Muse Glimmer من ميتا: ثورة الذكاء الاصطناعي المفتوح الذي يعمل على حاسوبك الشخصي
أطلقت ميتا في 10 أغسطس 2026 نموذج Muse Glimmer مفتوح الوزن بـ 29.6 مليار معلمة (Apache 2.0)، وهو مصمم للعمل بالكامل على بطاقة رسوميات منزلية واحدة دون أي اتصال سحابي. النموذج مُقطر من Muse Spark المغلق، ومُحسّن لسير العمل الوكيل المحلي: التخطيط، واستدعاء الأدوات، والتعافي من الأخطاء، وفهم النصوص والصور.
نشر بواسطةتم التحرير باستخدام DeepSeek-V4-Flashتم إنشاء الصور باستخدام GPT Image 1.5
أطلقت ميتا في 10 أغسطس 2026 نموذج Muse Glimmer مفتوح الوزن بـ 29.6 مليار معلمة (Apache 2.0)، وهو مصمم للعمل بالكامل على بطاقة رسوميات منزلية واحدة دون أي اتصال سحابي.
النموذج مُقطر من Muse Spark المغلق، ومُحسّن لسير العمل الوكيل المحلي: التخطيط، واستدعاء الأدوات، والتعافي من الأخطاء، وفهم النصوص والصور.
توفر ميتا النموذج بضغط 4 بت (أقل من 20 جيجابايت من VRAM) وتقنية DFlash للفك التخميني، مما يتيح استنتاجاً فورياً على أجهزة مثل RTX 5090 و Apple M5 Max.
What is Meta's Muse Glimmer, a 30-billion-parameter open-weight AI model, and what are its key features, specifications (including offline cAn editorial concept visualization of Meta's Muse Glimmer AI model.
موجّه الذكاء الاصطناعي
Create a landscape editorial hero image for this Studio Global article: What is Meta's Muse Glimmer, a 30-billion-parameter open-weight AI model, and what are its key features, specifications (including offline c. Article summary: I need to verify this information about a model called "Muse Glimmer" from Meta. Let me search for it. Topic tags: general, general web, user generated, documentation, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustra
openai.com
في 10 أغسطس 2026، أصدرت مختبرات ميتا للذكاء الفائق (Meta Superintelligence Labs) نموذج Muse Glimmer – وهو نموذج ذكاء اصطناعي مفتوح الوزن بحوالي 29.6 مليار معلمة، يعمل بالكامل على بطاقة رسوميات منزلية واحدة دون أي اتصال سحابي . يُعد هذا الإصدار الأول من نوعه لميتا منذ أكثر من عام، مما يشير إلى عودتها لجذورها مفتوحة المصدر بعد الإطلاق المخيب لـ Llama 4 .
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
ما هي الإجابة المختصرة على "Muse Glimmer من ميتا: ثورة الذكاء الاصطناعي المفتوح الذي يعمل على حاسوبك الشخصي"؟
أطلقت ميتا في 10 أغسطس 2026 نموذج Muse Glimmer مفتوح الوزن بـ 29.6 مليار معلمة (Apache 2.0)، وهو مصمم للعمل بالكامل على بطاقة رسوميات منزلية واحدة دون أي اتصال سحابي.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
أطلقت ميتا في 10 أغسطس 2026 نموذج Muse Glimmer مفتوح الوزن بـ 29.6 مليار معلمة (Apache 2.0)، وهو مصمم للعمل بالكامل على بطاقة رسوميات منزلية واحدة دون أي اتصال سحابي. النموذج مُقطر من Muse Spark المغلق، ومُحسّن لسير العمل الوكيل المحلي: التخطيط، واستدعاء الأدوات، والتعافي من الأخطاء، وفهم النصوص والصور.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
توفر ميتا النموذج بضغط 4 بت (أقل من 20 جيجابايت من VRAM) وتقنية DFlash للفك التخميني، مما يتيح استنتاجاً فورياً على أجهزة مثل RTX 5090 و Apple M5 Max.
Muse Glimmer من ميتا: ثورة الذكاء الاصطناعي المفتوح الذي يعمل على حاسوبك الشخصي
أطلقت ميتا في 10 أغسطس 2026 نموذج Muse Glimmer مفتوح الوزن بـ 29.6 مليار معلمة (Apache 2.0)، وهو مصمم للعمل بالكامل على بطاقة رسوميات منزلية واحدة دون أي اتصال سحابي. النموذج مُقطر من Muse Spark المغلق، ومُحسّن لسير العمل الوكيل المحلي: التخطيط، واستدعاء الأدوات، والتعافي من الأخطاء، وفهم النصوص والصور.
