Meta تطلق Muse Spark 1.3 بأداء أقوى، لكن أفضل إعداداته لم يتوفر على نطاق واسع بعد
بدأت Meta طرح Muse Spark 1.3 عبر Muse Code وMeta Model API بإعدادات reasoning المتاحة سابقاً، ومنها xhigh. النموذج يقترب من نماذج القمة في مهام البرمجة والوكلاء، بينما تأتي أعلى نتائجه المعلنة من إعداد max الذي لا يزال في اختبارات سلامة إضافية ولم يصبح متاحاً على نطاق واسع.
أبرز النقاط
- الإعداد المتاح على نطاق واسع من Muse Spark 1.3 هو xhigh، بينما ما زال إعداد max الأعلى في بعض التقييمات ضمن اختبارات سلامة إضافية.
- سجل Muse Spark 1.3 xhigh درجة 61 في Intelligence Index لدى Artificial Analysis، ما يضعه ضمن مجموعة النماذج المتقدمة لا في صدارة الترتيب.
- تقول Meta إن الإصدار 1.3 خفض في مقارناتها الداخلية للبرمجة استدعاءات الأدوات بنحو 20% واستخدام tokens بنحو 25% مقارنة بـ 1.2.
- أسعار الـ API القياسية لم تتغير: 1.25 دولار لكل مليون input tokens و4.25 دولار لكل مليون output tokens.
- في المقارنة مع Gemini 3.8 Flash، كان Muse أعلى قليلاً في Intelligence Index، بينما تفوق Gemini بوضوح في سرعة الإخراج.
- لا يزال موعد وتفاصيل إصدار Muse Spark بأوزان مفتوحة غير محددة، رغم أن Meta تقول إن الإصدارات قادمة.
طرحت Meta نموذج Muse Spark 1.3 بوصفه قفزة كبيرة في أعمال البرمجة والـ agents طويلة المدى. والإصدار المتاح حالياً للمطورين عبر Muse Code وMeta Model API يستخدم إعدادات reasoning المتاحة سابقاً، بما فيها xhigh، وليس إعداد max الذي حقق أبرز نتائج الشركة في الاختبارات.
هذه النقطة مهمة عند قراءة أرقام الإطلاق: إعداد max ما زال يمر باختبارات سلامة إضافية، وتقول Meta إنه سيصل قريباً. أما الإصدار المتاح الآن، xhigh، فسجل 61 نقطة في Intelligence Index لدى Artificial Analysis، وهو ضمن مجموعة النماذج المتقدمة، لكنه ليس متصدر الترتيب.
تقول Meta إن Spark 1.3 تحسن خصوصاً في مهام الوكلاء طويلة التشغيل. ودربت النموذج على إدارة عدة مسارات عمل داخل محادثة طويلة، وجمع السياق عبر الأدوات، واكتشاف الثغرات في خطته، وطلب توضيح من المستخدم عند الحاجة، وطلب التأكيد قبل الإجراءات ذات الأثر الكبير.
وفي مقارنات داخلية أجرتها فرق Meta على أعمال برمجية، استخدم النموذج الجديد نحو 20% استدعاءات أدوات أقل و25% tokens أقل من Spark 1.2. لكن هذه الأرقام لا تعني بالضرورة انخفاض تكلفة كل مهمة في كل سيناريو.
الأسعار: لم تتغير، وكلفة المهمة ليست ثابتة
لم تخفض Meta أسعار الـ API القياسية مقارنة بـ Muse Spark 1.2:
- 1.25 دولار لكل مليون input tokens
- 4.25 دولار لكل مليون output tokens
- 0.15 دولار لكل مليون cached input tokens
وتقدّر Artificial Analysis كلفة مهمة ضمن Intelligence Index لإعداد xhigh بنحو 0.55 دولار، مقابل 0.40 دولار لـ Spark 1.2. ويعزو التقرير الزيادة أساساً إلى استهلاك أكبر لـ input tokens في تقييمات agentic الأوسع. لذلك، لا يكفي سعر الـ token وحده لتقدير التكلفة الفعلية: عدد الجولات، ودرجة reasoning، واستدعاءات الأدوات، وإعادة المحاولة كلها تدخل في الحساب.
في المقابل، أبقت Meta على فئة Contributor منخفضة السعر، مقابل السماح باستخدام prompts وcompletions في التدريب. قد تناسب هذه الفئة النماذج الأولية، لكنها تفرض اعتبارات مختلفة للحوكمة عند التعامل مع كود خاص أو بيانات داخلية حساسة.
منافسة متقاربة مع Gemini
في المقارنة التي أوردها التقرير مع Gemini 3.8 Flash، تفوق Muse Spark 1.3 xhigh بنقطتين في Intelligence Index وبفارق طفيف في كلفة المهمة المقدرة. لكن Gemini كان أسرع في throughput: نحو 305 output tokens في الثانية، مقابل 235 تقريباً لـ Muse Spark.
كما أن أسعار Gemini 3.8 Flash الترويجية كانت أقل عند الإطلاق، قبل أن ترتفع في 1 يناير 2027. النتيجة العملية ليست فائزاً مطلقاً: Muse يقدم أداء reasoning وagentic تنافسياً وفق هذا المقياس المستقل، بينما يقدم Gemini سرعة إخراج أعلى.
غموض حول open weights
بالنسبة إلى فرق اعتادت استخدام Llama للتشغيل الذاتي والتخصيص، قد تكون خريطة Meta الخاصة بـ open weights أهم من سباق التقييمات. كانت الشركة قد قالت في أغسطس إنها ستفتح أوزان Muse Spark 1.2 خلال الأسابيع التالية، لكنها أطلقت الآن Spark 1.3 كنموذج proprietary عبر API.
تشير Meta حالياً إلى أن إصدار Muse Spark بأوزان مفتوحة قادم، من دون تحديد النسخة أو الموعد أو الحجم أو الترخيص. لذلك يقدم Spark 1.3 خياراً أقوى للمطورين الذين يريدون استخدام API اليوم، لكنه لا يحسم بعد مسار الفرق التي تحتاج إلى أوزان قابلة للتنزيل والتشغيل الذاتي.
لماذا يهم؟
لمن يبني وكلاء برمجيين أو workflows متعددة الخطوات، التقييم الصحيح لا يبدأ من أعلى رقم تسويقي بل من الإعداد الذي يمكن نشره فعلياً. Muse Spark 1.3 xhigh يبدو منافساً قوياً، لكن كلفة إنجاز المهمة تتأثر بسلوك الـ agent واستهلاك السياق والأدوات، لا بسعر الـ token فقط. كما أن غموض open weights يبقى عاملاً عملياً للفرق التي تعتمد على self-hosting والتحكم في البيانات.