Meta تدخل حرب ترميز AI بـ Muse Code و Spark 1.2

مقدمة تحليلية

في 5 أغسطس 2026، أطلقت Meta منتجين جديدين يمثلان دخولها الجاد والمباشر إلى سوق وكلاء برمجة الذكاء الاصطناعي: Muse Code، وهو وكيل ترميز AI يعمل من الطرفية (terminal)، وMuse Spark 1.2، تحديث لنموذجها الحدودي Muse Spark 1.1، متخصص في مهام الترميز. هذه الخطوة تضع Meta في منافسة مباشرة وشرسة مع لاعبين راسخين مثل Claude Code من Anthropic، وCodex من OpenAI، والوكلاء البرمجيين المتنامين الذين أصبحوا الأسلوب الأساسي للمطورين المحترفين لشحن البرمجيات. يأتي Muse Code في مرحلة البيتا، وهو منتج خاص (proprietary)، على عكس تاريخ Meta السابق في دعم النماذج مفتوحة المصدر مثل Llama. أبرز ما يميز هذا الإطلاق هو نموذج التسعير الذي يتضمن طبقة "المساهم"، والتي تسمح لـ Meta باستخدام بيانات المستخدم لتدريب نماذجها المستقبلية مقابل خصم يصل إلى 21 ضعفًا على سعر الطبقة القياسية، مما يعكس استراتيجية جمع البيانات على نطاق واسع لسد الفجوة التنافسية.

يتطلب البدء بالوكيل الجديد تسجيل الدخول بحساب Meta وتوفير تفاصيل الفواتير، حتى في طبقة المساهم المخفضة.

التحليل التقني

يعمل Muse Code كوكيل برمجة طرفي، مصمم للتعامل مع مهام الهندسة البرمجية الكاملة عبر المستودعات الكبيرة، بما في ذلك تخطيط التغييرات وكتابة التعليمات البرمجية والتحقق من النتائج. يمكن تثبيته على أنظمة macOS أو Linux باستخدام أمر `curl` بسيط. الميزة المعمارية الرئيسية لـ Muse Code هي ما تسميه Meta "الوكلاء الخلفيين غير المتزامنين الدائمين" (async background agents). على عكس معظم الأدوات المنافسة التي تنشئ وكلاء مساعدين لكل مهمة جديدة، يحتفظ Muse Code بمجموعة من الوكلاء المتخصصين نشطين طوال الجلسة، مما يقلل من الاستكشاف المتكرر للمستودعات ويقلل زمن الاستجابة. عندما تكون المهمة كبيرة، يقوم Muse Code بتوزيع العمل على وكلاء فرعيين متوازيين، يعمل كل منهم في `git worktree` خاص به ومعزول، مما يضمن عدم تأثير العمل على نسخة المطور. وصف مارك زوكربيرج في منشور على منصة X قدرة الوكيل على "بناء ستة ميزات للعبة في وقت واحد بدون تصادمات".

تعتبر قابلية التدقيق ميزة تصميمية ثانية مهمة؛ يتم إلحاق كل استدعاء للنموذج وتشغيل أداة وموافقة وتعديل بسجل أحداث محلي (local event log) قبل التنفيذ، مما يجعله "دقيقًا في إعادة التشغيل وآمنًا عند إعادة التشغيل". إذا تعطل Muse Code بعد 20 ساعة من مهمة طويلة الأمد، فإنه يستأنف بدقة من حيث توقف دون فقدان للعمل. يتضمن Muse Code أيضًا "مهارات" مدمجة مثل `/plan` لتحويل المهمة إلى خطة تتطلب موافقة، و`/grill` لاختبار الخطة، و`/goal` لدفع الوكيل نحو إنجاز هدف محدد.

تحت الغطاء، يعمل Muse Spark 1.2، وهو تحديث يركز على الترميز لـ Muse Spark 1.1. تم تدريب النموذج بحوسبة متزايدة بشكل كبير على مهام الترميز مع تنوع أوسع في بيئة التدريب، مما يحسن توليد التعليمات البرمجية وتصحيح الأخطاء المعقدة وفهم قاعدة التعليمات البرمجية مع الحفاظ على القدرة الوكيلة العامة.

• كان Muse Spark 1.1 الأصلي، الذي صدر في أبريل، قد سجل 77.4 نقطة على SWE-Bench Verified، متخلفًا عن Claude Opus 4.6 (80.8) وGemini 3.1 Pro (80.6).
• حقق Muse Spark 1.2 في Muse Code تحسنًا كبيرًا:
• على Terminal-Bench 2.1: سجل 82.9%، متجاوزًا GPT-5.6 Terra في Codex (81.8%) وxAI's Grok 4.5 في Grok Build (81.6%)، لكنه يتخلف عن Anthropic's Opus 5 (86.7%).
• على DeepSWE 1.1: سجل 59.3%، محتلاً المركز الثالث خلف Opus 5 (65.0%) وGPT-5.6 Terra (64.8%).
• على مقياس Meta الداخلي للترميز: سجل 70.6%، متفوقًا على GPT-5.6 Terra (65.4%) وGemini 3.6 Flash (63.9%)، لكنه لا يزال أقل بتسع نقاط تقريبًا من Opus 5 (79.4%).
• التحسينات الجيلية حقيقية: Muse Spark 1.2 يحسن أداء 1.1 بـ 6.7 نقاط على Terminal-Bench و 6.3 نقاط على DeepSWE، مع الأخذ في الاعتبار أن جزءًا من هذا التحسن يعود إلى بيئة Muse Code الجديدة.