نشر بواسطةتم التحرير باستخدام DeepSeek-V4-Flashتم إنشاء الصور باستخدام GPT Image 1.5
أطلقت ميتا في 10 أغسطس 2026 نموذج Muse Glimmer مفتوح الوزن بـ 29.6 مليار معلمة (Apache 2.0)، وهو مصمم للعمل بالكامل على بطاقة رسوميات منزلية واحدة دون أي اتصال سحابي.
النموذج مُقطر من Muse Spark المغلق، ومُحسّن لسير العمل الوكيل المحلي: التخطيط، واستدعاء الأدوات، والتعافي من الأخطاء، وفهم النصوص والصور.
توفر ميتا النموذج بضغط 4 بت (أقل من 20 جيجابايت من VRAM) وتقنية DFlash للفك التخميني، مما يتيح استنتاجاً فورياً على أجهزة مثل RTX 5090 و Apple M5 Max.
What is Meta's Muse Glimmer, a 30-billion-parameter open-weight AI model, and what are its key features, specifications (including offline cAn editorial concept visualization of Meta's Muse Glimmer AI model.
موجّه الذكاء الاصطناعي
Create a landscape editorial hero image for this Studio Global article: What is Meta's Muse Glimmer, a 30-billion-parameter open-weight AI model, and what are its key features, specifications (including offline c. Article summary: I need to verify this information about a model called "Muse Glimmer" from Meta. Let me search for it. Topic tags: general, general web, user generated, documentation, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustra
openai.com
في 10 أغسطس 2026، أصدرت مختبرات ميتا للذكاء الفائق (Meta Superintelligence Labs) نموذج Muse Glimmer – وهو نموذج ذكاء اصطناعي مفتوح الوزن بحوالي 29.6 مليار معلمة، يعمل بالكامل على بطاقة رسوميات منزلية واحدة دون أي اتصال سحابي . يُعد هذا الإصدار الأول من نوعه لميتا منذ أكثر من عام، مما يشير إلى عودتها لجذورها مفتوحة المصدر بعد الإطلاق المخيب لـ Llama 4 .
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
ما هي الإجابة المختصرة على "Muse Glimmer من ميتا: ثورة الذكاء الاصطناعي المفتوح الذي يعمل على حاسوبك الشخصي"؟
أطلقت ميتا في 10 أغسطس 2026 نموذج Muse Glimmer مفتوح الوزن بـ 29.6 مليار معلمة (Apache 2.0)، وهو مصمم للعمل بالكامل على بطاقة رسوميات منزلية واحدة دون أي اتصال سحابي.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
أطلقت ميتا في 10 أغسطس 2026 نموذج Muse Glimmer مفتوح الوزن بـ 29.6 مليار معلمة (Apache 2.0)، وهو مصمم للعمل بالكامل على بطاقة رسوميات منزلية واحدة دون أي اتصال سحابي. النموذج مُقطر من Muse Spark المغلق، ومُحسّن لسير العمل الوكيل المحلي: التخطيط، واستدعاء الأدوات، والتعافي من الأخطاء، وفهم النصوص والصور.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
توفر ميتا النموذج بضغط 4 بت (أقل من 20 جيجابايت من VRAM) وتقنية DFlash للفك التخميني، مما يتيح استنتاجاً فورياً على أجهزة مثل RTX 5090 و Apple M5 Max.
Muse Glimmer هو محول سببي كثيف (dense causal transformer) – وليس خليطاً من الخبراء (MoE) – مزود بمُشفر إدراك مخصص من نوع ViT-G/14 بحوالي 1.8 مليار معلمة للمدخلات متعددة الوسائط . يتميز بـ 52 طبقة، وبُعد خفي 6,656، و32 رأس استعلام بنمط انتباه استعلام جماعي (GQA) بنسبة 16:1 .
