شکار غول متن‌باز روی میز کار؛ متا با مدل ۸۱۶ میلیاردی Muse Spark Open به جنگ هوش مصنوعی چین رفت

آزمایشگاه‌های هوش مصنوعی چین در ماه‌های اخیر به مقصد اصلی شرکت‌ها برای دانلود، شخصی‌سازی و اجرای محلی مدل‌ها روی زیرساخت‌های اختصاصی تبدیل شده‌اند. مدل‌هایی مثل Qwen از علی‌بابا، دیپ‌سیک (DeepSeek) و Kimi از شرکت Moonshot AI استانداردهای تازه‌ای برای سیستم‌های با وزن باز تعریف کردند تا توسعه‌دهندگان جایگزین‌های قدرتمندی برای مدل‌های انحصاری و APIهای تجاری داشته باشند.

این چرخش بزرگ نه‌تنها در بنچمارک‌ها، بلکه در آمار استفاده کاربران هم کاملاً به چشم می‌خورد. بر اساس گزارش مارس ۲۰۲۶ هاگینگ فیس، مدل‌های چینی ۴۱ درصد از کل دانلودهای یک سال گذشته را به خود اختصاص داده و از رقبای آمریکایی جلو زده‌اند. در ماه سپتامبر نیز پلتفرم OpenRouter اعلام کرد که ۶۰ درصد حجم توکن‌های درخواستی از مبدأ آمریکا مربوط به مدل‌های باز بوده که بخش اعظم آن را آزمایشگاه‌های چینی تأمین کرده‌اند.

حالا متا با معرفی مدل Muse Spark Open وارد میدان شده است؛ یک مدل غول‌پیکر ۸۱۶ میلیارد پارامتری که متا آن را «توانمندترین مدل متن‌باز آمریکایی تا به امروز» می‌نامد. این انتشار که در ۱۵ اکتبر اعلام شد، یک گزینه قدرتمند آمریکایی در اختیار کسب‌وکارها قرار می‌دهد تا مدل‌های بزرگ را روی سیستم‌های خود اجرا و بهینه‌سازی کنند؛ آن هم روی سخت‌افزارهایی که برای یک مدل با این عظمت نسبتاً اقتصادی و در دسترس به حساب می‌آیند.

موقعیت جغرافیایی توسعه مدل، هم در رقابت میان غول‌های هوش مصنوعی اهمیت بالایی دارد و هم برای شرکت‌هایی با الزامات امنیتی و قانونی خاص حیاتی است. البته برای تیم‌های سازمانی، ملاک‌های اصلی کارایی مواردی مثل موفقیت در تسک‌ها، پایداری، شرایط لایسنس و هزینه‌های عملیاتی است. محل توسعه مدل به‌تنهایی مشخص‌کننده محل پردازش داده‌ها نیست؛ چنان‌که OpenRouter در حال حاضر امکان هاستینگ مدل‌های چینی در خاک آمریکا (از جمله DeepSeek V4 Pro و Kimi K3) را فراهم کرده است.

آمار‌های منتشرشده نشان می‌دهد Spark Open بیش‌تر یک رقیب تخصصی با مهارت‌های ویژه است تا پیشتاز بلامنازع دنیای متن‌باز. بر اساس کارت مشخصات رسمی مدل در هاگینگ فیس، امتیاز شاخص هوش آن در Artificial Analysis برابر ۳۹ ثبت شده که پایین‌تر از امتیاز ۴۶ مدل مستقل MiMo-V2.6-Pro است.

جدول مقایسه‌ای متا نشان می‌دهد که Spark Open در بنچمارک‌های JobBench و ارزیابی استفاده از ابزار‌ها در MCP-Atlas از رقبای سرشناس جلوتر است، اما در کدنویسی مستقیم ترمینال، پروژه‌های مهندسی نرم‌افزار پیچیده و ارزیابی تسک‌های حرفه‌ای GDPVal-AA پشت سر Kimi K3 و GLM 5.3 قرار می‌گیرد. در زمان انتشار این خبر، بررسی عمومی مستقلی از سوی تیم تحلیلی Artificial Analysis برای این مدل به‌طور مجزا در دسترس نبود و اعداد بر پایه داده‌های رسمی متا هستند.

