Muse Spark Open: نموذج ميتا المفتوح الأوزان بـ816 مليار معامل يعمل على جهازي Mac Studio، بشروط

تحققت من الحقائق في 16 أكتوبر 2026

في 15 أكتوبر نشرت ميتا أوزان Muse Spark Open: ‏816 مليار معامل إجمالا، و42 مليارا نشطة لكل رمز، ونافذة سياق من مليون رمز، ومدخل متعدد الوسائط. تقول ميتا إنه يعمل على جهازي Apple M5 Ultra Mac Studio عبر MLX. الرخصة هي Muse Model License، متساهلة لكنها ليست مصدرا مفتوحا وفق OSI. قرأت مدونة ميتا وبطاقة النموذج على Hugging Face ومنشور vLLM ليوم الإصدار. مدونة إصدار ميتا

ما الذي أصدرته ميتا

Muse Spark Open نموذج خليط خبراء متفرق: ‏816 مليار معامل إجمالا، 42 مليارا نشطة لكل رمز، 62 طبقة، 256 خبيرا في الطبقة يُوجَّه 8 منها لكل رمز، ونافذة سياق من مليون رمز عند الاستدلال. المدخل نص وصورة وفيديو وصوت، والمخرج نص. الأوزان متاحة على Hugging Face وAmazon SageMaker AI وGoogle Cloud Model Garden وMicrosoft Foundry بصيغتي BF16 وNVFP4، مع أوزان MXFP4 نشرتها AMD. ويصل إليه عبر واجهات Baseten وFireworks AI وGroq وModal وNebius وOpenRouter وTogether AI. بطاقة النموذج

ادعاء الجهازين المكتبيين

العنوان الموجه للهواة هو الاستدلال المحلي: تقول ميتا إن Muse Spark Open أول نموذج في فئته يعمل على جهاز مكتبي، باستخدام جهازي Apple M5 Ultra Mac Studio مع أحدث إطار MLX. يمنح كل M5 Ultra معالجه الرسومي المدمج حتى 512 غيغابايت من الذاكرة الموحدة، فيتسع الجهازان للنموذج، ويغذيه عرض نطاق قدره 1.2 تيرابايت/ثانية. في عروض ميتا على الجهاز، استخدم Muse Code المدعوم بالنموذج لإدخال تغييرات iOS حقيقية على Ice Cubes، عميل Mastodon مفتوح المصدر، ولقيادة DaVinci Resolve من البداية إلى النهاية، منتقيا اللقطات وقاصّا إياها عموديا.

هذه عروض ميتا نفسها. فيما قرأت، لم تنشر ميتا رقما لسرعة التوليد على جهازي Mac، ولم يكرر أحد خارج ميتا التجربة بعد. وتكلفة جهازي M5 Ultra Mac Studio تُركت أيضا للقارئ.

كيف صار مليون رمز ميسورا

يشرح منشور فريق vLLM ليوم الإصدار، المكتوب مع Meta Superintelligence Labs، البنية. كل طبقة من الطبقات الـ62 هي طبقة خليط خبراء. مصفوفة pooler متعلمة تخفض عرض كل رمز من 8192 إلى 4096 قبل الخبراء، ويعيدها unpooler بعدها، ما يخفض عدد المعاملات في إسقاطات الخبراء إلى النصف. يتناوب الانتباه بدورة من أربع: ثلاث طبقات تنظر إلى نافذة منزلقة من 2048 رمزا، والرابعة ترى السياق كله، والدورة مثبتة بحيث تكون الطبقة الأخيرة كاملة الانتباه دائما. ومن 62 طبقة ينتج 46 طبقة ضيقة و16 واسعة، وعند مليون رمز يصبح ذاكر KV المؤقتة أكثر بقليل من ربع ما يتطلبه الانتباه الكامل في كل مكان. هذا ما يجعل طول السياق رخيصا بما يكفي للتقديم.

دربت vLLM أيضا نموذجا مسودا للفك التخميني اسمه DSpark يقترح حتى سبعة رموز في المرور الواحد ويعمل على CUDA وROCm. يأتي دعم يوم الإصدار كصور vLLM جاهزة لـNVIDIA وAMD؛ وكان طلب دمج الشيفرة ما يزال قيد المراجعة، مع توقع حزمة PyPI الليلية بعد نحو أسبوع. منشور vLLM ليوم الإصدار

جدول القياسات، بقراءة هادئة

تقارن بطاقة ميتا نموذج Muse Spark Open بجهد استدلال xhigh مع Inkling وNemotron 3 Ultra وBeam وMistral Large 4 وQwen3.8-2.4T-A95B وGLM 5.3 وKimi K3. يسجل Muse Spark Open أفضل رقم على MCP-Atlas ‏(89.2 مقابل 84.5 للتالي) وأدنى، أي أفضل، نتيجة على StrongREJECT v2 ‏(0.5 مقابل 62.9 إلى 86.4). وهو قريب من الصدارة على HLE مع الأدوات ‏(61.0 مقابل 62.5 لـGLM 5.3).

