Muse Ember‏ من Meta‏: بسعر Haiku 5.5‏ نفسه، وفاتورة أصغر بما يصل إلى 3 مرات. ما الحقيقي وما التسويق

Muse Ember‏ هو نموذج Meta‏ الصغير والرخيص، وقد صدر في 9 نوفمبر 2026. بنته Meta‏ للعمل اليومي لوكلاء الذكاء الاصطناعي: الفرز، واستخراج البيانات من المستندات، وتشغيل الأدوات، وتصفح المواقع، وكل ذلك بكميات كبيرة. راجعتُ الصفحات الرسمية، والقياس المستقل الذي نشرته Artificial Analysis‏، وأولى الاختبارات التي أجراها مطورون، لأجيب عن سؤال واحد: هل هذا إطلاق يغيّر شيئًا لنشاط تجاري يشغّل وكيلًا، أم مجرد نموذج آخر برسم بياني جميل؟

لم نُجرِ اختبارًا خاصًا بنا. عمر النموذج يوم واحد، وكل الأرقام هنا من مصادر مفتوحة تجدون روابطها في آخر المقال.

تفضّل المشاهدة؟ المراجعة في فيديو مدته 9 دقائق (بالإنجليزية)

رأيي: إطلاق حقيقي، لكن عنوانه مضلِّل

Muse Ember‏ لم يخفض السعر. خفّض الفاتورة. الحد الأدنى للسعر، 10 و50 سنتًا، وضعه GPT-6 Luna‏ في سبتمبر وClaude Haiku 5.5‏ في أكتوبر. ووصلت Meta‏ ثالثةً إلى السعر نفسه. أما ما جاءت به فنموذج يبلغ النتيجة نفسها بنص أقل ووقت أقل.

تخيّلوا ثلاثة سبّاكين يتقاضون الأجر نفسه في الساعة. أحدهم ينهي الإصلاح نفسه في ثلث الوقت، ففاتورته أصغر بثلاث مرات. هذا هو Ember‏. ولهذا التشبيه تكملة أقل لطفًا: في اختبار واحد، قال هذا السبّاك أيضًا «أصلحتُه» والصنبور ما زال يقطر، وفعلها مرات أكثر من منافسه. سنصل إلى ذلك.

إذن، مهم أم كلام فارغ؟ مهم، في مجال ضيق. إن كان وكيلكم ينفّذ كل يوم مئات المهام الصغيرة، يقرأ الرسائل، ويصنّف الطلبات، ويملأ الحقول، فهذا إطلاق يستحق التجربة. وإن كنتم تبحثون عن نموذج يفكّر عنكم، أو يكتب استراتيجية، أو يصلح خللًا معقدًا، فهذا الإطلاق لا يعنيكم.

ما هو Muse Ember‏، في دقيقة

المصادر: صفحة النموذج وصفحة الأسعار لدى Meta‏؛ السرعة بحسب Artificial Analysis‏، ‏10 نوفمبر 2026. شرحنا التوكن في ما هو التوكن.

يتوفر عبر الربط المباشر الذي تتيحه Meta‏ لنماذجها، أي API‏ (الطريق الذي يعمل عبره الوكيل مع النموذج)، وفي كل اشتراكات Muse Code‏ (أداة البرمجة من Meta‏)، وفي Google Cloud‏، وعلى OpenRouter‏، وهي خدمة تربطكم بعدة نماذج عبر حساب واحد. لا تذكره Meta‏ في تطبيق Meta AI‏ ولا في WhatsApp‏، فمن لا يشغّل وكيلًا ولا يكتب كودًا لن يصادفه مباشرة. والنموذج مغلق: لا تنشر Meta‏ ملف النموذج، ولا يمكن تشغيله على خادم خاص بكم. والإمارات والسعودية وسائر دول الخليج ليست في قائمة الدول المحظورة في API‏.

وماذا عن العربية؟ لا تنشر Meta‏ اللغات التي اختُبر فيها النموذج، ولم أجد اختبارًا واحدًا أُجري بالعربية. قبل أن تسلّموه رسائل أو تقييمات بالعربية، اختبروه على أمثلة حقيقية من عملكم.

تقدّمه Meta‏ على أنه النصف الثاني من Muse Wonder‏، نموذجها الكبير: Wonder‏ يخطّط، وEmber ينفّذ العمل الكثير. وبحسب Meta‏، هو أيضًا أول نماذجها الذي دُرّب بمساعدة Wonder Full‏.

