الذكاء الاصطناعي

Meta تطلق نموذج Muse Spark Open على Amazon SageMaker JumpStart

تتيح Meta الآن لنماذجها المتقدمة للبرمجة الوصول إلى مطوري AWS عبر منصة SageMaker، مع تركيز خاص على الكفاءة في المهام الطويلة والمعقدة.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 15 أكتوبر 2026 · آخر تحديث: 15 أكتوبر 2026 · 6 دقائق قراءة

Meta تطلق نموذج Muse Spark Open على Amazon SageMaker JumpStart — الصورة: AWS Machine Learning Blog

إتاحة نموذج Meta المتخصص في البرمجة

أعلنت شركة Meta عن إتاحة نموذجها الجديد Muse Spark Open، وهو نموذج مفتوح الأوزان مُحسّن خصيصاً لمهام البرمجة، عبر منصة Amazon SageMaker JumpStart. تأتي هذه الخطوة لتسهيل وصول المطورين إلى تقنيات الذكاء الاصطناعي المتقدمة دون الحاجة إلى إدارة البنية التحتية المعقدة بأنفسهم. يتيح هذا التكامل للمؤسسات نشر النموذج على نقاط نهاية (Endpoints) خاصة بها داخل حسابات AWS الخاصة، مما يضمن سيطرة كاملة على البيانات والعمليات.

يُعد هذا النموذج جزءاً من استراتيجية Meta لتوسيع نطاق وصول أدواتها البرمجية إلى بيئات السحابة الرئيسية. من خلال توفره على منصة Amazon SageMaker AI، يمكن للمطورين البدء في استخدام النموذج خلال خطوات بسيطة، سواء عبر واجهة المستخدم الرسومية أو عبر الأكواد البرمجية، مما يقلل من حواجز الدخول التقنية المرتبطة بنماذج الذكاء الاصطناعي الكبيرة.

مواصفات تقنية مصممة للبرمجة الوكيلية

يعتمد Muse Spark Open على بنية خبيرة (Mixture-of-Experts) تضم 816 مليار معامل إجمالي، بينما يتم تفعيل 42 مليار معامل فقط لكل رمز. هذا التصميم يسمح للنموذج بحجم قدرة شبكية هائلة مع استهلاك حاسوبي لكل رمز يقارب تلك النماذج الكثيفة الأصغر حجماً. صُمم النموذج خصيصاً ليكون نموذجاً استنتاجياً (Reasoning Model) يعمل على تخطيط المهام وتنفيذها ومراقبة النتائج وتصحيح المسار عبر فترات زمنية طويلة، بدلاً من الاعتماد على استدعاءات أدوات منفصلة.

تم تدريب النموذج على تدفقات عمل المطورين الحقيقية، بما في ذلك إعادة هيكلة الملفات المتعددة وجلسات تصحيح الأخطاء الطويلة. كما يدعم نافذة سياق تصل إلى مليون رمز، مما يتيح له استيعاب مشروع برمجي كامل مع تبعياته وأكواده القديمة وآلاف الملفات دون الحاجة إلى تقسيم المهام إلى أجزاء أصغر. هذا يتيح للنموذج فهم السياق الشامل للمشاريع الكبيرة بفعالية عالية.

دعم متعدد الوسائط وقدرات وكيلية

لا يقتصر Muse Spark Open على معالجة النصوص البرمجية فحسب، بل يقبل مدخلات متعددة الوسائط تشمل النصوص والصور والمستندات والصوت ومقاطع الفيديو، ليعيد إخراجاً نصياً. تؤكد Meta أن النموذج قادر على الاستدلال عبر هذه الوسائط المختلفة، مما يفتح المجال لتطبيقات هندسية متنوعة. كما تم تصميم النموذج ليكون وكيلياً (Agentic) من البداية، حيث يخطط للإجراءات ويتخذها ويراقب النتائج، مما يجعله مناسباً للمهام التي تتطلب تنسيقاً معقداً.

تشمل قدرات النموذج المتقدمة التصفح عبر الويب، وتنسيق الوكلاء الفرعيين للمهام القابلة للتقسيم، والتشغيل عبر بيئات سطح المكتب والجوال والمتصفح. على منصة Amazon SageMaker AI، يوفر إطار العمل التطبيقي للمستخدم الأدوات وبيئة الاستخدام الفعلية التي يستدعيها النموذج، مما يضمن مرونة عالية في دمج النموذج ضمن أنظمة العمل الحالية.

