مدل قدرتمند Muse Glimmer متا روی یک کامپیوتر معمولی اجرا می‌ شود

شرکت متا با معرفی مدل هوش مصنوعی ۳۰ میلیارد پارامتری و متن‌باز Muse Glimmer، امکان اجرای دستیارهای هوشمند پیشرفته را به‌ صورت محلی روی کامپیوترهای شخصی فراهم کرد.

به‌ گزارش سرویس هوش مصنوعی تک‌ناک، این شرکت طی ماه‌های اخیر با سرعت زیادی در حال توسعه خانواده مدل‌های هوش مصنوعی Muse بوده است.

شرکت متا در ماه آوریل از نخستین عضو این خانواده یعنی Muse Spark رونمایی کرد؛ مدلی که توسط آزمایشگاه تازه‌تاسیس Meta Superintelligence Labs توسعه یافته بود و در آزمون‌های بنچمارک، نتایج امیدوارکننده‌ای ثبت کرد. چند ماه بعد و در ژوئن، نسخه Muse Spark 1.1 را معرفی کرد؛ نسخه‌ای ارتقایافته که با بهبود در وظایف ایجنتی، تعامل با رایانه، کدنویسی و درک محتوای چندوجهی، گام بزرگی نسبت به نسل قبل برداشت. متا در ابتدای ماه جاری میلادی با انتشار مدل Muse Code مبتنی بر مدل Muse Spark 1.2، وارد رقابت مستقیم با ابزارهایی مانند Codex از OpenAI و Claude Code از آنتروپیک در بازار داغ هوش مصنوعی برنامه‌نویسی شد. حالا این شرکت تمرکز خود را روی نسل جدیدی از پردازش‌های هوش مصنوعی گذاشته است؛ مدل‌هایی که می‌توانند به‌ طور کامل روی سخت‌افزار شخصی کاربران اجرا شوند.

بیشتر بخوانید: این الگوی عجیب می‌تواند دوربین‌های نظارتی را فریب دهد

قابلیت‌های مدل Muse Glimmer متا

متا امروز از Muse Glimmer رونمایی کرد؛ یک مدل هوش مصنوعی ۳۰ میلیارد پارامتری که برای اجرای مدل‌ها بهینه شده است و می‌تواند تنها با استفاده از یک پردازنده گرافیکی مصرفی روی کامپیوترهای مک یا ویندوزی اجرا شود. همچنین این شرکت وزن‌های مدل را تحت مجوز آزاد Apache 2.0 در اختیار توسعه‌دهندگان قرار داده است. به گفته متا، Muse Glimmer مجموعه‌ای از قابلیت‌های کلیدی مورد نیاز را برای وظایف پیشرفته نظیر استدلال‌های چندمرحله‌ای و طولانی‌مدت گرفته تا فراخوانی دقیق ابزارها، بازیابی از خطا، تولید کد و تحلیل داده‌های چندوجهی ارائه می‌دهد. همچنین این مدل از بیش از ۱۰۰ زبان پشتیبانی می‌کند و با چارچوب‌های توسعه ایجنت مانند OpenClaw سازگار است.

خبر پیشنهادی: مدیر ارشد متا: افزایش بهره‌وری با هوش مصنوعی به‌معنی استراحت بیشتر نیست

شرکت متا برای آموزش اولیه Muse Glimmer از خروجی‌های مدل Muse Spark و تکنیک تقطیر Logit استفاده کرده است. پس از آن، در مراحل آموزش میانی و نهایی، روش‌هایی مانند آموزش اختصاصی برای ایجنت‌ها، تنظیم دقیق نظارت‌شده، یادگیری تقویتی و تقطیر مبتنی بر سیاست به کار گرفته شدند تا توانایی مدل در استدلال، برنامه‌نویسی و انجام وظایف خودکار افزایش پیدا کند. طبق اعلام متا، Muse Glimmer در چندین آزمون استاندارد مدل‌های زبانی بزرگ، از مدل‌های رقیب مانند Gemma4-31B و Qwen3.6-27B عملکرد بهتری دارد.

۳۰ میلیارد پارامتر روی کامپیو‌ترهای شخصی

اجرای یک مدل ۳۰ میلیارد پارامتری با دقت کامل روی سیستم شخصی معمولا به بیش از ۵۵ گیگابایت حافظه نیاز دارد، اما نسخه ۴ بیتی Muse Glimmer حجم مدل را به کمتر از ۲۰ گیگابایت کاهش می‌دهد و امکان اجرای آن را روی سیستم‌هایی با ۲۴ یا ۳۲ گیگابایت حافظه فراهم می‌کند. متا برای افزایش سرعت تولید پاسخ نیز از فناوری DFlash speculative decoding بهره گرفته است؛ فناوری‌ که طبق آزمایش‌های این شرکت، سرعت تولید توکن‌ها را روی RTX 5090 تا ۳.۱ برابر، روی تراشه M5 Max تا ۱.۸ برابر و روی M4 Max تا ۱.۵ برابر افزایش می‌دهد.

برای مطالعه بیشتر: مدل هوش مصنوعی WeatherNext گوگل متن‌باز شد

مدل Muse Glimmer متا اکنون از طریق Hugging Face منتشر شده است و با ابزارهای محبوب اجرای مدل‌های هوش مصنوعی مانند Ollama، LM Studio، llama.cpp، MLX، ExecuTorch، vLLM و SGLang سازگاری دارد. مارک زاکربرگ، مدیرعامل متا نیز اعلام کرده است که این شرکت طی هفته‌های آینده وزن‌های مدل Muse Spark 2.1 را منتشر خواهد کرد؛ اقدامی که نشان می‌دهد متا همچنان روی توسعه مدل‌های متن‌باز تمرکز دارد.