این بیانیه از نظر هزینه دست بالا را نشان نمی‌دهد؛ نرخ‌های هاستینگ رسمی هنوز کامل نیست و ستاپ دسکتاپ پیشنهادی متا بر پایه دو دستگاه مک استودیو M5 Ultra با کانفیگی پیاده شده که هنوز به بازار عرضه نشده است.

برتری Spark Open به این بستگی دارد که شرکت‌ها از ترکیب مهارت‌های کاربردی، سازگاری سخت‌افزاری و شرایط تجاری آن چه دستاوردی کسب کنند؛ صرف آمریکایی بودن مدل نمی‌تواند تعیین‌کننده نهایی تصمیم خرید باشد.

مدل فوق‌سنگینی که روی میز کار جا می‌شود!

بر اساس اطلاعات ارائه‌شده در کارت مدل Spark Open، این مدل از معماری ترکیبی کارشناسان (MoE) بهره می‌برد و برای تولید هر توکن، ۴۲ میلیارد پارامتر از مجموع ۸۱۶ میلیارد پارامتر آن فعال می‌شوند. پنجره زمینه آن تا یک میلیون توکن را پشتیبانی می‌کند و ورودی‌های متنی، تصویر، ویدیو و صدا را به‌خوبی درک می‌کند؛ هرچند خروجی نهایی مدل صرفاً متنی است.

این ویژگی برای پیاده‌سازی کاربردهای تجاری اهمیت بسیار زیادی دارد. یک توسعه‌دهنده می‌تواند از این مدل برای تحلیل فایل‌های صوتی، بررسی اسکرین‌شات‌ها یا پردازش اسناد حجیم همگام با پرامپت‌ها استفاده کند، اما باید توجه داشت که این نسخه یک ابزار تولید تصویر، صدا یا ویدیو به حساب نمی‌آید.

ستاپ رومیزی پیشنهادی متا از اتصال دو دستگاه مک استودیو مجهز به تراشه M5 Ultra تشکیل شده که هر کدام تا ۵۱۲ گیگابایت حافظه یکپارچه (Unified Memory) دارند. متا در پست وبلاگ معرفی رسمی اعلام کرده که این جفت سخت‌افزاری در مجموع یک ترابایت رم یکپارچه فراهم می‌کنند و فریم‌ورک MLX اپل اجرای روان و محلی مدل را ممکن می‌سازد.

البته این راه‌حل رومیزی بی‌دردسر هم نیست: نسخه ۵۱۲ گیگابایتی اپل تا اواخر اکتبر وارد بازار نخواهد شد و قیمت قطعی آن هنوز مشخص نیست. نگاهی به قیمت‌های فعلی نشان می‌دهد که با سرمایه‌گذاری سنگین چند ده هزار دلاری روبه‌رو هستیم. در حال حاضر اپل مک استودیو M5 Ultra با ۲۵۶ گیگابایت رم و یک ترابایت اس‌اس‌دی را ۱۰٬۷۹۹ دلار قیمت‌گذاری کرده است؛ اگر بخواهید با چهار سیستم به حافظه یک ترابایتی مشابه برسید، باید رقمی حدود ۴۳٬۱۹۶ دلار بپردازید. این رقم معیار خوبی از هزینه‌های جمع‌آوری چنین حجمی از رم در بازار امروز به دست می‌دهد.

کارت مدل نشان می‌دهد که برای نسخه NVFP4 حداقل به ۷۰۰ گیگابایت رم پردازشی و برای نسخه کامل BF16 به ۲ ترابایت رم نیاز است. بنابراین فعال‌سازی بخشی از پارامترها در زمان تولید، میزان رم مورد نیاز را به ابعاد یک مدل ۴۲ میلیاردی ساده کاهش نمی‌دهد.