تفصيل واحد مهم للفاتورة: لدى Ember‏ ستة مستويات تفكير، أي كم من الوقت «يفكّر» قبل أن يجيب، من minimal‏ (الأدنى) إلى max‏ (الأقصى)، والافتراضي هو max‏. ولا يمكن إيقاف التفكير. من يربطه ولا يغيّر شيئًا يدفع ثمن أطول تفكير في كل طلب، حتى حين تكون المهمة تصنيف رسالة بريد. وMeta نفسها توصي بأدنى مستوى يعطي نتيجة مقبولة.

Muse Ember‏ مقابل Haiku 5.5‏ وGPT-6 Luna‏: قائمة الأسعار نفسها، وفاتورة مختلفة

Artificial Analysis‏ شركة مستقلة تُجري على كل نموذج جديد سلسلة الاختبارات نفسها، وتنشر درجة عامة من 100، والكلفة والزمن لكل مهمة. وللمقارنة: Muse Wonder‏، نموذج Meta‏ الكبير، يحصل هناك على 44. هذا أشمل قياس مستقل نُشر حتى الآن عن Ember‏، ومنه معظم الأرقام هنا.

و«المهمة» في هذا المؤشر مهمة اختبار ثقيلة، فيها قراءة وتفكير كثيران. تصنيف رسالة أو استخراج مبلغ من فاتورة يكلّف جزءًا صغيرًا من ذلك. المهم في الرسم هو النسبة بين النماذج، لا السنتات.

أمام Haiku 5.5‏: الدرجة نفسها، 36. وقبل التقريب يتقدّم Haiku‏ قليلًا: 36.2 مقابل 35.8. الفرق في الطريق: ليصل إلى هناك أنتج Haiku‏ نصًا أكثر بنحو 2.6 مرة. وحين يتساوى سعر التوكن، من يكتب أقل يكلّف أقل.

أمام GPT-6 Luna‏: كلفة المهمة نفسها تقريبًا، 14 سنتًا مقابل 15، لكن Ember‏ يحصل على 36 وLuna على 28. هنا الأفضلية في الجودة، لا في المال.

داخل Meta‏: Muse Spark 1.3‏، الذي كان حتى الإطلاق خيارها الأرخص، يحصل على 37 بـ 2.39 دولار للمهمة. Ember‏ يحصل على نقطة أقل، ويكلّف أقل بـ 17 مرة.

وهناك سبب آخر لصغر الفاتورة، وهو مهم للوكلاء خاصة. يرسل الوكيل إلى النموذج النص نفسه مرة بعد مرة: تعليماته، وتاريخ المحادثة، والمستند الذي يعمل عليه. وعن النص الذي قرأه النموذج من قبل تدفعون سعرًا مخفّضًا، وهو لدى Ember‏ ‏0.004 دولار لكل مليون توكن، مقابل 0.01 لدى Haiku‏ وLuna. وبحسب Artificial Analysis‏، هذا البند هو معظم الكلفة في اختبارات الوكلاء لديها. DeepSeek‏ أرخص حتى في هذا البند، لكنه يكتب نصًا أكثر بكثير في كل مهمة، فيخرج في النهاية أغلى.

السرعة هي أوضح نقاط قوته، ولم تتحدث عنها Meta‏ تقريبًا. يبدأ Ember‏ الإجابة بعد أقل من 5 ثوانٍ حتى على أقصى تفكير. أما Haiku 5.5‏ على الإعداد نفسه فيفكّر ثلاث دقائق قبل الكلمة الأولى. على مستويات التفكير المنخفضة يجيب Haiku‏ وLuna أيضًا خلال ثوانٍ، لكن درجتهما تنخفض كثيرًا عندها. Ember‏ هو الوحيد بين الثلاثة الذي يجمع الدرجة العالية والإجابة السريعة، وهذا ما يهم وكيلًا يردّ على العميل في المحادثة.

أين تبدو أرقام Meta‏ أجمل من اللازم

أربعة أمور لا تظهر في عنوان الإطلاق:

1. المقارنة أُجريت على أقصى تفكير فقط. على هذا الإعداد يكتب Haiku‏ أكثر ما يمكن، فيكون الأغلى. وعلى مستوى أدنى بدرجة، يحصل Haiku‏ على 35 ويكلّف 25 سنتًا للمهمة. الفارق الحقيقي لمن يضبط نموذجه جيدًا نحو 1.8 مرة. ما زالت الأفضلية لـ Ember‏، لكنها ليست الثلث.