خيارات النشر وكفاءة استهلاك الموارد

توفر منصة Amazon SageMaker JumpStart نسختين من النموذج: نسخة BF16 ونسخة NVFP4 الكمومية. تعتمد النسخة الكمومية على تنسيق نقاط عائمة 4-بت من NVIDIA، مما يقلل من متطلبات الذاكرة إلى حوالي ربع ما تتطلبه نسخة BF16. بناءً على ذلك، تعمل نسخة NVFP4 على أجهزة ml.p5e.48xlarge، بينما تتطلب نسخة BF16 أجهزة ml.p6-b300.48xlarge. يُنصح بتجربة نسخة NVFP4 أولاً عند تقييم التكاليف، مع ضرورة اختبار الجودة على الأحمال الفعلية للتأكد من ملاءمتها للاستخدام.

تتيح بنية النموذج ذات التفعيل المتناثر (Sparse Activation) خفض الحسابات لكل رمز، لكن خدمة النموذج لا تزال تتطلب ذاكرة GPU كافية لاستيعاب جميع المعاملات. لذلك، يعتمد اختيار نوع الجهاز على سعة الذاكرة المتاحة. يمنح هذا التنوع للمستخدمين خيارات مرنة للتوازن بين التكلفة والأداء وفقاً لاحتياجات تطبيقاتهم الخاصة.

التحكم في البنية التحتية والأمان

من خلال نشر النموذج على Amazon SageMaker AI، يحتفظ المستخدمون بالتحكم الكامل في بيئة النشر. يعمل نقطة النهاية داخل حساب AWS الخاص بالمستخدم، مما يعني أن معالجة الكود المصدري والاستعلامات تتم على بنية تحتية يديرها المستخدم ويضبط إعداداتها. يمكن ربط نقطة النهاية بشبكة Amazon Virtual Private Cloud (Amazon VPC) الخاصة، وتشفير وحدات التخزين باستخدام مفاتيح من AWS Key Management Service (AWS KMS)، وتفعيل عزل الشبكة للحاويات.

كما يمكن للمستخدمين تحديد نوع الجهاز وحدود التوسع، وتثبيت إصدار النموذج لضمان عدم تغييره إلا عند إعادة النشر. يوفر هذا المستوى من التحكم ضمانات أمان وامتثال مهمة للمؤسسات التي تتعامل مع بيانات حساسة أو كود برمجي خاص، حيث تبقى العمليات ضمن حدود البنية التحتية التي يحددها العميل.

خطوات النشر عبر Studio وSDK

يمكن نشر Muse Spark Open إما من خلال واجهة Amazon SageMaker Studio أو باستخدام SageMaker Python SDK. توفر كلتا الطريقتين إنشاء نقطة نهاية فورية (Real-time Endpoint) داخل حساب المستخدم. يتطلب البدء وجود حساب AWS بالصلاحيات اللازمة لإنشاء نماذج ونقاط نهاية، بالإضافة إلى دور تنفيذي (Execution Role) مخصص لـ SageMaker AI. يُنصح باستخدام سياسة AmazonSageMakerFullAccess للتجارب الأولية، مع تضييق الصلاحيات في بيئات الإنتاج.

للاستخدام عبر Studio، يجب توفر نطاق (Domain) لـ SageMaker AI مع وصول إلى Studio. كما يجب التأكد من توفر حصة الخدمة (Service Quota) لنوع الجهاز المطلوب، سواء كان ml.p5e.48xlarge لنسخة NVFP4 أو ml.p6-b300.48xlarge لنسخة BF16. عند استخدام SDK، يتطلب الأمر بيئة Python 3.10 أو أحدث مع تثبيت الإصدار الثالث من SDK. يتوفر النموذج حالياً في منطقتي US East (N. Virginia) وUS East (Ohio).

حالات الاستخدام والتكاليف التشغيلية

يُناسب Muse Spark Open مجموعة واسعة من التطبيقات، أبرزها مساعدي البرمجة على المستودعات الخاصة، حيث يمكنه الإجابة عن أسئلة حول قواعد الكود الكبيرة وإعادة هيكلتها وتصحيح أخطائها مع بقاء المشروع كاملاً في السياق. كما يدعم الوكلاء البرمجيين طويلي المدى الذين يخططون للتغييرات ويعدلون عبر ملفات متعددة ويشغّلون الاختبارات في بيئات معزولة. تشمل الحالات الأخرى تحويل لقطات الشاشة أو المستندات أو تقارير الأخطاء المسجلة صوتياً وفيديوياً إلى خطط إعادة إنتاج أو إصلاحات أولية.

من الناحية المالية، يجب على المستخدمين مراعاة أن الأجهزة التي تستضيف النموذج متعددة وحدات معالجة الرسوميات (Multi-GPU)، ويتم احتساب تكلفة نقطة النهاية طوال فترة تشغيلها بغض النظر عن وجود طلبات معالجة. لذلك، يُنصح بشدة بحذف نقطة النهاية عند انتهاء الاستخدام لتجنب التكاليف غير الضرورية. يمكن الاطلاع على تفاصيل التسعير عبر صفحة أسعار Amazon SageMaker AI.