متا دموی محلی جالبی را هم به نمایش گذاشت که در آن Muse Code با پشتیبانی مدل Spark Open توانست سورس برنامه Mastodon Ice Cubes را دستکاری کند و همچنین با کنترل نرم‌افزار DaVinci Resolve ویدیوها را بازبینی کرده و برش‌های عمودی بسازد. البته این‌ها دموهای رسمی شرکتی هستند و هنوز سرعت دقیق تولید توکن و هزینه کلی راه‌اندازی این ستاپ دونفره گزارش نشده است.

توسعه‌دهندگان برای سرویس‌دهی مدل به ابزار‌های محبوب و آشنایی دسترسی دارند. متا سازگاری این مدل را با SGLang، vLLM، TensorRT-LLM، Transformers، MLX، llama.cpp و Unsloth روی پردازنده‌های گرافیکی انویدیا، اینتل، AMD و اپل تأیید کرده و برای فاین‌تیون عمیق‌تر به TorchTitan در فریم‌ورک PyTorch ارجاع داده است.

نتایج خیره‌کننده در تسک‌های منتخب و رقابت نفس‌گیر در کدنویسی

بر اساس جدول بنچمارک‌های رسمی متا، مدل Spark Open در ارزیابی‌های JobBench و MCP-Atlas با قدرت از رقبای خود پیشی گرفته است؛ با این حال در سایر شاخص‌ها مدل‌های GLM 5.3، Kimi K3 و Qwen3.8 عملکرد بهتری از خود نشان داده‌اند.

این ارقام مستقیماً از منابع رسمی متا با سطوح استدلال اعلام‌شده استخراج شده‌اند. داده‌های بنچمارک مهندسی DeepSWE از بهترین بستر ایجنتی در دسترس هر مدل استفاده کرده‌اند، بنابراین چارچوب نرم‌افزاری ایجنت هم در این سنجش دخیل بوده است.

امتیاز شاخص هوش ۳۹ مستقیماً از کارت مدل متا استخراج شده است. در زمان آماده‌سازی این گزارش، تحلیل عمومی مستقلی از سوی مرجع سنجش Artificial Analysis برای Spark Open تأیید نشده و داده‌ها بر اساس ادعای متاست. ارزیابی‌های مربوط به مدل‌های کلود Spark و Wonder در این مرجع، مربوط به نسخه‌های میزبانی‌شده اختصاصی هستند.

مدل Spark Open در آزمون دشوار HLE-Diamond بدون ابزار با امتیاز ۲۶٫۱ در برابر ۲۲٫۲ کیمی و ۱۷٫۳ کوئن پیشتاز است. در تسک‌های بینایی ماشین همراه با ابزار، در آزمون ZeroBench امتیاز ۵۰ (در برابر ۴۱ کیمی) و در SimpleVQA امتیاز ۷۳٫۶ (در برابر ۷۱٫۹) را ثبت کرده است.

تأکید متا روی «بهترین مدل آمریکایی» نکته بسیار مهمی است. در جدول مقایسه، مدل Inkling با امتیاز ۲۶ و Nemotron 3 Ultra با امتیاز ۲۳ پایین‌تر از امتیاز ۳۹ اسپارک قرار گرفته‌اند، اما برخی مدل‌های متن‌باز جهانی نمرات بالاتری دارند. این داده‌ها از عرضه یک مدل بسیار رقابتی آمریکایی با برتری‌های موضوعی حکایت دارند، اما به معنای صدرنشینی مطلق جهانی نیستند.

این برتری در مقیاس ملی، هیجان نیتن لمبرت، نویسنده رسانه تخصصی Interconnects را به همراه داشت. او در شبکه اجتماعی X نوشت: «خیلی وقت بود منتظر بودم مدل‌های متن‌باز آمریکایی دوباره به بازی برگردن و حرفی برای گفتن داشته باشن؛ هرچند هنوز راه زیادی در پیشه!»

