متا در ماه‌های اخیر بیشتر با مدل‌های بسته‌اش خبرساز شده بود. چند روز پیش هم از تازه‌ترین مدل بسته‌اش رونمایی کرد. حالا دوباره سراغ مدل باز رفته و روز پنجشنبه ۱۵ اکتبر، وزن‌های Muse Spark Open را برای دانلود منتشر کرده است.
الکساندر وانگ، مدیر بخش هوش مصنوعی متا، در شبکهٔ X این مدل را «تواناترین مدل وزن‌باز آمریکایی تا امروز» نامیده است. این ادعا در رقابتی مطرح می‌شود که در دو سال اخیر بیشتر در دست شرکت‌های چینی بوده است.
Muse Spark Open چیست و چه فرقی با مدل‌های بسته دارد
به گفتهٔ متا، Muse Spark Open یک مدل چندوجهی (Multimodal) است؛ یعنی از پایه برای کار با چند نوع ورودی، از جمله متن و تصویر، ساخته شده است. این مدل در مجموع ۸۱۶ میلیارد پارامتر دارد، اما ساختار آن از نوع ترکیب متخصص‌ها (MoE) است و برای تولید هر توکن فقط ۴۲ میلیارد پارامتر فعال می‌شود. همین ساختار، حجم محاسبه را در زمان اجرا پایین می‌آورد.
پنجرهٔ زمینهٔ مدل یک میلیون توکن است. متا می‌گوید این مدل را برای کدنویسی و کارهای ایجنتی ساخته است: کارهای طولانی و چندمرحله‌ای، مهندسی نرم‌افزار پیچیده و استدلال گام‌به‌گام.
تفاوت اصلی با مدل‌هایی مثل Claude یا ChatGPT همان «وزن باز» بودن است. در مدل وزن‌باز، توسعه‌دهنده پارامترهای آموزش‌دیدهٔ مدل را دانلود می‌کند و می‌تواند آن را روی سرور خودش اجرا کند یا برای کار خاص خودش دوباره تنظیم کند. گاردین یادآوری می‌کند که در این بازار، مدل‌های چینی مثل Qwen از علی‌بابا، Kimi K3 از Moonshot AI و GLM از Z.ai پیشتاز بوده‌اند و متا حالا ادعا می‌کند هم‌ردهٔ آن‌هاست.
اجرای Muse Spark Open روی مک استودیو؛ دو دستگاه به جای یک ابرکامپیوتر
جالب‌ترین بخش خبر، همکاری متا و اپل است. متا می‌گوید پردازندهٔ گرافیکی تراشهٔ M5 Ultra در هر مک استودیو تا ۵۱۲ گیگابایت حافظهٔ یکپارچه در اختیار دارد. پهنای باند این حافظه هم ۱٫۲ ترابایت بر ثانیه است. به تعبیر متا، دو مک استودیو کنار هم مثل یک ابرکامپیوتر با یک ترابایت حافظهٔ یکپارچه عمل می‌کنند.
تیم یادگیری ماشین اپل در گزارش جداگانه‌ای توضیح داده که چرا یک دستگاه کافی نیست. پارامترهای این مدل در دقت اصلی (BF16) به بیش از ۱٫۶ ترابایت حافظه نیاز دارند. در قالب فشردهٔ ۴ بیتی (NVFP4) این عدد به حدود ۴۹۳ گیگابایت می‌رسد، اما با حافظهٔ لازم برای محاسبات میانی، باز هم در یک دستگاه جا نمی‌شود. به گفتهٔ اپل، روی خوشه‌ای از چهار مک استودیو، مدل بیش از ۳۶ توکن در ثانیه تولید می‌کند.
راهنمای رسمی متا این پیش‌نیازها را برای اجرای محلی فهرست کرده است:
متا زمان راه‌اندازی را حدود ۴ ساعت تخمین زده است. این شرکت می‌گوید ایجنت Muse Code را با همین مدل و کاملاً روی دستگاه آزموده است؛ از رفع باگ و افزودن قابلیت به اپ متن‌باز Ice Cubes برای iOS تا کار با نرم‌افزار DaVinci Resolve، جایی که مدل فریم‌به‌فریم ویدیو را بررسی کرده و بهترین لحظه‌ها را به شکل عمودی برش داده است.
کارنامهٔ Muse Spark Open در بنچمارک‌ها؛ کجا جلوتر است و کجا نه
جدولی که متا منتشر کرده، تصویر یک‌دستی از برتری نشان نمی‌دهد و همین آن را خواندنی می‌کند. در آزمون ایجنتی MCP-Atlas، امتیاز Muse Spark Open برابر ۸۹٫۲ است؛ بالاتر از Qwen3.8 با ۸۴٫۵، GLM 5.3 با ۸۴٫۲ و Kimi K3 با ۸۲٫۳. در آزمون استدلال HLE-Diamond بدون ابزار هم ۲۶٫۱ گرفته و از Kimi K3 با ۲۲٫۲ جلوتر است.
در کدنویسی اما وضع فرق می‌کند. در Terminal-Bench 2.1 امتیاز مدل متا ۷۶٫۴ است، در حالی که Kimi K3 به ۸۵ و GLM 5.3 به ۸۳٫۹ رسیده‌اند. در DeepSWE 1.1 هم Muse Spark Open با ۶۰ امتیاز پشت Kimi K3 با ۶۸ قرار می‌گیرد. این اعداد را خود متا گزارش کرده و هنوز باید منتظر آزمون‌های مستقل ماند.
مجوز، ایمنی و راه‌های دسترسی به مدل
متا وزن‌ها را با مجوز Muse Model License منتشر کرده است. به گفتهٔ این شرکت، این مجوز شرط‌های تجاری محدودی دارد، اما استفادهٔ رایگان را برای بسیاری از توسعه‌دهندگان ممکن می‌کند. پیش از استفادهٔ تجاری، متن کامل مجوز را بخوانید.
متا می‌گوید مدل‌های وزن‌باز ملاحظات خاص خودشان را دارند و به همین دلیل، این نسخه آموزش ایمنی بیشتری دیده است. مدل طبق چارچوب ارزیابی ریسک متا بررسی شده و به گفتهٔ شرکت، آستانه‌های لازم برای انتشار را گذرانده است. گزارش کامل ارزیابی هنوز منتشر نشده است.
جمع‌بندی؛ این خبر برای کاربر ایرانی چه معنایی دارد
Muse Spark Open نشان می‌دهد مدل‌های بسیار بزرگ دیگر فقط در مراکز داده اجرا نمی‌شوند. با این حال، این خبر بیشتر به کار شرکت‌ها، دانشگاه‌ها و تیم‌های نرم‌افزاری می‌آید تا کاربر عادی.
اگر امکانش را داشتید، یک مدل بزرگ را روی سخت‌افزار خودتان اجرا می‌کردید یا همچنان سرویس ابری را ترجیح می‌دهید؟ نظرتان را در بخش نظرات بنویسید.
نظرات کاربران