المواصفات
التفاصيل
إجمالي المعلمات
~29.6 مليار (27.8 مليار لنموذج اللغة + ~1.8 مليار لمُشفر الرؤية)
نافذة السياق
131,072+ رمزاً (تصل إلى 262 ألف رمز في بعض الإعدادات)
المدخلات متعددة الوسائط
نصوص + صور عبر مُشفر الإدراك المخصص
الترخيص
Apache 2.0 – يسمح بالاستخدام التجاري والتعديل وإعادة التوزيع
العمل دون اتصال
يعمل بالكامل على بطاقة رسوميات منزلية أو Mac – لا حاجة للسحابة
تاريخ قطع المعرفة
4 يناير 2026
بيانات التدريب
تغطي أكثر من 100 لغة
يتطلب النموذج بدقة كاملة حوالي 55 جيجابايت من VRAM، لكن ميتا توفره بضغط 4 بت يقلص حجمه إلى أقل من 20 جيجابايت .
متغيرات VRAM المضغوطة
تقدم ميتا إصدارين مضغوطين، بناها باستخدام تقنية K-Quant وقياسها على 15 معياراً :
K-Quant-Dynamic – يستهدف ~32 جيجابايت VRAM، مع تدهور متوسط 0.2% فقط مقارنة بالدقة الكاملة
K-Quant-17GB – يستهدف ~24 جيجابايت VRAM (النموذج أقل من 20 جيجابايت)، مع تدهور متوسط 1.0%
المختبرات المستقلة لم تتحقق بعد من ادعاءات التدهور هذه .
DFlash: الفك التخميني والإنتاجية المحلية
لحل مشكلة زمن الاستجابة لتشغيل نموذج بحجم 30 مليار معلمة محلياً، تدمج ميتا مع Muse Glimmer أداة DFlash – وهو مُخطط فك تخميني صغير من 5 طبقات يقترح كتلًا من 16 رمزاً في المرة الواحدة، ثم يتحقق النموذج الرئيسي منها بالتوازي .
تعلن ميتا عن الإنتاجية التالية على النموذج المضغوط (17 جيجابايت) بحجم دفعة 1 وفك جشع :
الأجهزة
الإنتاجية الأساسية (رمز/ثانية)
مع DFlash (رمز/ثانية)
التسريع
NVIDIA RTX 5090
74.9
233.4
3.1x
Apple M5 Max
26.6
50.2
1.9x
Apple M4 Max
23.7
37.8
1.6x
أعلن إطار SGLang عن 236.4 رمز/ثانية على نفس الأجهزة في قياس منفصل . أشارت اختبارات مستقلة مبكرة على RTX 5090 مع llama.cpp أحياناً إلى أرقام أقل (مثل ~137 رمز/ثانية)، مما يشير إلى أن الرقم 233+ يتطلب تحسينات محددة .
القدرات الوكيلة
Muse Glimmer ليس مجرد روبوت محادثة – إنه وكيل ذكاء اصطناعي محلي مصمم لسير العمل المستقل . قامت ميتا بضبطه خصيصاً لـ التخطيط، واستدعاء الأدوات، والتعافي من أخطائه. يدعم بروتوكول سياق النموذج (MCP) بشكل أصلي ويتكامل مع أطر العمل الوكيلة الشهيرة .
تشمل حالات الاستخدام الرئيسية: استدعاء الدوال، البرمجة المحلية، جلسات استخدام الأدوات الطويلة، تقييم LLM كحكم، تحليل المستندات، والمساعدين الشخصيين .
الأداء في القياسات مقابل المنافسين
نشرت ميتا مقارنات مباشرة ضد Gemma 4 31B من Google و Qwen 3.6 27B من Alibaba (كلاهما في وضع التفكير/الاستدلال) :
القياس
Muse Glimmer 30B
Gemma 4 31B
Qwen 3.6 27B
ما يختبره
MCP Atlas (عام)
75.5
54.2
62.5
استخدام متعدد الخطوات لأكثر من 20 خادم MCP
DeepSearch QA
74.6
61.7
71.1
البحث عبر الإنترنت بشكل مستقل
SWE-Bench Pro
51.2
36.9
50.2
مهام برمجية صعبة في المستودعات
SWE-Bench Verified
76.0
66.6
77.2
مهام برمجية موثقة
AIME 2026 (رياضيات)
94.7
89.2
94.1
استدلال رياضي
τ³-Banking (وكيل)
23.5
15.1
16.7
مهام مصرفية وكيلة
OSWorld-Verified
65.9
58.5
75.6
أتمتة نظام تشغيل سطح المكتب
Terminal-Bench 2.1
51.7
43.4
60.7
أعمال النظام/الطرفية
يتفوق Muse Glimmer على معظم معايير القياس الوكيلة، بما في ذلك MCP Atlas (75.5 مقابل 62.5 لـ Qwen) و DeepSearch QA (74.6 مقابل 71.1) . كما حصل على 94.7 في AIME 2026، متقدماً على كلا المنافسين .