آمار‌های مستقل Artificial Analysis مرز این تمایز جغرافیایی را روشن‌تر می‌کند: مدل MiMo-V2.6-Pro از شیائومی با امتیاز ۴۶، مدل GLM-5.3 با ۴۵ و Kimi K3 با ۴۴ در رده‌های بالا‌تر قرار دارند. حتی GLM-5.3-Flash با امتیاز ۴۲ و نسخه‌های Qwen3.8 هر کدام با امتیاز ۴۰ بالا‌تر از امتیاز ۳۹ مدل متا هستند؛ موضوعی که نشان می‌دهد چرا ادعای صدرنشینی در بین مدل‌های ساخت آمریکا با صدرنشینی در دنیای آزاد مدل‌های جهانی تفاوت فاحشی دارد.

استفاده تجاری رایگان است؛ اما با یک شرط ویژه و مهم!

شرایط مجوز Muse Model License به کاربران اجازه اجرای مستقیم، ایجاد تغییرات، فاین‌تیون، تقطیر دانش (Distillation) و بازنشر نرم‌افزار را بر اساس ضوابط استفاده تعیین‌شده می‌دهد.

با این حال، یک بند درآمدی مشخص پلتفرم‌های ارائه‌دهنده سرویس‌های ابری هوش مصنوعی (Model-as-a-Service) را هدف گرفته است: اگر شرکتی همراه با مجموعه‌های وابسته خود طی ۱۲ ماه متوالی به درآمد ناخالص بیش از ۲۰ میلیون دلار برسد، برای ارائه Spark Open یا مشتقات آن به عنوان سرویس ابری به کاربران، موظف است این موضوع را کتباً به اطلاع متا رسانده و قرارداد جداگانه‌ای تنظیم کند.

نکته مهم اینجاست که این درآمد کل شرکت و شرکای تجاری را شامل می‌شود، نه فقط درآمد حاصل از خود مدل. اما این بند به‌طور شفاف استثناهای مهمی دارد: استفاده‌های داخلی سازمانی، تحقیقات دانشگاهی، فعالیت‌های تجاری بیرون از حوزه سرویس‌دهی مدل، و همچنین به‌کارگیری مدل درون محصول تجاری خود شرکت (به شرطی که محصول خودش خدمات API یا فروش مدل نباشد) کاملاً معاف از این محدودیت هستند.

برای سازمانی که قصد دارد یک دستیار هوشمند داخلی بسازد یا قابلیت‌های هوش مصنوعی را به اپلیکیشن خود اضافه کند، این معافیت فوق‌العاده کاربردی است. سقف ۲۰ میلیون دلاری به‌هیچ‌وجه مانعی برای توسعه تجاری داخلی به شمار نمی‌رود.

البته تعهدات دیگری هم وجود دارد؛ کسب‌وکارها باید عبارت رسمی «Built with Muse Spark Open» را در محل‌هایی مثل مستندات، وبسایت یا بخش تنظیمات محصول درج کنند. طبق لایسنس، مدل‌های بهینه‌سازی‌شده با خروجی‌های این سیستم نیز مشتقات آن محسوب می‌شوند؛ هرچند متا تأکید کرده که هیچ مالکیتی بر محتوای تولیدشده توسط کاربران نخواهد داشت.

فرم دریافت نامعمول و سخت‌گیرانه در هاگینگ فیس

برای دریافت این مدل، فرم دسترسی در هاگینگ فیس از متقاضیان نام و نام‌خانوادگی کامل قانونی، تاریخ دقیق تولد و نام رسمی شرکت را همراه با شناسه ثبتی درخواست می‌کند.

