Meta تطلق Muse Spark 1.1، نموذج ترميز ذكي بأسعار عدوانية لتحدي Anthropic وOpenAI

أطلقت Meta نموذج Muse Spark 1.1 في 9 يوليو، وهو نموذج ذكاء اصطناعي متعدد الوسائط صُمم خصيصًا للترميز والمهام الوكيلية متعددة الخطوات، مما يضعه كمنافس مباشر لنماذج Claude من Anthropic وGPT من OpenAI في سوق الترميز الوكيلي سريع النمو. وأفاد رئيس الذكاء الاصطناعي Alexandr Wang أنه "أقوى نموذج للترميز والعمل الوكيلي حتى الآن"، كما ورد لأول مرة في SiliconANGLE.

يهم الإطلاق لأنه يمثل أبرز تحول لـ Meta حتى الآن من استراتيجية Llama مفتوحة المصدر نحو تحقيق الدخل من النماذج الاحتكارية. يأتي Muse Spark 1.1 بعد نسخة أولى صدرت في أبريل 2026 كانت مقتصرة على شركاء محددين؛ هذا التحديث يفتح الوصول إلى المعاينة العامة عبر تطبيق Meta AI وقائمة انتظار API للمطورين، بينما يُقال إن نسخة مفتوحة المصدر بالكامل لا تزال قيد التطوير بجدول زمني غير مؤكد.

فيما يتعلق بالقدرات، يدعم Muse Spark 1.1 نافذة سياق تبلغ مليون رمز ويقدم آلية ضغط سياق تقوم بضغط البيانات المتولدة عبر سير العمل الوكيلية الطويلة مع الحفاظ على القدرة على استرجاع المعلومات من مراحل مبكرة جدًا في المهمة. كما سلطت Meta الضوء على التخطيط التكيفي — حيث يمكن للنموذج اكتشاف التطورات في منتصف المهمة وتعديل خطته بدلاً من الالتزام بنهج أولي ثابت، وهو نقطة فشل شائعة في أدوات الترميز الوكيلية السابقة.

فيما يتعلق بالمعايير، أبلغت Meta عن درجة 72.2 على معيار Vibe Code Bench v1.1 الداخلي، أي أكثر من 50 نقطة فوق نموذجها الرئيسي السابق، وتحسن بنحو 18% في اختبار SWE-Atlas Codebase QnA. التقييمات المستقلة وضعت Muse Spark 1.1 عند 61.5 على SWE-Bench Pro، متخلفًا عن Claude Opus 4.8 الذي سجل 69.2 لكنه متقدمًا على GPT-5.5 الذي سجل 58.6 — وهو مركز جيد ولكن ليس رائدًا في الفئة عبر معظم معايير الترميز التابعة لجهات خارجية.

التسعير هو المجال الذي تقوم فيه Meta بأكثر تحركاتها عدوانية: 1.25 دولار لكل مليون رمز إدخال و4.25 دولار لكل مليون رمز إخراج، مع بدء حسابات API الجديدة بـ 20 دولارًا من الأرصدة المجانية. وصف Wang الاستراتيجية صراحةً بأنها تسعير "يتناسب مع الاستخدام الهائل"، مما يقلل من أسعار Anthropic وOpenAI النموذجية لمستويات الترميز الوكيلي المماثلة. بالنسبة لفرق الهندسة التي تقيم أدوات الترميز الوكيلية، من المرجح أن تكون فجوة السعر هذه — حتى بدون تفوق واضح في المعايير — أكثر أهمية للتبني على نطاق واسع من الفروق الهامشية في الدقة على أي تقييم فردي.