2. بعض الانتصارات في اختبارات أجرتها Meta‏ بنفسها. ثلاثة من الاختبارات في جدول الإطلاق اختبارات داخلية لدى Meta‏. وفي اختبار استخدام الحاسوب، تشمل الدرجة التي تعرضها، 69.5%، نقاطًا على النجاح الجزئي. وحين لا تُحسب إلا المهام التي اكتملت حتى النهاية، تصبح الدرجة 33.8%. والتراجع نفسه يحدث لدى Haiku‏، إلى 27.8%، فيبقى Ember‏ في المقدمة، لكنه بعيد عن الانطباع بأن سبع مهام من كل عشر نجحت.

3. في اختبار واحد يفوز Haiku‏ بوضوح. يقيس FrontierCode‏ هل كان الكود الذي كتبه النموذج سيُقبل في مشروع حقيقي. Haiku‏: ‏34.9%. Ember‏: ‏27.2%. وMeta تعرض هذا السطر في جدولها، وهذا يُحسب لها.

4. عتبة السعر عند 200 ألف توكن. تبيع Meta‏ نافذة من مليون توكن، لكن بمجرد أن تتجاوز المدخلات 200 ألف توكن (بضع مئات من صفحات النص بالإنجليزية، وأقل بالعربية)، يصبح السعر ثلاثة أضعاف، وعلى الطلب كله، لا على الجزء الزائد فقط. والمدخلات تشمل أيضًا تعليمات الوكيل وتاريخ المحادثة. ولصالح Ember‏: لدى Haiku‏ عتبة أقسى، خمسة أضعاف، تبدأ من 100 ألف. وفوق 272 ألفًا يصبح GPT-6 Luna‏ أرخص من Ember‏.

وأمر آخر يبدو ميزة: Ember‏ لا يكاد يختلق الإجابات. نسبة الاختلاق لديه 17.4%، نحو نصف نسبة Haiku‏. لكن لذلك ثمن. سألت Artificial Analysis‏ النماذج أسئلة عن حقائق من الذاكرة، دون مستند أمامها، فرفض Ember‏ الإجابة عن 64% منها. وفي المحصلة أجاب إجابة صحيحة عن 21% من الأسئلة، مقابل 35% لـ Haiku‏. لوكيل يعمل على مستنداتكم وبياناتكم هذا سلوك جيد: «لا أعرف» أفضل من الاختلاق. أما لمن يريد أن يسأله أسئلة من الذاكرة، فهو نموذج ضعيف. ما هي الهلوسة ولماذا تحدث، شرحناه في ما هي الهلوسة في الذكاء الاصطناعي.

اختبارات حقيقية: ماذا وجد من جرّبوه

المادة ما زالت قليلة. نُشرت هذه الاختبارات في الساعات الأولى بعد الإطلاق، ومعظمها من مطورين أفراد أو من شركات تبيع أدوات للوكلاء. وفي اليوم نفسه صدر أيضًا Claude Fable 5.2‏ من Anthropic‏، فذهب إليه معظم الاهتمام.

الاختبار الأهم للنشاط التجاري: خدمة العملاء. شغّل المطوّر Kritin Vongthongsri‏ ‏400 محادثة خدمة محاكاة على كل نموذج، في متجر وفي شركة طيران، وكرّر كل مهمة ثماني مرات. في النجاح من المحاولة الأولى انتهى الأمر بالتعادل: 83.2% لـ Ember‏، و82.8% لـ Haiku‏. وظهر الفرق في حالات الفشل. في 24 من أصل 50 حالة فشل لدى Ember‏، أبلغ العميل أن العملية نجحت. وفي أحد الأمثلة نفّذ استبدالًا بدل الاسترجاع، وكتب للعميل أن الاستبدال تمّ بنجاح. ولدى Haiku‏ حدث ذلك في 31% من حالات الفشل. هذا اختبار واحد، على 50 حالة فشل، والمختبِر نفسه يكتب أن أيًّا من الاثنين لا يتقدّم بوضوح في الموثوقية العامة. نحتاج إلى اختبارات أخرى لنعرف هل هذا نمط ثابت، لكنه بالضبط نوع الخطأ الذي لا يحتمله نشاط تجاري.

والفاتورة: محادثات Ember‏ كانت أطول، 22.5 رسالة في المتوسط مقابل 16.6. وحين نحسب كم تكلّف إجابة يمكن الوثوق بها، خرج Ember‏ بـ 22 سنتًا وHaiku بـ 18. قائمة الأسعار نفسها، وEmber أغلى بـ 20%.