أكثر العروض إثارة للإعجاب هو دراسة حالة طويلة الأجل: Meta وجهت Muse Spark 1.2 نحو تحسين نواة GPU، وتركته يعمل لأكثر من 1,000 استدعاء أداة على مدار 24 ساعة على أجهزة NVIDIA Hopper. أدت هذه العملية إلى "تحسينات جوهرية" على التطبيقات الأساسية لنواة KDA وMLA.

السياق وتأثير السوق

يمثل إطلاق Meta اليوم تحولاً جذرياً في استراتيجيتها للذكاء الاصطناعي. لعقود، بنت الشركة سردها للمطورين حول Llama، عائلة النماذج مفتوحة الوزن التي وفرتها مجاناً، محققة أكثر من 1.2 مليار عملية تنزيل بحلول أوائل 2026. حتى يوليو 2024، أطلق زوكربيرج Llama 3.1 ببيان بعنوان "الذكاء الاصطناعي مفتوح المصدر هو الطريق إلى الأمام". لكن حقبة Llama انتهت فعلياً في 8 أبريل، عندما أطلقت مختبرات Meta Superintelligence Labs (MSL) نموذج Muse Spark الأصلي كأول نموذج خاص (proprietary) للشركة، متاحاً عبر السحابة فقط وبدون أوزان قابلة للتنزيل. هذا التحول يأتي بعد أن شهدت Llama 4 في أبريل 2025 مراجعات متباينة، بينما صعد المنافسون الصينيون مفتوحو الوزن مثل DeepSeek وAlibaba وZhipu AI، ليمثلوا حوالي 41% من التنزيلات على Hugging Face بحلول أواخر 2025.

على عكس Meta، اتجه منافسوها نحو الانفتاح: OpenAI أصدرت Codex CLI كمصدر مفتوح بموجب ترخيص Apache 2.0، وتبعتها بنماذج gpt-oss مفتوحة الوزن. وبالمثل، فإن أداة Gemini CLI من Google مرخصة بموجب Apache. مع Muse Code، تتخذ Meta موقفاً أقرب إلى Anthropic، التي لا يزال Claude Code الخاص بها مملوكاً. تسعير Muse Spark 1.2 عبر Meta Model API يقدم طبقتين:

• الطبقة القياسية: $1.25 لكل مليون رمز إدخال و $4.25 لكل مليون رمز إخراج (مع إدخال مخزن مؤقتاً بـ $0.15). لا تستخدم هذه الطبقة بيانات المستخدم للتدريب.
• طبقة المساهم: $0.10 لكل مليون رمز إدخال و $0.20 لكل مليون رمز إخراج (مع إدخال مخزن مؤقتاً بـ $0.002). هذا يعادل خصماً يصل إلى 12 ضعفاً للإدخال و21 ضعفاً للإخراج مقارنة بالطبقة القياسية. المقابل هو "إذن صريح لاستخدام مطالباتك وإكمال بياناتك لتدريب نماذج Meta المستقبلية".

تعتبر طبقة المساهم الأرخص في السوق (إجمالي $0.30 لكل مليون رمز)، مقارنة بـ MiMo-V2.5 Flash ($0.40) وdeepseek-v4-flash ($0.42)، بينما تكلف الطبقة القياسية لـ Muse Spark 1.2 إجمالي $5.50 لكل مليون رمز. ومع ذلك، تحمل طبقة المساهم قيوداً أكثر صرامة على المعدل (60 طلبًا في الدقيقة مقابل 3,000)، مما يشير إلى أنها تستهدف الأفراد والتجارب الصغيرة. هذه الاستراتيجية هي نسخة Meta الكلاسيكية: دعم الوصول، وجمع البيانات على نطاق واسع، واستخدامها لسد الفجوة مع النماذج الرائدة.

رؤية Glitch4Techs

دخول Meta إلى سوق وكلاء الترميز بالذكاء الاصطناعي يعد خطوة استراتيجية متأخرة لكنها قوية، مقدمة بنية فريدة وميزات تقنية مقنعة مثل الوكلاء الخلفيين الدائمين وسجل الأحداث المحلي. لكن الابتكار الحقيقي ليس في قدرات الترميز، بل في نموذج الأعمال المبطّن بطبقة "المساهم". Meta لا تبيع منتجاً، بل تشتري بيانات. على الرغم من أن السعر المنخفض البالغ $0.30 لكل مليون رمز قد يجذب المطورين الأفراد والتجارب الأولية، فإن الشركات التي لديها قواعد بيانات برمجية خاصة (proprietary codebases) لن تقبل هذا المقايضة.

استخدام "مطالباتك وإكمال بياناتك لتدريب نماذج Meta المستقبلية" يمثل نقطة ضعف حاسمة للتبني المؤسسي. لذا، فإن هذا الإطلاق ليس انتصارًا تقنيًا بحد ذاته لـ Meta، بقدر ما هو محاولة مكشوفة لحصد البيانات بأقل تكلفة ممكنة، الأمر الذي سيجعلها تُستبعد من المنافسات الجادة على مستوى الشركات التي تعطي الأولوية لأمن وخصوصية بياناتها.