"ميتا" تخفض تكلفة مهام الذكاء الاصطناعي إلى الثلث بنموذجها الجديد

ويبدأ سعر استخدام النموذج من 10 سنتات لكل مليون رمز من البيانات المدخلة، و50 سنتاً لكل مليون رمز ينتجه، في محاولة لتوفير بديل منخفض التكلفة للمهام التي تتطلب استدعاء وكلاء الذكاء الاصطناعي مرات عديدة خلال عملية واحدة.

وخلال الإعلان وصفته "ميتا" بأنه الأصغر والأكثر كفاءة بين نماذجها، حيث جرى تصميمه لتنفيذ الأعمال المتكررة التي تشكل جزءاً أساسياً من تشغيل "وكلاء الذكاء الاصطناعي"، وهي برامج تستطيع تنفيذ سلسلة من المهام باستخدام الأدوات والبيانات المتاحة لها، بدلاً من الاكتفاء بالإجابة عن أسئلة المستخدمين.

ويستطيع Muse Ember التعامل مع النصوص والصور والتسجيلات الصوتية ومقاطع الفيديو، كما يمكنه معالجة مستندات طويلة تصل إلى مليون رمز ضمن نافذة السياق، وإنتاج مخرجات تصل إلى 512 ألف رمز. 

ويتاح النموذج عبر واجهة Meta Model API ومنصة Muse Code.

Releasing Muse Ember today -- our smallest model that delivers higher intelligence per dollar than others in its class. Built for token-heavy work that agents repeat all day: tool calls, coding subtasks, routing, extraction, and long document parsing. Available today on the Meta Model API and in Muse Code.

— Mark Zuckerberg (@finkd) November 9, 2026

كم يوفر نموذج ميتا؟

تظهر أهمية النموذج الجديد في تكلفة إنجاز المهام، وليس فقط سعر استخدامه، حيث كشفت بيانات شركة Artificial Analysis أن تكلفة تنفيذ المهمة الواحدة باستخدام Muse Ember تبلغ 0.136 دولار، مقارنة بـ0.411 دولار لنموذج Claude Haiku 5.5 التابع لشركة أنثروبيك، أي أن تكلفة النموذج الجديد تقل بنحو الثلث.

في الوقت نفسه، حقق النموذجان 36 نقطة على مؤشر Artificial Analysis Intelligence Index، الذي يقارن قدرات نماذج الذكاء الاصطناعي في مجموعة من المهام.

وتفوق نموذج ميتا في عدد من الاختبارات المرتبطة بتشغيل وكلاء الذكاء الاصطناعي والبرمجة، مسجلاً 37.8% في اختبار AutomationBench-AA، مقابل 13.9% لنموذج Claude Haiku 5.5، و46 نقطة في مؤشر Coding Agent Index-AA، مقابل 37 نقطة للنموذج المنافس.

غير أن التفوق لم يشمل جميع المهام، ففي اختبار FrontierCode 2.0، الذي يقيس القدرة على إنجاز أعمال برمجية وهندسية فعلية، سجل Muse Ember نسبة 27.2%، مقابل 34.9% لـClaude Haiku 5.5.

نموذج صغير ينافس الكبار

تقوم فكرة ميتا على توزيع العمل بين نموذجين بدلاً من استخدام نموذج كبير ومكلف لتنفيذ جميع المراحل. أي أنه في هذه المنظومة يتولى Muse Wonder، وهو النموذج الأكبر لدى الشركة، فهم المهمة ووضع خطة لتنفيذها، بينما يتولى Muse Ember تطبيق التعليمات وتنفيذ العمليات المتكررة، مثل مراجعة الملفات واستخراج المعلومات وتشغيل الاختبارات البرمجية.

وتظهر الجدوى الاقتصادية لهذا الأسلوب مع ارتفاع عدد العمليات التي ينفذها وكلاء الذكاء الاصطناعي، فبدلاً من الاستعانة بنموذج مرتفع التكلفة في كل مرة، يمكن إسناد المهام البسيطة والمتكررة إلى نموذج أصغر وأقل سعراً.

ووفقاً لبيانات Artificial Analysis، تبلغ كلفة تنفيذ المهمة الواحدة باستخدام Muse Wonder نحو 6.95 دولار، مقابل 0.136 دولار باستخدام Muse Ember.

ومع ذلك لا يمثل النموذج بديلاً مناسباً لجميع استخدامات الذكاء الاصطناعي، لأن الاختبارات أظهرت ضعفاً نسبياً في الإجابة عن الأسئلة المعرفية العامة، بعدما سجّل دقة بلغت 21.1% في اختبار AA-Omniscience، وامتنع عن الإجابة عن 64% من الأسئلة.

وبحسب الخبراء، تشير هذه النتائج إلى أن ميتا تركز على تقديم أداة لتنفيذ المهام ومعالجة البيانات المتاحة، وليس نموذجاً يعتمد عليه المستخدم للحصول على إجابات عن مختلف الموضوعات.