تغريدة Kritin Vongthongsri‏ على X‏: ‏Muse Ember‏ مقابل Claude Haiku 5.5‏ في 800 محادثة خدمة، ‏10 نوفمبر 2026

تصفح المواقع: هنا يتألق. شغّلته Browser Use‏، التي تطوّر أداة تتيح للوكيل تصفح المواقع عبر المتصفح، على مهام من مئات الخطوات. حصل على الدرجة نفسها التي يحققها GPT-6 Luna‏ على تفكير متوسط، بنحو 3 سنتات للمهمة. وهذه شركة تبيع أداة للوكلاء، فمن مصلحتها أن تنجح النماذج الرخيصة.

تغريدة Browser Use‏ على X‏: ‏Muse Ember‏ في اختبار المهام الطويلة في المتصفح، ‏9 نوفمبر 2026

أمام DeepSeek‏: أسرع، وأقل جمالًا. بنى مطوّر عشرة تطبيقات داخلية بكل واحد من ثلاثة نماذج، وترك المقيّمين يقيّمونها دون أن يعرفوا من بنى ماذا. خرج السعر متساويًا. أنهى Ember‏ العمل أسرع بثلاث مرات من Luna‏، وبجودة مماثلة أو أفضل بحسب قوله. وحصل DeepSeek V4.1 Flash‏ على 8.1 في التصميم، مقابل 6.9 لـ Ember‏. ويبدو أن المطور مرتبط بالمنصة التي بُنيت عليها التطبيقات.

تغريدة Navaneeth PK‏ على X‏: ‏Muse Ember‏ مقابل GPT-6 Luna‏ وDeepSeek V4.1 Flash‏، ‏10 نوفمبر 2026

وتحذيران من الميدان. وجد مطوّر ياباني أن Ember‏ بلغ الدرجة الكاملة في اختباره، لكنه كتب نصًا أكثر بنحو ثلاث مرات من Muse Spark‏ واستغرق وقتًا أطول. وكتب مطوّر على Hacker News‏، عمل مع النسخة التجريبية من النموذج قبل الإطلاق، أنه يبدأ قويًا، ومع الرسالة العشرين في المحادثة لا يعود صالحًا للاستخدام. هذه شهادة واحدة عن نسخة مبكرة، وبحسب النشرة الإخبارية Latent Space‏، أُصلحت المشكلات التي ظهرت في فترة التجربة قبل الإطلاق. لكنها تتفق مع الطريقة التي تقدّمه بها Meta‏: نموذج للعمل المتكرر بالكميات، لا للمحادثات الطويلة.

مزايا Muse Ember‏ وعيوبه

سطر واحد عن الخصوصية، لأنها مربكة. عبر API‏، وبحسب شروط Meta‏، لا يُستخدم المحتوى لتدريب نماذجها. وفي اشتراك Muse Code‏ الإعداد الافتراضي معكوس: المحتوى يُستخدم للتدريب، مع أي نموذج تختارونه، إلى أن توقفوا ذلك في الإعدادات. والإيقاف يسري من تلك اللحظة فقط، وما أُرسل من قبل يبقى متاحًا للتدريب. ومن يصل إلى Ember‏ عبر Google Cloud‏، فبحسب Meta‏ لا يصلها المحتوى أصلًا. وعن الخصوصية في منتج Meta‏ الاستهلاكي كتبنا في Muse‏ والخصوصية.

أمثلة استخدام: ماذا كنت سأعطي Muse Ember‏ في وكيل نشاط تجاري

قاعدتي: يحصل Ember‏ على مهمة لها بداية ونهاية وطريقة للتحقق من أنها أُنجزت. «استخرج المبلغ من هذه الفاتورة»: نعم. «تولَّ أمر هذا العميل»: لا، إلا إذا كان نموذج أقوى أو النظام نفسه يتحقق من أن الاسترداد تمّ فعلًا. والسبب هو ما ظهر عن «تمّ» الكاذبة: في العمل مع العملاء، الخطأ الذي يُعلَن على أنه نجاح يكلّف أكثر من كل ما توفّرونه.

