة احتمالية، ويحتاج الأمر إلى الوثوق بالشيفرة البعيدة. TensorRT-LLM هو المحرك الثاني الذي تدرجه البطاقة؛ أما vLLM فهو المحرك الذي تسميه محرك التسريع والذي اختبرته على Blackwell.

هناك فجوتان تجدران بالذكر. سطر العتاد المدعوم في البطاقة هو NVIDIA Blackwell مع Linux، لذا فهذا مسار لوحدات معالجة الرسومات في مراكز البيانات بدلًا من شيء يندمج في إعداد Apple-silicon أو إعداد استهلاكي. وSGLang — وهو وقت التشغيل الذي تُوجّه من خلاله مواد إطلاق Meta الخاصة DFlash V2 — لا يظهر إطلاقًا في قائمة NVIDIA للمحركات الخاصة بنقطة التحقق هذه. والمسوّدان ليسا قابلين للتبادل؛ إذا كان مكدس الخدمة لديك هو SGLang، فهذا المستودع ليس مكتوبًا لك.

ما الذي يغيّره مُعِدّ المسودة للقارئ، وما الذي لا يغيّره

فك التشفير التخميني هو الجزء من استدلال النماذج الكبيرة الذي يصل إلى أشخاص لن يقوموا أبدًا بتنزيل أي وزن، لأنه الرافعة الرئيسية في مدى رخص تقديم النماذج المفتوحة الضخمة جدًا. وجود نموذج مسودة أفضل يعني قبول رموز أكثر في كل خطوة، ما يعني إنتاجية أعلى لكل وحدة معالجة رسومية، وهو ما يظهر في النهاية كسعر أقل وأول رمز أسرع عند واجهة برمجة تطبيقات. لهذا السبب يُعد نموذج بحجم 4.38 مليار معلمة خبرًا، حتى مع أن لا أحد تقريبًا ممن يقرؤون عنه سيقوم بتشغيله.

مع ذلك، هذا لا يضع نموذج 816B على مكتبك. إنه ملحق بحجم 8.8 GB بهدفٍ أصغر نقطة حفظ عملية له تُقاس بمئات الجيغابايتات، على سيليكون Blackwell، بموجب ترخيصين متراكبين أحدهما على الآخر. إنه ليس نموذجًا تتحدث معه، ولا ينتج أي نص من تلقاء نفسه، ولا يمكنه العمل إطلاقًا دون الهدف الذي دُرِّب على إعداد مسودة له.

إذا أردت قدرة Muse Spark دون أيٍّ من ذلك، فالخط المُقدَّم عبر الخدمة هو موضعها: Muse Spark 1.2 و Muse Spark 1.1 هما نقطتا التحقق اللتان يوجّههما OrcaRouter، وكلتاهما بسعر Meta المعلن مع هامش 0% يُمرَّر مباشرةً، لأن سعر المزوّد يُمرَّر كما هو بدلًا من إضافة هامش. Muse Spark Open ونقطة تحقق المسودة DFlash2 هذه ليسا على كتالوجنا، ولن نلمّح إلى خلاف ذلك — فنموذج المسودة للأوزان المستضافة ذاتيًا هو بنية تحتية مستضافة ذاتيًا. وما زلنا مفيدين بشأنه هو الجزء الممل: واجهة API واحدة عبر أكثر من 200 نموذج، وتجاوز فشل تلقائي عندما يتدهور مزوّد، و لغة DSL للتوجيه تنقل الحركة بين النماذج عبر الإعدادات بدلًا من تغيير الكود، وهي طريقة رخيصة لمعرفة ما تفعله نقطة تحقق غير مُثبتة على حركة حقيقية دون المراهنة بمسار إنتاجي عليها.

ما الذي من شأنه أن يحسم الأسئلة المفتوحة؟

أربعة أمور ستغيّر هذا المقال، وليس أي منها لغزاً بشأن نوايا NVIDIA.

• رقم تسريع شامل من طرف إلى طرف — عدد الرموز في الثانية أو زمن الاستجابة مقارنةً بخط أساس مطابق غير تخميني على العتاد نفسه، يقيسه أي شخص غير NVIDIA. يخبرك طول القبول بأن المسودة تصيب في كثير من الأحيان؛ لكنه لا يخبرك بأن الخادم أصبح أسرع.

• مقارنة هدف BF16 مقابل NVFP4 — كل جدول منشور تم قياسه مقابل هدف NVFP4، وهو ما سيقدمه معظم الناس فعليًا، لكن البطاقة لا تذكر أي حالة تم فيها تشغيل الهدف بدقة أعلى.

• الدعم خارج vLLM وTensorRT-LLM — إذا ظهرت نقطة التحقق في SGLang، يصبح مُسوّدتا DFlash2 الخاصتان بـ Muse Spark Open قابلتين للاستبدال بدلًا من كونهما مرتبطتين بمكدس بعينه، وهنا يصبح الاختيار بينهما بسيطًا.

• إعادة تدريب على أدوات مُصدَرة — هذا المُسوِّد نتج عن بنية ما قبل الإصدار من Model Optimizer 0.47. وبما أن 0.47.0 متاحة للعموم منذ 23 سبتمبر و0.48.0rc0 صدرت منذ 8 أكتوبر، فإن الوصفة قابلة للفحص، ونقطة تفتيش مُدرَّبة عليها قد تُبلِغ على الأرجح عن شيء أفضل قليلاً.

حتى يتحقق على الأقل أول تلك الأمور، فإن الخلاصة الصادقة هي أن NVIDIA أطلقت أداة صياغة موثقة جيدًا، غير مقيدة، ومخصصة للعتاد لطراز شخص آخر الرائد، ونشرت أطوال القبول، وتخطت الإعلان — وسبب الاهتمام ليس أن Muse Spark Open أصبح أسرع، بل أن البنية التحتية لجعل أوزان مفتوحة بـ 816 مليار معامل ميسورة التكلفة على نطاق واسع تستمر في الوصول بهدوء مثل هذا.