SWE-2 Flash مقابل Muse Code: الهيكل التشغيلي هو ما تشتريه

ضع الرقمين جنبًا إلى جنب وستكتب القصة نفسها: SWE-2 Flash عند 89.2 على Terminal-Bench 2.1، وMuse Code عند 82.9، وبالتالي فإن نموذج Cognition أفضل من وكيل Meta بمقدار 6.3 نقاط. كل بند في تلك الجملة يفعل شيئًا مشكوكًا فيه. SWE-2 Flash نموذج يُقدَّم داخل Devin. أما Muse Code فهو وكيل طرفية مبني حول Muse Spark 1.2، ومدرَّب مشاركةً معه، وقد قيست نتيجته 82.9 مع أداة الاختبار وإعداد الجهد المرفقين. مقارنتهما هي مقارنة نموذج بمنتج، والمنتج هو الجزء الذي ستقوم بتثبيته فعليًا.

هذا لا يجعل المقارنة عديمة الفائدة. إنه يغيّر ماهية السؤال المثير للاهتمام: ليس أي النموذجين يحقق درجة أعلى، بل أي الحلقتين المغلقتين تنجز لك قدرًا أكبر من عملك، وبأي ثمن، وبأي قدر من الإفصاح عن المنهج.

ما هي حقيقة كل شيء في الواقع

Muse Code هو أول وكيل برمجة تابع لـ Meta، أُطلق في 5 أغسطس 2026 لنظامي macOS وLinux. وهو أداة سطر أوامر (CLI) تنتمي إلى الفئة نفسها التي ينتمي إليها Claude Code أو Codex: فهو يخطط للتغييرات، ويحرر الملفات، ويشغّل الاختبارات، ويتحقق من النتائج عبر مستودع برمجي. أما خيارات التصميم التي تميزه فهي معمارية لا شكلية.

• الوكلاء الخلفيون — وكلاء غير متزامنين دائمون يظلون نشطين طوال الجلسة بدلًا من إنشائهم لكل مهمة، بحيث لا تُجمع المعلومات التي جُمعت مرة واحدة مرة أخرى؛ ويمكن تشغيل عدة منهم بالتوازي في أشجار عمل معزولة دون المساس بنسخة العمل.

• سجل الأحداث — سجلّ محلي لكل استدعاء لنموذج، وتشغيل لأداة، وموافقة، وتعديل، مما يجعل الجلسة دقيقة في إعادة التشغيل وآمنة عند إعادة التشغيل بعد تعطّل — وهي الآلية التي تجعل المهام الممتدة لساعات قابلة للنجاة.

• المهارات — أوامر الشرطة المائلة المدمجة، بما في ذلك خطوة تخطيط، وخطوة اختبار ضغط للخطة، وخطوة دفع نحو الهدف.

• الطراز — Muse Spark 1.2، مغلق الأوزان، سياق بسعة مليون رمز، 1.25 دولار لكل مليون رمز إدخال و4.25 دولار لكل مليون رمز إخراج.

SWE-2 Flash ليس وكيلًا. بل هو نموذج دُرِّب تدريبًا لاحقًا انطلاقًا من Inkling-Small بإجمالي 276 مليار معامل و12 مليار معامل نشط، ويُقدَّم داخل Devin Desktop وDevin CLI. تصف Cognition أنه أسرع بثلاثة أضعاف وبخُمس سعر SWE-2؛ والوصول إليه مجاني حتى 30 نوفمبر 2026؛ ولا توجد واجهة برمجة تطبيقات عامة، ولا معرّف نموذج، ولا ملف أوزان قابل للتنزيل.

إذن الشكل الحقيقي لهذه المواجهة هو: نظامان مغلقان، كلٌّ منهما يقرن نموذجًا ببرنامج تشغيل (harness) تتحكّم فيه الجهة التي صنعته. أحدهما ينشر برنامج تشغيله وإعداد الجهد لديه. والآخر لا يفعل.

صف DeepSWE الذي يشير إلى أنهما متعادلان

DeepSWE 1.1 هو المقياس الوحيد الذي يورده التقريران معًا حيث لا يُحمّل أيٌّ من الطرفين تعريف المهمة أكثر مما يحتمل. SWE-2 Flash: 60.1. Muse Spark 1.2 داخل Muse Code: 59.3. فارق ثمانية أعشار نقطة.

