ميتا تدخل سباق الذكاء الاصطناعي بقوة.. نموذج جديد بنافذة مليون رمز وإمكانات تشغيل محلية بالتعاون مع آبل

تواصل شركة ميتا توسيع حضورها في سوق الذكاء الاصطناعي، مع الكشف عن نموذج Muse Spark Open، الذي يستهدف تطوير البرمجيات ومعالجة المهام المعقدة متعددة المراحل، مستفيدًا من نافذة سياقية تصل إلى مليون رمز، وإمكانات للتشغيل محليًا على أجهزة Mac Studio، وفقًا للمعلومات المنشورة حول النموذج.

ويستهدف النموذج المطورين الذين يتعاملون مع قواعد برمجية ضخمة وكميات كبيرة من البيانات، ويحتاجون إلى أدوات قادرة على تحليل المعلومات، وفهم السياقات الممتدة، والمساعدة في تنفيذ المهام التي تتطلب التخطيط والاستدلال على مراحل متتابعة.

وبحسب البيانات الواردة في التقرير، يضم Muse Spark Open نحو 816 مليار معامل إجمالي، من بينها 42 مليار معامل نشط، وهي بنية تستهدف دعم قدرات النموذج في معالجة المعلومات والتعامل مع المهام البرمجية المعقدة.

وتتمثل إحدى أبرز ميزاته في نافذته السياقية التي تصل إلى مليون رمز، ما يتيح له التعامل مع كميات كبيرة من النصوص والبيانات ضمن سياق واحد.

وتكتسب هذه الإمكانية أهمية خاصة عند تحليل مشروعات برمجية كبيرة، أو مراجعة ملفات متعددة، أو تتبع العلاقات بين أجزاء مختلفة من قاعدة الشيفرات.

كما يمكن أن تساعد النافذة السياقية الواسعة في تقليل الحاجة إلى تقسيم بعض المهام الطويلة إلى طلبات منفصلة، مع الاحتفاظ بقدر أكبر من المعلومات ذات الصلة أثناء تنفيذ المهمة.

ومع ذلك، فإن اتساع النافذة السياقية لا يعني بالضرورة تحقيق أعلى درجات الدقة في جميع المهام؛ إذ يظل الأداء الفعلي مرتبطًا بقدرة النموذج على استيعاب المعلومات واسترجاع التفاصيل المهمة وتقديم نتائج موثوقة.

ويمثل التشغيل المحلي أحد الجوانب اللافتة في المعلومات المنشورة عن النموذج، إذ تشير إلى تحسينه للعمل باستخدام إطار التعلم الآلي MLX على أجهزة Mac Studio المزودة بمعالجات M5 Ultra.

وتعتمد هذه الأجهزة على الذاكرة الموحدة التي تتيح للمعالج ووحدات المعالجة الأخرى الاستفادة من مساحة ذاكرة مشتركة، وهو ما قد يساعد في التعامل مع نماذج الذكاء الاصطناعي الكبيرة التي تتطلب موارد حوسبة وذاكرة مرتفعة.

ووفقًا للتقرير، يمكن أن تصل الذاكرة الموحدة إلى 512 جيجابايت في الجهاز الواحد، مع إمكانية ربط جهازين لتوفير سعة إجمالية تصل إلى تيرابايت.

ومن شأن تشغيل النماذج محليًا أن يمنح المطورين قدرًا أكبر من التحكم في بيئة العمل والبيانات، مع تقليل الاعتماد على الخدمات السحابية في بعض الاستخدامات. لكن الاستفادة من هذه الإمكانات تظل مرتبطة بمتطلبات التشغيل الفعلية، وتكلفة الأجهزة، واستهلاك الطاقة، وسرعة الاستجابة.

ولا يقتصر التوجه التقني للنموذج على أجهزة آبل، إذ تشير المعلومات المنشورة إلى دعمه مجموعة من محركات الاستدلال وأطر التشغيل، من بينها SGLang وvLLM وTensorRT-LLM وHugging Face Transformers وMLX وllama.cpp.

كما تشمل المنصات العتادية المذكورة أنظمة من آبل وإنفيديا وAMD وإنتل، بما قد يمنح المطورين خيارات متنوعة لتشغيل النموذج وفقًا للموارد المتاحة لديهم.

وفي جانب التخصيص، تتضمن الأدوات المشار إليها PyTorch وTorchTitan، إلى جانب إمكانية الإتاحة عبر واجهات برمجة التطبيقات ومستودعات النماذج، بما يسهل دمجه في بعض بيئات التطوير والتطبيقات المتخصصة، بحسب شروط الإتاحة والاستخدام.

وتظل مراجعة متطلبات الترخيص، وتوافر ملفات النموذج، والتوافق مع المنصات المختلفة، ومستوى الحماية من المخاطر التقنية، خطوات ضرورية قبل استخدامه في بيئات العمل الفعلية.

ويعكس التوجه نحو نماذج كبيرة ذات نوافذ سياقية واسعة وقابلة للتخصيص اهتمامًا متزايدًا بتطوير أدوات تتجاوز الإجابة عن الأسئلة إلى مساعدة المستخدمين في إنجاز مهام مركبة، خصوصًا في البرمجة وتحليل البيانات وتطوير التطبيقات.

وتكمن أهمية هذه النماذج في قدرتها المحتملة على فهم سياق المشروع بصورة أشمل، والمساعدة في مراجعة الشيفرات واكتشاف المشكلات وتنظيم مراحل التنفيذ، بدلًا من التعامل مع كل مهمة بمعزل عن الأخرى.

لكن الحكم على مدى قدرة النموذج الجديد على إحداث تحول في سوق الذكاء الاصطناعي يتطلب تقييمًا عمليًا لدقته وسرعته وكفاءته، فضلًا عن تكلفة تشغيله وسهولة استخدامه ومستوى الأمان الذي يوفره.

وبينما تبدو إمكانات التشغيل المحلي والتعامل مع السياقات الطويلة واعدة للمطورين، فإن التأثير الفعلي لـMuse Spark Open سيعتمد على نتائج الاختبارات العملية ومدى توافره وشروط استخدامه، وليس على المواصفات التقنية المعلنة وحدها.