در این راهنما به کاربران گوشزد شده که از کلمات اختصاری یا کاراکترهای خاص پرهیز کنند، زیرا امکان ویرایش فرم پس از ارسال وجود ندارد و هرگونه خطایی می‌تواند دسترسی به این مدل و سایر مدل‌های هاگینگ فیس را لغو کند. طبق اعلام متا، این اطلاعات مشمول سیاست حریم خصوصی این شرکت است.

این حجم از جزییات در مقایسه با روال مرسوم پلتفرم Hugging Face بسیار نامعمول به نظر می‌رسد. در مستندات هاگینگ فیس فرایند پیش‌فرض تنها شامل ارسال نام کاربری و آدرس ایمیل است، هرچند ناشران اجازه دارند فیلدهای سفارشی بیفزایند. البته درخواست تاریخ تولد رویه‌ای همگانی نیست.

با وجود این، چنین رویکردی قبلاً هم در مدل‌های متا مانند Llama 4 Scout، Meta-SecAlign-8B و OMol25 و حتی در مدل Tri-21B متعلق به Trillion Labs دیده شده بود.

هزینه‌ها و دسترسی ابری مدل نزد ارائه‌دهندگان مختلف

بر اساس بیانیه رسمی متا، ارائه‌دهندگانی همچون Baseten، Fireworks AI، Groq، Modal، Nebius، OpenRouter و Together AI امکان دسترسی API به مدل را فراهم کرده‌اند و پلتفرم‌های Amazon SageMaker AI، گاردن مدل‌های ابری گوگل، Hugging Face و Microsoft Foundry دسترسی به وزن‌های دانلودی را ممکن ساخته‌اند.

البته باید توجه داشت شرایط ارائه‌دهندگان یکسان نیست. بر اساس مستندات استقرار متا، سرویس Groq نیازمند تأیید سازمانی بوده و طول پنجره زمینه آن به ۱۳۱٬۰۷۲ توکن محدود است؛ در حالی که Fireworks امکان استفاده از پنجره زمینه کامل ۱٬۰۴۸٬۵۷۶ توکنی را فراهم کرده است.

پلتفرم Together AI قیمت استفاده از این مدل را ۱٫۲۵ دلار به ازای هر میلیون توکن ورودی، ۰٫۱۵ دلار برای توکن‌های کش‌شده و ۴٫۲۵ دلار برای هر میلیون توکن خروجی اعلام کرده است. جدول مقایسه‌ای زیر نرخ سرویس‌های مختلف را نشان می‌دهد:

پست رسمی در وبلاگ Together AI این تعرفه‌ها را برای پنجره زمینه یک میلیون توکنی تأیید کرده است؛ هرچند این ارقام لزوماً نمایانگر نرخ یکسان نزد سایر شرکای تجاری متا نیست.

برای سازمان‌هایی که مدل را روی سرور‌های خود اجرا می‌کنند، هزینه لایسنس تنها بخش کوچکی از ماجراست و تأمین سخت‌افزار، زیرساخت شبکه و تیم پشتیبانی بخش اعظم هزینه‌ها را تشکیل می‌دهند.

قدرت‌نمایی Wonder در بنچمارک‌ها و محدودیت دسترسی به نسخه Full

انتشار Spark Open همزمان با موج گسترده‌ای از توسعه ابزار‌های حرفه‌ای هوش مصنوعی متا اتفاق افتاده است.

در تاریخ ۱۲ اکتبر، متا دو مدل Muse Wonder و Muse Wonder Full را مخصوص تسک‌های پیشرفته مهندسی نرم‌افزار و تحلیل پرونده‌های حقوقی، مالی و پزشکی رونمایی کرد. در وبلاگ پژوهشی متا به حفظ دقیق کانتکست و استقامت سیستم در برابر بن‌بست‌های منطقی به عنوان مهم‌ترین دستاوردها اشاره شده است.