هذه ليست فجوة. إنها النتيجة نفسها مُبلَّغ عنها مرتين، والأمر الأكثر إثارة للاهتمام هو أن النظامين يصلان إليها من اتجاهين متعاكسين. طراز Meta هو طراز رائد عام بسياق يبلغ مليون رمز وملف واسع لاستخدام الأدوات؛ أما طراز Cognition فهو تدريب لاحق لطراز أساس مفتوح الأوزان بنشاط 12 مليار معامل، ومُحسَّن صراحةً للطرف الأرخص من سوق الوكلاء. إن بلوغهما معًا نتيجة DeepSWE يمثل نتيجة أقوى للبنية الأقل تكلفة مما يوحي به الجدول الخام.

على Terminal-Bench 2.1 تكون الفجوة أكبر — من 89.2 إلى 82.9 — وهنا يترك عدم تماثل المنهجية أثره. تذكر Meta أن رقمها أُنتج بجهد xhigh، داخل إطار Muse Code المدرَّب تدريبًا مشتركًا، وفي صناديق Daytona معزولة، مع متوسط pass@1 على خمس محاولات. ولا تذكر Cognition أيًّا من ذلك. فقد حمل منشورها في سبتمبر عن SWE-2 ملحقًا منهجيًا؛ أما منشورها في 4 نوفمبر عن SWE-2 Flash فلا يحمل ذلك.

هناك أيضًا تحذير داخل أرقام Meta نفسها ينطبق على كل جدول في هذا المجال. تُبلغ Meta عن Muse Spark 1.1 بدرجة 76.2 في Terminal-Bench 2.1، بينما تحمل لوحة المتصدرين العامة tbench.ai درجة موثّقة قدرها 80.0 للنموذج نفسه. الفرق هو أن الصف ليس نموذجًا — بل هو نموذج زائد أداة اختبار زائد إعداد جهد. إذا كان من الممكن أن يظهر تباين بمقدار 4 نقاط بين تقريرين للنموذج نفسه، فإن فجوة قدرها 6.3 نقاط بين نظامين مختلفين في الأدوات ليست نتيجة حاسمة. جميع الأرقام في هذا القسم مُبلّغ عنها من قِبل البائع.

شيء آخر يجب أخذه في الاعتبار. لم يعد Muse Spark 1.2 أحدث نموذج تمتلكه Meta: فمنصة Artificial Analysis تصنّف الآن نقطة الحفظ 1.2 على أنها مهملة وتوجّه القراء إلى Muse Spark 1.3. أُطلق Muse Code على 1.2، و1.2 هي نقطة الحفظ التي يصفها كل رقم في هذا المقال، وهي النقطة التي لا يزال بالإمكان استدعاؤها.

السياق: 1M منشور مقابل غير منشور

يأتي Muse Spark 1.2 مزوّدًا بنافذة سياق تبلغ مليون رمز، وقد صُمّمت بنية Muse Code للاستفادة منها — وكلاء دائمون، وسجل أحداث راسخ، وعمل يستمر لساعات. وهذا المزيج هو جوهر عرض المنتج الفعلي: ليس تعديلًا واحدًا أفضل، بل وكيلًا قادرًا على استيعاب مستودع كبير ومهمة طويلة دون أن يفقد خيط السياق.

لا يعلن SWE-2 Flash عن أي نافذة سياق على الإطلاق. وبالنسبة لنموذج يُقدَّم فقط داخل وكيل، فإن هذا الإغفال أقل ضررًا مما سيكون عليه الحال في نموذج API، لأن Devin يدير السياق نيابةً عنك. ومع ذلك، يظل إغفالًا: فلا يمكنك تصميم سير عمل حول ميزانية لا يُخبرونك بها.

بطاقة أسعار مقابل شهر مجاني

• Muse Spark 1.2 — 1.25 دولار لكل مليون رمز إدخال، و4.25 دولار لكل مليون رمز إخراج. تتوفر فئة مخفّضة للمساهمين في دول مختارة مقابل استخدام بيانات التدريب، وتُقبل طلبات عدم الاحتفاظ بالبيانات.

