أعلن مختبر الذكاء الفائق التابع لـMeta يوم الاثنين، 9 نوفمبر 2026، عن Muse Ember. وهو أصغر نماذج عائلة Muse، ومصمم لتنفيذ مهام الوكلاء بكميات كبيرة، مثل استدعاء الأدوات والمهام البرمجية الفرعية وتوجيه الطلبات وتحليل المستندات الطويلة. وتقول Meta إن Ember يستطيع قراءة النصوص والصور والصوت والفيديو، ويعمل بنافذة سياق تبلغ 1,048,576 رمزًا، مع إمكانية إخراج ما يصل إلى 524,288 رمزًا في الرد.
تقدّم الشركة Ember بوصفه نموذج العمل الذي يتكامل مع نماذج أكبر مثل Muse Spark أو Muse Wonder. ففي سير عمل الوكلاء، يتولى النموذج الأكبر التخطيط والاستدلال، بينما ينفذ Ember المهام المتكررة منخفضة التكلفة على آلاف العناصر. ويهدف هذا التصميم إلى خفض تكلفة كل مهمة بشكل كبير.
كيف يقارن Ember بالمنافسين
قيّمت Meta نموذج Ember وفق مؤشر Artificial Analysis، وهو معيار يجمع اختبارات البرمجة والتمويل وأتمتة الأعمال. ووفقًا للشركة، حقق Ember نتيجة إجمالية مماثلة لنموذج Claude Haiku 5.5 من Anthropic، مع تكلفة لكل مهمة تقل إلى نحو الثلث. كما تفوق على نموذج Luna من OpenAI في المعيار نفسه، وتقدم بنسبة 17 % في مجموعة اختبارات AutomationBench‑AA التي تضم 657 مهمة لتطبيقات سحابية.
وتعكس الأسعار التركيز على خفض التكلفة: 10 سنتات لكل مليون رمز إدخال و50 سنتًا لكل مليون رمز إخراج، ويمكن لذاكرة التخزين المؤقت خفض تكلفة الإدخال إلى 0.4 سنت لكل مليون رمز. وتُطبّق أسعار أعلى على الطلبات ذات السياق الطويل التي تتجاوز 200 K رمز إدخال، وفقًا لما توضحه وثائق Model API.
ما استخدامات Ember اليوم
يتوفر Muse Ember الآن عبر Model API من Meta ومن خلال Muse Code، ضمن أي خطة للدفع حسب الاستخدام أو اشتراك. ويعمل في الوضع Standard فقط، ما يعني حصول المستخدمين على أقصى تخصيص للموارد الحاسوبية لكل طلب. ويقبل النموذج تنسيق الطلبات نفسه المستخدم في Muse Spark، لذا لا يتطلب التبديل بينهما سوى تغيير المعرّف في استدعاء API.
يمكن للمطورين استخدام Ember في المهام المحددة التي تتكرر مرات كثيرة، مثل تصنيف تذاكر الدعم، وإضافة تعليقات توضيحية إلى مجموعات كبيرة من الصور، واستخراج حقول من ملفات PDF، أو تشغيل أوامر الطرفية ضمن سير عمل أوسع.
لماذا يهم
بالنسبة إلى الشركات التي تنفذ أعدادًا كبيرة من مهام الذكاء الاصطناعي المتكررة، مثل توجيه تذاكر دعم العملاء أو معالجة المستندات على نطاق واسع، يتيح Muse Ember التوسع بتكلفة أقل مع الحفاظ على القدرة على التعامل مع وسائط متعددة. وقد تخفّض تكلفته الأقل لكل رمز نفقات التشغيل، لكن ادعاءات الأداء المعياري لا تزال بانتظار تحقق مستقل من جهات خارجية.