آزمون‌های مستقل نیز این پیشرفت ملموس را تأیید می‌کنند. گزارش بنچمارک نسخه ۴٫۳ مرجع هوش Artificial Analysis نمره هوش ۵۲ را برای Wonder و نمره ۵۶ را برای Full با حداکثر تلاش استدلالی ثبت کرده است؛ در حالی که نسخه پیشین یعنی Spark 1.3 در بالا‌ترین حد توان به نمره ۴۸ رسیده بود.

در ارزیابی ایجنت‌های کدنویسی، اجرای نسخه Full داخل محیط Muse Code نمره درخشان ۶۸ را به دست آورده که دقیقاً هم‌تراز کلود کد مجهز به Sonnet 5.5 (با نمره ۶۸) و بالا‌تر از نسخه Opus 5.5 با نمره ۶۶ قرار می‌گیرد؛ نسخه استاندارد Wonder نیز نمره ۶۳ را کسب کرده است.

همچنین در آزمون تسک‌های تخصصی GDPval-AA v2.1 نسخه Full امتیاز Elo معادل ۱٬۸۵۷ را کسب کرده که در بازه اطمینان مدل‌های پرچمداری چون Opus 5.5 با ۱٬۸۶۶ و Sonnet 5.5 با ۱٬۸۳۸ قرار دارد و نشان از بلوغ این مدل‌ها در کار‌های سنگین حرفه‌ای دارد.

با وجود این، نحوه دسترسی و هزینه‌ها شرایط متفاوتی را رقم می‌زنند. بر اساس مستندات قیمت‌گذاری متا، هر میلیون توکن ورودی Wonder چهار دلار و هر میلیون توکن خروجی ۲۰ دلار قیمت دارد. در صفحه رسمی محصول Wonder پنجره زمینه یک میلیون توکنی درج شده، اما نسخه قدرتمندتر Full اصلاً قیمت توکنی عمومی ندارد و تنها از طریق اشتراک ماهانه ۵۰ دلاری Power Usage یا ۲۰۰ دلاری Maximum Usage در دسترس قرار گرفته است.

بر اساس قوانین اشتراک متا، این پلن‌ها مختص خود محیط Muse Code هستند و سقف مصرف مجزا دارند.

از سوی دیگر، اشتراک‌ها به صورت پیش‌فرض روی حالت مشارکت (Contributor) تنظیم شده‌اند؛ یعنی متا مجاز است از پرامپت‌ها و داده‌های ارسالی کاربر برای آموزش مدل‌های بعدی خود استفاده کند. کاربران می‌توانند این گزینه را غیرفعال کنند، اما بررسی این موضوع قبل از بارگذاری سورس‌کدهای اختصاصی یا اسناد محرمانه سازمانی شدیداً توصیه می‌شود.

عملکرد قوی‌تر هزینه‌های پردازشی را هم بالا می‌برد. تحلیل Artificial Analysis نشان می‌دهد هزینه میانگین هر تسک هوش برای مدل Wonder برابر ۴٫۵۲ دلار است؛ رقمی که در مقایسه با ۱٫۶۰ دلار برای Spark 1.3، ۱٫۹۹ دلار برای Gemini 4 Argon و تنها ۰٫۷۲ دلار برای مدل GPT-6.1 Sol بسیار بالا‌تر به حساب می‌آید.

خانواده Muse از اسپارک تا گلیمر

متا اولین بار در ۸ آوریل مدل اصلی Muse Spark را معرفی کرد و آن را نخستین دستاورد ساختار بازسازی‌شده آزمایشگاه‌های ابرهوشمندی (Superintelligence Labs) خود نامید. دسترسی اولیه تنها از طریق وبسایت و اپلیکیشن Meta AI ممکن بود و پیش‌نمایش API فقط به گروه منتخبی از کاربران اختصاص داشت.

آن نسخه تمرکز زیادی روی استدلال چندوجهی و استفاده از ابزار‌ها داشت، اما متا به ضعف‌های آن در کدنویسی پایدار اعتراف کرد؛ خلأهایی که در نسخه‌های بعدی بهبود یافتند.