في أسطر أخرى يضعه جدول ميتا نفسه في المؤخرة. Terminal-Bench 2.1 مع وكيل Terminus 2: ‏76.4 مقابل 85.0 لـKimi K3 و83.9 لـGLM 5.3. وDeepSWE 1.1: ‏60 مقابل 68 و67. وGPQA Diamond: ‏89.0 مقابل 93.5. وGDPVal-AA v2: ‏1401 مقابل 1653. صيغة «أقدر نموذج أمريكي مفتوح الأوزان حتى اليوم» هي صيغة ميتا، وتُظهر أسطر بطاقتها نفسها لماذا يقوم التحديد الجغرافي بكل العمل: عدة نماذج مفتوحة من خارج الولايات المتحدة تتفوق في اختبارات البرمجة والوكلاء. كل الأرقام من ميتا وعلى منصات اختبار اختارتها ميتا.

الرخصة، بقراءة هادئة

تُنشر الأوزان بموجب Muse Model License، وليست رخصة مصدر مفتوح معتمدة من OSI. النطاق واسع: الاستخدام والنسخ والتعديل والضبط الدقيق والتقطير والدمج والنشر والتوزيع والترخيص من الباطن والبيع. شرطان يبرزان. يجب أن تعرض المنتجات التي تستخدم النموذج أو مشتقاته عبارة «Built with Muse Spark Open». وإن كنت تقدم نماذج كخدمة وتجاوزت إيرادات مجموعتك 20 مليون دولار أمريكي في أي اثني عشر شهرا متتالية، وجب عليك أولا إخطار ميتا وتوقيع اتفاق منفصل. وتحظر سياسة استخدام بعض الاستخدامات. الوصف الدقيق هو «أوزان مفتوحة»، وبالنسبة لمعظم المطورين الأفراد والشركات الصغيرة فالشروط مجانية فعليا.

السلامة وفق تقييمات ميتا نفسها

تذكر البطاقة أرقام رفض قوية: رُفض 99.2% من محاولات الاختراق في معيار ميتا السيبراني الداخلي، و94.8% مجمعة عبر المجموعة الفرعية السيبرانية من PolyGuard وRedCode وCyberBench 2024، مع بقاء Kimi K3 عند 75.5% و70.2% في الإعداد نفسه وفق ميتا. وتذكر رفضا يتجاوز 98% على BioTIER من SecureBio، ونسبة صدق 98.1% على MASK، و0% سلوك سيئ على Agentic Misalignment. تقول ميتا إن النموذج تلقى تدريبا لاحقا إضافيا على السلامة لأن الأوزان مفتوحة، وإنه استوفى عتبات إطارها Superintelligence Scaling Framework. لم يكن تقرير التقييم الكامل قد صدر عند تحققي، لذا كل رقم هنا من ميتا وغير مدقق.

تحليل: قراءتي

عتبة الجهاز المكتبي هي الخبر الحقيقي. نموذج بهذه الفئة يعمل على جهازين تحت مكتب يغير حسابات الخصوصية والكلفة لعمل الوكلاء البرمجي: الشيفرة تبقى في الغرفة. القراءة الأمينة للبطاقة أقل انتصارية. النموذج منافس لا مسيطر، وأوضح تقدمه في أسطر الرفض التي صممتها ميتا وقاستها بنفسها. وتحتفظ الرخصة بخطاف في مجموعة واحدة بالضبط: كبار مقدمي النماذج كخدمة. أما الباقون فيحصلون على شروط قريبة من حرية بأسلوب Apache مع سطر نسبة.

ما لم أستطع تأكيده

لم أحمّل النموذج ولم أشغّله. عروض Mac Studio هي فيديوهات وادعاءات ميتا، بلا أرقام أداء منشورة في المصادر التي قرأتها. منصات القياس مسماة سطرا سطرا، لكن تقرير المنهجية الكامل لم يصدر بعد. ولم أقرأ قائمة قيود سياسة الاستخدام كاملة، بل نص الرخصة المذكور في البطاقة فقط.

فحص يمكنك تنفيذه

ادعاء الانتباه الهجين حساب يمكنك إعادته. خذ 16 رأس KV ببعد 64 بصيغة BF16، و62 طبقة، منها 16 كاملة الانتباه و46 بنافذة منزلقة من 2048 رمزا. الشيفرة أدناه تحسب ذاكر KV المؤقتة عند مليون رمز بالطريقتين. الناتج قريب من الربع، كما يقول منشور vLLM. إن كنت تخطط لتقديم النموذج، فأعد الحساب بطول سياقك قبل شراء أي عتاد.

مُقدِّر توضيحي وليس شيفرة ميتا

# Illustrative estimator, not Meta's code. Hybrid-attention KV cache at 1M tokens.
layers_total = 62
full_layers = 16        # vLLM day-0 post: 46 sliding-window + 16 full
window = 2048
tokens = 1_000_000
kv_per_token_layer = 16 * 64 * 2 * 2   # 16 KV heads, head dim 64, K+V, BF16
all_full = layers_total * tokens * kv_per_token_layer
hybrid = (full_layers * tokens + (layers_total - full_layers) * window) * kv_per_token_layer
print(f"all-full: {all_full/2**30:.0f} GiB   hybrid: {hybrid/2**30:.0f} GiB   ratio: {hybrid/all_full:.2f}")
# -> all-full: 236 GiB   hybrid: 61 GiB   ratio: 0.26  (vLLM says "just over a quarter")

المصادر والحداثة

• مدونة إصدار ميتا، 15 أكتوبر
• بطاقة النموذج على Hugging Face
• منشور vLLM ليوم الإصدار، 15 أكتوبر