Meta تطلق نموذج Muse Ember لمعالجة مهام الذكاء الاصطناعي اليومية بتكلفة منخفضة

أطلقت Meta نموذجها الأصغر Muse Ember، المصمم لمعالجة مهام الترميز والتفكير المتكررة التي يقوم بها وكلاء الذكاء الاصطناعي، مع الحفاظ على تكاليف تشغيل منخفضة. هذا النموذج المدمج مناسب لأعباء العمل اليومية للوكلاء، بما في ذلك استدعاء الأدوات، والمهام الفرعية للترميز، واستخراج المعلومات، وتوجيه الطلبات، وتحليل الوثائق الطويلة. وأشارت Meta إلى أن Muse Ember يقدم ذكاءً أكبر لكل دولار في إعدادات التفكير مقارنةً بـ Claude Haiku 5.5 من Anthropic و GPT-6 Luna من OpenAI.

وفقًا لتقرير Artificial Analysis، حصل Muse Ember على درجة 36 في مؤشر ذكائه، وهو نفس مستوى Claude Haiku 5.5، بينما تبلغ تكلفة كل مهمة حوالي $0.14 (حوالي HK$1.09)، وهو ما يعادل تقريبًا ثلث التكلفة المقدرة لـ Haiku البالغة $0.41 (حوالي HK$3.20). كما أظهر النموذج أداءً جيدًا عند مقارنته بنموذج Muse Spark 1.3 الأكبر من Meta.

تقدر Artificial Analysis تكلفة كل مهمة في مؤشر ذكاء Muse Ember بـ $0.14 (حوالي HK$1.09)، بينما تبلغ تكلفة Spark $2.39 (حوالي HK$18.63)، مع درجة ذكاء تبلغ 37.

تعدد استخدامات Muse Ember

صممت Meta Muse Ember لمعالجة مجموعة من العمليات الصغيرة التي يقوم بها الوكلاء في سير العمل الممتد، بدلاً من التركيز فقط على مسائل التفكير المعقدة. يمكن للنموذج تنفيذ سير العمل التجاري من البداية إلى النهاية، من خلال استرجاع السجلات، وإجراء استدعاءات أدوات متسلسلة، وتحديث المعلومات في التطبيقات. كما يأتي النموذج مزودًا بنافذة سياقية تحتوي على مليون علامة، وقادر على إنتاج ما يصل إلى 512,000 علامة إخراج، مما يمكّنه من معالجة مجموعة كبيرة من الوثائق أو كود كامل في استدعاء واحد. في التقييم، حصل Muse Ember على درجة 37.8% في AutomationBench-AA، وهو مقياس يقيس سير العمل التجاري من البداية إلى النهاية، بينما حصل GPT-6

Luna على درجة 20.2%، وClaude Haiku 5.5 على 13.9%. بالإضافة إلى ذلك، حصل Muse Ember على درجة 61.6% في امتحان Agents’ Last Exam، متفوقًا قليلاً على Luna التي حصلت على 57.1% وHaiku التي حصلت على 57%. في مؤشر الذكاء الشخصي من Meta، حصل على درجة 46.8%، متفوقًا على Luna التي حصلت على 37% وHaiku التي حصلت على 36.1%. كما أن أداءه في الترميز تنافسي أيضًا، حيث حصل Muse Ember على درجة 40.9% في Terminal-Bench 4.0، بينما حصل Haiku على 39.2%

Luna حصلت على 16.4%. ومع ذلك، في FrontierCode 2.0-AA، كان أداء Haiku أفضل، حيث حصل على 34.9%، بينما حصل Muse Ember على 27.2%.

الأسعار وطرق الاستخدام

Muse Ember، بالإضافة إلى الترميز وتنفيذ الوكلاء، قادر أيضًا على معالجة النصوص والصور والصوت والفيديو. مما يمكّنه من تفسير لقطات الشاشة، والرسوم البيانية، والوثائق الممسوحة، بالإضافة إلى التسجيلات الصوتية ومحتوى الفيديو. في OSWorld 2.1، استخدم النموذج جزءًا من نقاط الائتمان، وحصل على درجة 69.5%. بينما حصل على 80.6% في PerceptionBench، وهو مقياس يقيم القدرة على الفهم البصري الدقيق. أشارت Meta إلى أن النموذج خضع لتقييم أمني يغطي المخاطر الكيميائية والبيولوجية، والأمن السيبراني، والسيناريوهات الخارجة عن السيطرة، وأفادت الشركة أن Muse Ember يبقى دائمًا تحت مستوى الخطر العالي في إطار عمله.

يمكن استخدام النموذج عبر Muse Code وMeta Model API تحت اسم muse-ember-1.0، بأسعار تبدأ من $0.10 (حوالي HK$0.78) لكل مليون علامة إدخال و$0.50 (حوالي HK$3.90) لكل مليون علامة إخراج، بينما تبلغ تكلفة إدخال الذاكرة المؤقتة $0.004 (حوالي HK$0.03) لكل مليون علامة. Muse Ember هو أول نموذج من Meta يدعي استخدام تدريب Muse Wonder Full.

تم إطلاقه جنبًا إلى جنب مع Muse Wonder المصمم لأصعب مسائل التفكير وMuse Spark الموجهة لعمليات الترميز والوكلاء. الهدف الأوسع لـ Meta هو جعل تكلفة الميزات المتقدمة منخفضة بما يكفي لتشغيلها في المنتجات والخدمات اليومية، حيث يهدف Muse Ember إلى معالجة أعباء العمل المتكررة على نطاق واسع.

تأثير Muse Ember في مجال الذكاء الاصطناعي

يمثل إطلاق Muse Ember تقدمًا مهمًا لـ Meta في تطوير نماذج الذكاء الاصطناعي، خاصة في تقليل التكاليف وزيادة الكفاءة. لا يمكن لهذا النموذج معالجة مهام الترميز والتفكير فحسب، بل يدعم أيضًا تفسير الوسائط المتعددة مثل النصوص والصور والصوت، مما يظهر تعدد استخداماته. مع تزايد تطبيقات تقنيات الذكاء الاصطناعي في الحياة اليومية، ستساهم الخصائص منخفضة التكلفة لـ Muse Ember في تعزيز اعتماد الأعمال بشكل أوسع، وقد تغير استراتيجيات الشركات في مجال الأتمتة ومعالجة البيانات.