كان انطلاقة Muse أقوى من انطلاقة ChatGPT في متاجر التطبيقات على الأجهزة المحمولة
وفقًا لتقديرات Apptopia، حقق Muse خلال أول 12 يومًا على iOS في الولايات المتحدة وكندا 1.8 مليون عملية تنزيل، مقابل 1.3 مليون لـ ChatGPT؛ كما سجّل Muse عددًا أكبر من المستخدمين يوميًا في الولايات المتحدة. يستند هذا التقييم إلى تقديرات خارجية، ويأخذ في الحسبان اختلاف ظروف الإطلاق: أُطلق ChatGPT مباشرةً على المستوى الدولي، بينما اقتصر إطلاق Muse على الولايات المتحدة وكندا.
بداية قوية من حيث التنزيلات
خلال أول 12 يومًا، نُزّل تطبيق Meta Muse للهواتف المحمولة مرات أكثر من ChatGPT خلال أول 12 يومًا بعد إطلاقه. ووفقًا لتقديرات Apptopia، حقق Muse 2.8 مليون عملية تثبيت حول العالم.
في الولايات المتحدة، صعد التطبيق من المركز الثاني إلى المركز الأول في الترتيب العام لمتجر App Store. وبحسب بيانات Appfigures، تجاوز عدد تنزيلات Muse بحلول ذلك الوقت المليون.
مقارنة على أساس موحّد
لمقارنة التطبيقين على قدم المساواة، استخدمت Apptopia بيانات iOS في الولايات المتحدة وكندا فقط، وذلك خلال أول 12 يومًا بعد إطلاق كل تطبيق.
| المؤشر | Meta Muse | ChatGPT |
|---|---|---|
| التنزيلات على iOS في الولايات المتحدة وكندا | 1.8 مليون | 1.3 مليون |
| المستخدمون النشطون يوميًا في الولايات المتحدة | 642,000 | 231,000 |
بالنسبة إلى iOS في الولايات المتحدة، قدّرت Apptopia جمهور Muse اليومي بـ359,000 مستخدم. وهذا أكثر مما كان لدى ChatGPT في المرحلة المقابلة، لكن المصدر لا يذكر الرقم الدقيق.
نطاق إطلاق Muse وجمهوره
كان ChatGPT متاحًا حول العالم عند إطلاقه، لكن على iOS فقط. أما Meta Muse، فأُطلق على iOS وAndroid، لكن في الولايات المتحدة وكندا فقط. لذلك لا يمكن مقارنة أرقام تنزيل التطبيقين مباشرةً دون مراعاة اختلاف المنصات والنطاق الجغرافي.
وبحسب تقديرات Apptopia، يستخدم أكثر من 95% من مستخدمي Muse أيضًا Facebook، فيما يستخدم 63% منهم Instagram. ويمكن لـMuse الاتصال بهذه الخدمات، كما يعمل داخل WhatsApp.
تقدّر Apptopia أعداد التنزيلات والجمهور النشط استنادًا إلى بيانات خارجية، من دون وصول مباشر إلى الإحصاءات الداخلية لدى Meta. ولم تنشر Meta نفسها بيانات عن الانتشار المبكر لـMuse.
ما الذي يمكن استنتاجه من الأرقام
تُظهر البيانات القابلة للمقارنة تفوق Muse من حيث التنزيلات على iOS في الولايات المتحدة وكندا، وكذلك من حيث الجمهور اليومي في الولايات المتحدة. وهذا استنتاج بشأن انطلاقة التطبيقين، وليس بشأن جودتهما أو استخدامهما على المدى الطويل.
تساعد أعداد التنزيلات والمستخدمين النشطين في تقييم الاهتمام المبكر. لكن هذه المؤشرات وحدها لا تكشف مدى ملاءمة التطبيقين لمهام عمل محددة.
الأسئلة المتكررة
المواد ذات الصلة
جميع المواد
اختبار وكلاء البرمجة في تطوير XR التفاعلي: نتائج GenXR-Bench
نُشرت GenXR-Bench، وهي مجموعة تضم 112 مهمة من إعداد خبراء لتقييم وكلاء البرمجة تقييمًا شاملًا في تطوير XR التفاعلي، بدءًا من تحسين الوظائف وإصلاح العيوب وصولًا إلى إنشاء التطبيقات والتحقق من سلوكها على أجهزة استهلاكية. حقق أفضل أداء بين النماذج العشرة التي خضعت للاختبار 50.9% Pass@1؛ وشملت الإخفاقات المتكررة التعامل مع الأحداث غير المتزامنة للمستشعرات، وربط الكائنات بالفضاء الواقعي، وفهم التفاعل في السياق المادي.
5 نوفمبر 2026
من المكافأة القياسية إلى جبهة باريتو: توليف RTL باستخدام النماذج اللغوية الكبيرة والتعلّم المعزّز متعدد المعايير
اقتُرحت طريقة لتدريب نموذج لغوي على توليد مجموعة من مرشّحات RTL بدلًا من مخطط واحد، مع مفاضلات مختلفة بين المساحة وزمن التأخير واستهلاك الطاقة؛ وتُبنى المكافأة على مساهمة كل خيار في حجم فرط جبهة باريتو. على RTLLM v2، ارتفع حجم فرط باريتو النسبي بمقدار 13.3 نقطة مئوية مقارنةً بالإصدار الأساسي من دون تحسين PPA، وبمقدار 14.4 نقطة مئوية مقارنةً بالتدريب بالتعلّم المعزّز ذي الهدف الواحد.
5 نوفمبر 2026
تتعرّف النماذج اللغوية الكبيرة الطبية على تحديثات التوصيات، لكنها غالبًا ما تجيب وفقًا للإرشادات القديمة
أظهرت دراسة ChronoEvo التي شملت 1709 تغييرات في التوصيات السريرية أن النموذج الأساسي رصد التحديث في 90,8% من الإجابات، لكنه طبّقه بالكامل في 58,5% فقط، وظلت فجوة قدرها 32,3 نقطة مئوية قائمة لدى 14 نموذجًا. وحتى تعزيز بروز التحديثات لم يحقق زيادة ملحوظة في التطبيق الكامل للقواعد الجديدة ضمن التوصيات السريرية.
4 نوفمبر 2026