إن كان وكيلكم يعمل على Haiku 5.5‏ أو على Luna‏ ويؤدي جيدًا، فلا داعي للإسراع إلى التغيير. الفرق سنتات للمهمة، وتغيير النموذج يتطلب إعادة اختبار كل ما يفعله الوكيل. ويستحق Ember‏ التجربة في حالتين: حين ينفّذ الوكيل آلاف المهام يوميًا وتصبح الفاتورة محسوسة، أو حين تهم السرعة، مثل الرد المباشر على العميل. وإن كان أحد يدير لكم الوكيل، فاسألوه هل يمكن تشغيل Ember‏ على مهمة واحدة من مهامكم إلى جانب النموذج الحالي، ومقارنة النتيجة والفاتورة. ومن يعمل وكيله على نموذج Google‏، فالأفضل أن يحسبها الآن: Gemini 3.8 Flash‏ يكلّف 0.75 و3.75 دولار، وسعره يتضاعف في 1 يناير 2027.

ماذا أفعل بهذا

أبني الوكلاء عادةً على Hermes Agent‏، وهي بنية مفتوحة المصدر من Nous Research‏، وأختار لكل نشاط النماذج المناسبة له: من OpenAI‏ وAnthropic وGoogle وMeta وغيرها. Platin Digital‏ هي OpenAI Select Partner‏، وهذا لا يغيّر الاختيار. في معظم الوكلاء أكثر من نموذج واحد: نموذج قوي يقرّر، ونموذج رخيص يؤدي العمل اليومي. Ember‏ مرشح جدي للدور الثاني، وسأنتظر قياسات مستقلة أخرى، خصوصًا عن الموثوقية في تشغيل الأدوات وعن المحادثات الطويلة، قبل أن أضعه أمام عملاء نشاط تجاري.

خلال سبعة أسابيع وصلت OpenAI‏ وAnthropic وMeta إلى السعر نفسه تمامًا في الفئة الرخيصة، وذهبت Google‏ في الاتجاه المعاكس. وكم يكلّف الوكيل بعيدًا عن سعر النموذج، فصّلناه في كم يكلّف وكيل الذكاء الاصطناعي لنشاطك، والتصنيف الكامل للنماذج تجدونه في Sigma AI Ranking‏.

الأسئلة الشائعة

المصادر

• https‏://research.meta.ai/blog/muse-ember‏
• https‏://dev.meta.ai/resources/blog/build-with-muse-ember‏
• https‏://dev.meta.ai/docs/muse-ember‏
• https‏://dev.meta.ai/docs/pricing-rate-limits‏
• https‏://dev.meta.ai/docs/reasoning‏
• https‏://dev.meta.ai/docs/choose-a-model‏
• https‏://research.meta.ai/static/muse-ember-evaluation-report‏
• https‏://dev.meta.ai/legal/terms-of-service‏
• https‏://dev.meta.ai/legal/geographic-use-policy‏
• https‏://cloud.google.com/products/model-garden/meta‏
• https‏://artificialanalysis.ai/models/muse-ember‏
• https‏://artificialanalysis.ai/articles/meta-s-muse-ember-is-the-cheapest-model-scoring-36-on-the-intelligence-index‏
• https‏://artificialanalysis.ai/leaderboards/models‏
• https‏://platform.claude.com/docs/en/about-claude/pricing‏
• https‏://developers.openai.com/api/docs/pricing‏
• https‏://ai.google.dev/gemini-api/docs/pricing‏
• https‏://api-docs.deepseek.com/quick_start/pricing‏
• https‏://venturebeat.com/technology/metas-proprietary-muse-ember-nearly-matches-claude-haiku-5-5-at-1-3-the-estimated-per-task-cost‏
• https‏://thenextweb.com/news/meta-muse-ember-small-ai-model-haiku-luna‏
• https‏://techcrunch.com/2026/11/09/meta-releases-muse-ember-a-new-lightweight-model-for-agent-execution‏/
• https‏://siliconangle.com/2026/11/09/meta-introduces-muse-ember-to-power-cost-efficient-ai-agents‏/
• https‏://news.ycombinator.com/item‏?id‏=50429024
• https‏://news.ycombinator.com/item‏?id‏=50434838
• https‏://x.com/kritinv07/status/2119981282281345112‏
• https‏://x.com/browser_use/status/2119922023975829744‏
• https‏://x.com/navaneeth_pk/status/2119980781506568501‏
• https‏://x.com/LatentOperatorX/status/2120014259186966703‏
• https‏://x.com/gosrum/status/2119956559031927079‏
• https‏://openrouter.ai/meta/muse-ember‏
• https‏://latent.space/p/ainews-fable-5-2-retakes-world-1-llm-spot-as-ant-ipo-roadshow-begins‏