ملاحظة: يشير تحليل طرف ثالث إلى أن Glimmer يتخلف عن Qwen 3.6 27B في TerminalBench 2.1 (51.7 مقابل 60.7) و OSWorld-Verified (65.9 مقابل 75.6)، ولديه ميل لرفض بعض مهام أتمتة نظام التشغيل .
التقطير من Muse Spark
تم اشتقاق Muse Glimmer من نموذج Muse Spark (النموذج الحدودي المغلق الأكبر لميتا) باستخدام تقطير اللوغاريتمات أثناء التدريب المسبق، متبوعاً بضبط دقيق خاضع للإشراف و RLHF . يظل Muse Spark نفسه مغلقاً – متاحاً فقط كواجهة برمجية (API) – مما يجعل Glimmer نسخة مقطرة للمستخدمين الراغبين في النشر المحلي . أشارت ميتا إلى أن إصداراً مفتوحاً من Muse Spark قد يتبع .
السياق الاستراتيجي: الذكاء الفائق للجميع
يمثل Muse Glimmer أوضح تجسيد حتى الآن لرؤية مارك زوكربيرج في "الذكاء الفائق الشخصي" (personal superintelligence) – ذكاء اصطناعي قوي يعمل محلياً على الأجهزة الشخصية، بعيداً عن تكاليف السحابة ورسوم الاشتراك، ودون مغادرة البيانات للجهاز . وصفت TechCrunch هذا النموذج بأنه "أوضح صورة حتى الآن" لتلك الرؤية .
يأتي هذا الإصدار بعد أشهر من الاضطراب الداخلي إثر إطلاق Llama 4 المخيب في ربيع 2026، حيث بدا أن ميتا تخلت عن الذكاء الاصطناعي مفتوح الوزن. يعيد Muse Glimmer فتح تلك الاستراتيجية .
استثمار 14.3 مليار دولار في Scale AI
في يونيو 2025، استثمرت ميتا 14.3 مليار دولار في شركة بيانات التصنيف Scale AI، واستحوذت على حصة ~49% . جلب الصفقة الرئيس التنفيذي لـ Scale، البالغ من العمر 28 عاماً ألكسندر وانغ، لقيادة قسم "الذكاء الفائق" الجديد في ميتا . كان الهدف من الاستثمار تأمين بيانات تدريب عالية الجودة ومواهب لعائلة نماذج Muse . ذكرت CNBC في يناير 2026 أن وانغ يقود وحدة الذكاء الاصطناعي الجديدة في ميتا، والتي كانت تختبر نموذجاً جديداً يحمل الاسم الرمزي Avocado كخليفة لـ Llama .
التوفر والدعم من اليوم الأول
Muse Glimmer متاح للتحميل من Hugging Face على الرابط meta-models/Muse-Glimmer-30B تحت ترخيص Apache 2.0 . يتمتع بدعم من اليوم الأول في:
Ollama – اسحب وشغّل محلياً بأمر واحد
LM Studio – مدعوم للاستدلال المحلي عبر واجهة رسومية
SGLang – أكثر من 230 رمز/ثانية على RTX 5090
llama.cpp – تحويلات GGUF المجتمعية متاحة من اليوم الأول
NVIDIA NIM – استدلال محسّن عبر إطار الخدمات المصغرة من NVIDIA
AMD ROCm – دعم رسمي لمعالجات Ryzen AI Max وبطاقات Radeon
تظهر تقارير مجتمعية مبكرة أنه حتى بطاقة RTX 3090 (24 جيجابايت) يمكنها تشغيل النموذج المضغوط Q4_K_XL مع DFlash ونافذة سياق 262 ألف رمز باستخدام حوالي 22-23 جيجابايت من VRAM .
techcrunch.comMeta’s new Glimmer AI model offers a hint at Zuckerberg’s personal intelligence vision | TechCrunch
Muse Glimmer هو محول سببي كثيف (dense causal transformer) – وليس خليطاً من الخبراء (MoE) – مزود بمُشفر إدراك مخصص من نوع ViT-G/14 بحوالي 1.8 مليار معلمة للمدخلات متعددة الوسائط . يتميز بـ 52 طبقة، وبُعد خفي 6,656، و32 رأس استعلام بنمط انتباه استعلام جماعي (GQA) بنسبة 16:1 .