• SWE-2 Flash — لا يوجد سعر لكل توكن. مجاني داخل Devin حتى 30 نوفمبر 2026، ثم غير محدد.

• Muse Code — الوكيل نفسه، ويُحدَّد سعره عبر استخدام النموذج بدلًا من اشتراك منفصل في المواد التي نشرتها Meta.

المنتج غير المسعّر ليس منتجًا رخيصًا؛ بل منتج مجهول. إذا كنت تبني نموذج تكلفة للربع القادم، فإن $1.25/$4.25 رقم يمكنك وضعه في جدول بيانات، بينما SWE-2 Flash علامة استفهام مقرونة بموعد نهائي.

ما يمكنك الاتصال به، وما لا يمكنك الاتصال به

هنا يفترق النظامان على نحو لا علاقة له باختبارات القياس. لا يمكن استدعاء SWE-2 Flash. فلا توجد نقطة نهاية يمكن توجيه عميل إليها، ولا معرّف طراز، ولا تاريخ يتغيّر فيه ذلك. وإذا كانت بنيتك المعمارية تحتاج إلى طراز للبرمجة خلف استدعاء HTTP بدلاً من داخل بيئة تطوير متكاملة سطح مكتب، فإن SWE-2 Flash ببساطة ليس مرشحًا هذا الشهر.

Muse Spark 1.2 حكاية مختلفة. الجانب المتعلق بـMeta في هذه المواجهة قابل للاستدعاء اليوم — كلٌ من Muse Spark 1.2 و1.1 متاحان الآن في كتالوج OrcaRouter، بسعر قائمة المزوّد بهامش ربح 0%، لذا فإن سعر $1.25/$4.25 المذكور أعلاه هو السعر الذي تدفعه فعليًا وليس رقمًا من وسيط إعادة بيع. هذا مهم لهذا القرار تحديدًا: يمكنك تشغيل Muse Spark 1.2 على مستودعك الليلة ومعرفة ما إذا كانت درجة 59.3 على DeepSWE تصف عملك. لا يمكنك إجراء الاختبار المكافئ على SWE-2 Flash من دون أن تعيش داخل Devin طوال الشهر المجاني.

يمنحك OrcaRouter أيضًا التجاوز عند الفشل الذي يفتقر إليه الرهان على مورّد واحد. إذا وحّدت معاييرك على جانب Meta وتدهور أداء المزوّد، فإن التجاوز التلقائي عند الفشل يبقي الاستدعاء حيًا — وهو الفرق العملي بين «اخترنا نموذجًا» و«اخترنا سلسلة توريد».

أيّ واحد تختار

اختر Muse Code إذا أردت وكيلًا يمكنك تشغيله من الطرفية، مع إعدادات جهد منشورة، وسجل أحداث دائم، وأشجار عمل متوازية معزولة، وAPI خلف النموذج. يقول تعادل DeepSWE إنك لا تتخلى عن القدرة عند الحدود القصوى؛ وتقول فجوة Terminal-Bench إنك قد تتخلى عن جزء من السقف، على رقم يمكنك على الأقل فحص منهجه.

اختر SWE-2 Flash إذا كنت مستخدمًا لـ Devin وكان السؤال هو ما إذا كان النموذج الأسرع والأرخص داخل IDE الذي تدفع مقابله بالفعل جيدًا بما يكفي لمستودعاتك. النافذة المجانية حتى 30 نوفمبر تجربة حقيقية، ونتيجة 60.1 على DeepSWE تقول إنه لن يحرج نفسه.

ما لا يمنحك إياه أيٌّ من الخيارين هو اليقين. فقد قاست كلٌّ من الشركتين أنظمتها الخاصة بأدوات الاختبار الخاصة بها، ونقطة البيانات العامة الوحيدة التي تتيح لك التحقق من ادعاء إحدى الشركتين — نتيجة tbench.ai البالغة 80.0 لـ Muse Spark 1.1 مقابل 76.2 لـ Meta — تُظهر أن الفجوة بين صفٍّ منشور وصفٍّ أُعيد إنتاجه يمكن أن تكون بحجم الفجوة بين المنتجين في هذا المقال.