Meta تفتح أوزان Muse Spark Open: البرمجة الوكيلية وسياق بمليون رمز متاحان الآن على Modal

الأوزان المفتوحة للبرمجة الوكيلية فئة يسأل فيها المطوّرون أولًا لا عن «مدى ذكاء النموذج»، بل عن «أين يمكن تشغيله وكم يكلّف». وقد أجابت Modal سريعًا عن السؤال الثاني: فبمجرد أن نشرت Meta أوزان Muse Spark Open، شغّلت المنصة النموذج على Auto Endpoints الخاصة بها.

ما هذا النموذج ولأي غرض صُمّم

صُمّم Muse Spark Open للسيناريوهات الوكيلية. فهو ليس نموذجًا «يجيب عن سؤال حول الشيفرة»، بل «يأخذ المهمة ويُنجزها حتى النهاية». وبحسب الوصف، يستطيع النموذج كتابة الشيفرة وتصحيح أخطائها، وبناء خطط متعددة الخطوات، واستدعاء الأدوات بالتتابع، والتعافي من الإخفاقات في سلاسل الإجراءات الطويلة.

والنقطة الأخيرة هي الأكثر واقعية. فمن شغّل وكيلًا على مستودع حقيقي يعرف أنه نادرًا ما يتعطّل في الخطوة الأولى. الأرجح أن يحدث ذلك في الخطوة العشرين، حين يفشل أمر في الطرفية بينما يواصل الوكيل العمل كأن كل شيء على ما يرام. والقدرة على ملاحظة الخطأ والتراجع عنه أهم أحيانًا من شيفرة أنيقة من المحاولة الأولى.

وهناك معياران آخران. الأول: الفهم الأصيل للبيانات متعددة الوسائط، إذ يمكن تمرير لقطة شاشة للخطأ أو تصميم واجهة إلى النموذج مباشرة دون وصف وسيط. والثاني: سياق بحجم مليون رمز. وهذا يعني للوكيل أن جزءًا معتبرًا من المستودع وتاريخ الخطوات السابقة والسجلات يتّسع في النافذة، فلا حاجة إلى ابتكار مخطط معقّد لضغط الذاكرة من البداية. لكن «يتّسع» لا يعني «يُحسن الاستفادة»، وهذا يجب التحقق منه على حدة.

كيف نقرأ نتائج الاختبارات المعيارية

تورد Meta نتيجتين:

• 76,4 نقطة في Terminal-Bench 2.1 مع الوكيل Terminus 2؛
• 60 نقطة في DeepSWE 1.1 مع الغلاف البرمجي (harness) الذي تفضّله Meta نفسها.

أُجري القياسان بمستوى استدلال xhigh، أي بأعلى درجات «التفكير». وهذا تحفّظ مهم: فهذا الوضع يستهلك عادةً رموزًا ووقتًا أكثر من الوضع القياسي. يتناول Terminal-Bench عمل الوكيل في الطرفية، بينما يتناول DeepSWE هندسة البرمجيات. والاختباران قريبان مما تحتاجه الوكلاء فعلًا.

ومع ذلك فالأرقام حصلت عليها Meta نفسها وفق إعدادات اختارتها. وشروط التقييم الكاملة موجودة في بطاقة النموذج المنشورة. وكثيرًا ما يؤثر الغلاف البرمجي في النتيجة أكثر من الفرق بين نموذجين متقاربين. لذلك فمقارنة هذه الأرقام بأرقام الآخرين دون تعديل يراعي الغلاف البرمجي ووضع الاستدلال غير صحيحة.

كيف تجرّبه وماذا تتحقق منه

يعمل النموذج على Modal كنقطة وصول مشتركة (Shared Endpoint) بالدفع لكل رمز ودون استئجار وحدات GPU مخصصة. وهذه طريقة مريحة للفريق لإجراء تجربة قصيرة: تضع النموذج في حلقتك الوكيلية وترى النتائج على مهام حقيقية.

ما يستحق القياس:

• نسبة المهام المنجزة حتى النهاية على مستودعك مقارنةً بالنموذج الحالي؛
• السلوك بعد فشل أداة: هل لاحظ النموذج الخطأ وصحّح مساره؛
• تكلفة المهمة كاملةً لا تكلفة رمز واحد: فالوكيل ذو مستوى الاستدلال العالي قد ينفق رموزًا كثيرة جدًا؛
• الجودة على السياق الطويل، لا على المطالبات القصيرة فقط.

إذا أرضتك النتائج وازداد حجم الطلبات، فيمكن التفكير في نشر خاص بك. وهذا جوهر الأوزان المفتوحة: التحكم في البيانات، وإصدار ثابت من النموذج دون مفاجآت من المزوّد، وإمكانية نظرية للتدريب الإضافي.

ما لا نعرفه بعد

لا يتّضح من الإعلان حجم النموذج ولا متطلبات العتاد ولا سعر المليون رمز ولا شروط الترخيص. وكل ذلك ينبغي الاطلاع عليه في بطاقة النموذج وعلى صفحة Modal قبل اعتماده في منتج. كما أن هذا الإعلان صادر عن مزوّد استدلال، وليس اختبارًا مستقلًا. وما دامت لا توجد قياسات من جهات خارجية على مهام متنوعة، فالأجدر اعتبار أرقام Meta ادّعاءً لا دليلًا.

والموقف المعقول الآن بسيط: Muse Spark Open مرشّح جيد للتقييم لمن يبني وكلاء برمجة ويريد أوزانًا مفتوحة. جرّبه على مستودعك الخاص، واحسب تكلفة المهمة كاملةً، ثم قرّر بعد ذلك هل تنتقل إليه.