المواصفات
التفاصيل
إجمالي المعلمات
~29.6 مليار (27.8 مليار لنموذج اللغة + ~1.8 مليار لمُشفر الرؤية)
نافذة السياق
131,072+ رمزاً (تصل إلى 262 ألف رمز في بعض الإعدادات)
المدخلات متعددة الوسائط
نصوص + صور عبر مُشفر الإدراك المخصص
الترخيص
Apache 2.0 – يسمح بالاستخدام التجاري والتعديل وإعادة التوزيع
العمل دون اتصال
يعمل بالكامل على بطاقة رسوميات منزلية أو Mac – لا حاجة للسحابة
تاريخ قطع المعرفة
4 يناير 2026
بيانات التدريب
تغطي أكثر من 100 لغة
يتطلب النموذج بدقة كاملة حوالي 55 جيجابايت من VRAM، لكن ميتا توفره بضغط 4 بت يقلص حجمه إلى أقل من 20 جيجابايت .
متغيرات VRAM المضغوطة
تقدم ميتا إصدارين مضغوطين، بناها باستخدام تقنية K-Quant وقياسها على 15 معياراً :
K-Quant-Dynamic – يستهدف ~32 جيجابايت VRAM، مع تدهور متوسط 0.2% فقط مقارنة بالدقة الكاملة
K-Quant-17GB – يستهدف ~24 جيجابايت VRAM (النموذج أقل من 20 جيجابايت)، مع تدهور متوسط 1.0%
المختبرات المستقلة لم تتحقق بعد من ادعاءات التدهور هذه .
DFlash: الفك التخميني والإنتاجية المحلية
لحل مشكلة زمن الاستجابة لتشغيل نموذج بحجم 30 مليار معلمة محلياً، تدمج ميتا مع Muse Glimmer أداة DFlash – وهو مُخطط فك تخميني صغير من 5 طبقات يقترح كتلًا من 16 رمزاً في المرة الواحدة، ثم يتحقق النموذج الرئيسي منها بالتوازي .
تعلن ميتا عن الإنتاجية التالية على النموذج المضغوط (17 جيجابايت) بحجم دفعة 1 وفك جشع :
الأجهزة
الإنتاجية الأساسية (رمز/ثانية)
مع DFlash (رمز/ثانية)
التسريع
NVIDIA RTX 5090
74.9
233.4
3.1x
Apple M5 Max
26.6
50.2
1.9x
Apple M4 Max
23.7
37.8
1.6x
أعلن إطار SGLang عن 236.4 رمز/ثانية على نفس الأجهزة في قياس منفصل . أشارت اختبارات مستقلة مبكرة على RTX 5090 مع llama.cpp أحياناً إلى أرقام أقل (مثل ~137 رمز/ثانية)، مما يشير إلى أن الرقم 233+ يتطلب تحسينات محددة .
القدرات الوكيلة
Muse Glimmer ليس مجرد روبوت محادثة – إنه وكيل ذكاء اصطناعي محلي مصمم لسير العمل المستقل . قامت ميتا بضبطه خصيصاً لـ التخطيط، واستدعاء الأدوات، والتعافي من أخطائه. يدعم بروتوكول سياق النموذج (MCP) بشكل أصلي ويتكامل مع أطر العمل الوكيلة الشهيرة .
تشمل حالات الاستخدام الرئيسية: استدعاء الدوال، البرمجة المحلية، جلسات استخدام الأدوات الطويلة، تقييم LLM كحكم، تحليل المستندات، والمساعدين الشخصيين .
الأداء في القياسات مقابل المنافسين
نشرت ميتا مقارنات مباشرة ضد Gemma 4 31B من Google و Qwen 3.6 27B من Alibaba (كلاهما في وضع التفكير/الاستدلال) :
القياس
Muse Glimmer 30B
Gemma 4 31B
Qwen 3.6 27B
ما يختبره
MCP Atlas (عام)
75.5
54.2
62.5
استخدام متعدد الخطوات لأكثر من 20 خادم MCP
DeepSearch QA
74.6
61.7
71.1
البحث عبر الإنترنت بشكل مستقل
SWE-Bench Pro
51.2
36.9
50.2
مهام برمجية صعبة في المستودعات
SWE-Bench Verified
76.0
66.6
77.2
مهام برمجية موثقة
AIME 2026 (رياضيات)
94.7
89.2
94.1
استدلال رياضي
τ³-Banking (وكيل)
23.5
15.1
16.7
مهام مصرفية وكيلة
OSWorld-Verified
65.9
58.5
75.6
أتمتة نظام تشغيل سطح المكتب
Terminal-Bench 2.1
51.7
43.4
60.7
أعمال النظام/الطرفية
يتفوق Muse Glimmer على معظم معايير القياس الوكيلة، بما في ذلك MCP Atlas (75.5 مقابل 62.5 لـ Qwen) و DeepSearch QA (74.6 مقابل 71.1) . كما حصل على 94.7 في AIME 2026، متقدماً على كلا المنافسين .
