Meta: Muse Spark Open

ميتا: Muse Spark Open هو نموذج نصي من ميتا، صدر في 15 أكتوبر 2026. يوصف بأنه نموذج مفتوح الأوزان محسّن للبرمجة، ومدرّب تحديدا لسير عمل البرمجة الوكيلية. يظهر هذا التركيز في الأهداف المعلنة المتمثلة في دقة أعلى من المحاولة الأولى، واستدعاء موثوق للأدوات، وفهم عميق لقواعد الأكواد عبر المستودعات التي يعمل فيها المطورون. إذا كنت تبني أدوات للمطورين أو تؤتمت العمل داخل مستودع قائم، فهذا النموذج موجّه مباشرة إلى هذا السياق وليس إلى المحادثة العامة وحدها.

من جهة الإدخال، يقبل Muse Spark Open النصوص والصور والفيديو والملفات والصوت، بينما إخراجه نصي فقط. نافذة السياق هي 1,048,576 رمزا، والحد الأقصى للإخراج هو 943,718 رمزا. هذا الجمع بين سياق كبير جدا وميزانية إخراج كبيرة جدا يعني أنه يمكنك تغذية مصادر طويلة، مثل الملفات الكبيرة أو النصوص الممتدة، مع إبقاء مساحة لاستجابة مولّدة كبيرة. دعم الإدخال متعدد الوسائط جدير بالملاحظة في أعمال البرمجة: لقطات الشاشة وملفات التصميم والجولات المسجلة والملاحظات الصوتية يمكن أن تكون كلها جزءا من الطلب نفسه إلى جانب النص المحيط.

تتبع الاستخدامات العملية تلك القدرات. سير عمل البرمجة الوكيلية هو الأنسب بوضوح، لأن النموذج مدرّب على استدعاء الأدوات وفهم قواعد الأكواد، ما يناسب مهام مثل التنقل في مستودع، والتخطيط لتغييرات متعددة الخطوات، واستدعاء الأدوات كجزء من حلقة. يساعد السياق الكبير عندما تعتمد مهمة على ملفات كثيرة أو سجل طويل من الخطوات السابقة. ولأن الصور والفيديو والصوت والملفات مقبولة كإدخال، يمكنك أيضا بناء تدفقات تحوّل تسجيل شاشة أو نموذجا أوليا لواجهة مستخدم أو تقريرا صوتيا عن خطأ إلى إخراج نصي مثل ملخص مكتوب أو وصف رقعة أو تقرير منظم. أدوات التحكم في الاستدلال والمخرجات المنظمة تجعله قابلا للاستخدام في خطوط المعالجة حيث يجب تحليل النتيجة بدلا من قراءتها بواسطة شخص.

تستدعي النموذج عبر واجهة API المتوافقة مع OpenAI من api14 باستخدام معرّف النموذج "meta/muse-spark-open". معاملات الطلب المدعومة هي frequency_penalty و include_reasoning و logit_bias و logprobs و max_tokens و min_p و presence_penalty و reasoning و reasoning_effort و repetition_penalty و response_format و seed و stop و structured_outputs و temperature و tool_choice و tools و top_k و top_logprobs و top_p. عمليا يعني ذلك أنه يمكنك ضبط أخذ العينات باستخدام temperature و top_p و top_k و min_p، وتطبيق العقوبات، وتحديد الاستجابة بـ max_tokens، وتقييد الإخراج بـ response_format أو structured_outputs، وربط استدعاء الدوال بـ tools و tool_choice. تتيح لك معاملات reasoning و reasoning_effort، إلى جانب include_reasoning، التحكم في مقدار الاستدلال الداخلي الذي يُكشف أو يُطلب، ويدعم seed مع logprobs أو top_logprobs التوليد القابل للتكرار أو الفحص.

هناك حد واحد يجب تذكره وهو أن الإخراج نصي فقط، لذا فإن أي مهمة تحتاج إلى صور أو صوت أو فيديو مولّد ستتطلب نموذجا مختلفا. النموذج أيضا محسّن للبرمجة بشكل صريح، لذا فإن الأعمال التي لا علاقة لها بالكود أو الاستخدام الوكيلي للأدوات قد يكون النموذج النصي العام خيارا أبسط لها.