مدل‌های هاست‌شده Spark همچنان به مراتب ارزان‌تر از سری Wonder هستند. طبق نرخ‌های کنونی، نسخه‌های 1.1، 1.2 و 1.3 اسپارک با قیمت ۱٫۲۵ دلار برای ورودی و ۴٫۲۵ دلار برای خروجی عرضه می‌شوند که البته این تعرفه‌ها مختص نسخه‌های ابری است و شامل مدل دانلودی Spark Open نمی‌شود.

در سوی دیگر، مدل Muse Glimmer که در ۱۰ آگوست عرضه شد، نیاز کاملاً متفاوتی را هدف گرفته است. این مدل جمع‌وجور ۳۰ میلیارد پارامتری تحت لایسنس کاملاً آزاد Apache 2.0 برای ایجنت‌های محلی، پردازش تصویر و اصلاح خطاهای گام‌به‌گام طراحی شده است.

وزن‌های فشرده‌شده این مدل زبانی کم‌تر از ۲۰ گیگابایت فضا می‌گیرند و به راحتی روی سیستم‌هایی با ۲۴ تا ۳۲ گیگابایت رم قابل اجرا هستند که نیاز سخت‌افزاری به شدت پایین‌تری نسبت به Spark Open محسوب می‌شود. پلتفرم Together AI برای مدل Glimmer نرخ ۰٫۳۵ دلار ورودی و ۱٫۵۰ دلار خروجی به ازای هر میلیون توکن را تعیین کرده است.

مسیر متا از سری لاما تا استراتژی تجاری مدرن

سابقه متا در عرضه مدل‌های باز به پیش از خانواده Muse برمی‌گردد. این شرکت در فوریه ۲۰۲۳ نخستین مدل LLaMA را معرفی کرد که تا ۶۵ میلیارد پارامتر وسعت داشت و با مجوزی کاملاً تحقیقاتی و غیرتجاری عرضه شد.

به‌دنبال آن، در ژوئیه ۲۰۲۳ مدل Llama 2 با مجوز استفاده تجاری در دسترس همگان قرار گرفت و در ژوئیه ۲۰۲۴ مدل غول‌آسای ۴۰۵ میلیارد پارامتری Llama 3.1 به همراه نسخه‌های کوچک‌تر معرفی شد.

سپس در آوریل ۲۰۲۵ مدل Llama 4 با نسخه‌های قابل دانلود Scout و Maverick متولد شد که پردازش چندوجهی و معماری کارشناسان (MoE) را ترکیب کرده بود؛ ایده‌ای بنیادین که اکنون در ژنوم Spark Open هم به کار رفته است.

بررسی این روند نشان می‌دهد که متا در سال ۲۰۲۶ استراتژی تجاری چندلایه‌ای را پیاده کرده است: مدل Glimmer نسخه‌ای سبک با لایسنس متن‌باز کامل آپاچی است؛ مدل Spark Open نسخه‌ای فوق‌العاده حجیم و دانلودی با شرایط تجاری مشخص است؛ اسپارک کلود گزینه‌ای ارزان‌قیمت از طریق API به حساب می‌آید و مدل‌های Wonder و Full برای مأموریت‌های حساس و از طریق اشتراک‌های پریمیوم عرضه می‌شوند.

حالا سازمان‌ها و مهندسان هوش مصنوعی در برابر گزینه‌های متعددی قرار دارند؛ مدل Muse Spark Open گزینه‌ای تازه و جذاب برای تیم‌هایی است که می‌خواهند مدل را روی زیرساخت خود مدیریت کنند. اینکه آیا این مدل ارزش سرمایه‌گذاری سنگین سخت‌افزاری را دارد یا نه، مستقیماً به نتایج آن در تسک‌های واقعی و هزینه‌های تمام‌شده بستگی خواهد داشت.