ملاحظة: يشير تحليل طرف ثالث إلى أن Glimmer يتخلف عن Qwen 3.6 27B في TerminalBench 2.1 (51.7 مقابل 60.7) و OSWorld-Verified (65.9 مقابل 75.6)، ولديه ميل لرفض بعض مهام أتمتة نظام التشغيل .
التقطير من Muse Spark
تم اشتقاق Muse Glimmer من نموذج Muse Spark (النموذج الحدودي المغلق الأكبر لميتا) باستخدام تقطير اللوغاريتمات أثناء التدريب المسبق، متبوعاً بضبط دقيق خاضع للإشراف و RLHF . يظل Muse Spark نفسه مغلقاً – متاحاً فقط كواجهة برمجية (API) – مما يجعل Glimmer نسخة مقطرة للمستخدمين الراغبين في النشر المحلي . أشارت ميتا إلى أن إصداراً مفتوحاً من Muse Spark قد يتبع .
السياق الاستراتيجي: الذكاء الفائق للجميع
يمثل Muse Glimmer أوضح تجسيد حتى الآن لرؤية مارك زوكربيرج في "الذكاء الفائق الشخصي" (personal superintelligence) – ذكاء اصطناعي قوي يعمل محلياً على الأجهزة الشخصية، بعيداً عن تكاليف السحابة ورسوم الاشتراك، ودون مغادرة البيانات للجهاز . وصفت TechCrunch هذا النموذج بأنه "أوضح صورة حتى الآن" لتلك الرؤية .
يأتي هذا الإصدار بعد أشهر من الاضطراب الداخلي إثر إطلاق Llama 4 المخيب في ربيع 2026، حيث بدا أن ميتا تخلت عن الذكاء الاصطناعي مفتوح الوزن. يعيد Muse Glimmer فتح تلك الاستراتيجية .
استثمار 14.3 مليار دولار في Scale AI
في يونيو 2025، استثمرت ميتا 14.3 مليار دولار في شركة بيانات التصنيف Scale AI، واستحوذت على حصة ~49% . جلب الصفقة الرئيس التنفيذي لـ Scale، البالغ من العمر 28 عاماً ألكسندر وانغ، لقيادة قسم "الذكاء الفائق" الجديد في ميتا . كان الهدف من الاستثمار تأمين بيانات تدريب عالية الجودة ومواهب لعائلة نماذج Muse . ذكرت CNBC في يناير 2026 أن وانغ يقود وحدة الذكاء الاصطناعي الجديدة في ميتا، والتي كانت تختبر نموذجاً جديداً يحمل الاسم الرمزي Avocado كخليفة لـ Llama .
التوفر والدعم من اليوم الأول
Muse Glimmer متاح للتحميل من Hugging Face على الرابط meta-models/Muse-Glimmer-30B تحت ترخيص Apache 2.0 . يتمتع بدعم من اليوم الأول في:
Ollama – اسحب وشغّل محلياً بأمر واحد
LM Studio – مدعوم للاستدلال المحلي عبر واجهة رسومية
SGLang – أكثر من 230 رمز/ثانية على RTX 5090
llama.cpp – تحويلات GGUF المجتمعية متاحة من اليوم الأول
NVIDIA NIM – استدلال محسّن عبر إطار الخدمات المصغرة من NVIDIA
AMD ROCm – دعم رسمي لمعالجات Ryzen AI Max وبطاقات Radeon
تظهر تقارير مجتمعية مبكرة أنه حتى بطاقة RTX 3090 (24 جيجابايت) يمكنها تشغيل النموذج المضغوط Q4_K_XL مع DFlash ونافذة سياق 262 ألف رمز باستخدام حوالي 22-23 جيجابايت من VRAM .
techcrunch.comMeta’s new Glimmer AI model offers a hint at Zuckerberg’s personal intelligence vision | TechCrunch
