Meta সোমবার Muse Ember চালু করেছে, তার Muse পরিবারের সবচেয়ে ছোট এবং সবচেয়ে দক্ষ মডেল, যার লক্ষ্য ছিল AI এজেন্টরা সারাদিন যে রুটিন ওয়ার্ক করে: টুল কল, কোডিং সাবটাস্ক, রাউটিং, এক্সট্রাকশন এবং দীর্ঘ নথি পার্স করা। মডেলটি মেটা মডেল API-তে লাইভ হয়েছে $0.10 প্রতি মিলিয়ন ইনপুট টোকেন এবং $0.50 প্রতি মিলিয়ন আউটপুট টোকেন।

মেটার ঘোষণা অনুসারে, Muse Ember যেকোন যুক্তির সেটিংয়ে ক্লাউড হাইকু 5.5 বা GPT-6 লুনার চেয়ে ডলার প্রতি বেশি বুদ্ধিমত্তা সরবরাহ করে। কোম্পানি বলেছে যে মডেলটি হাইকু 5.5 এর সেরা স্কোরের সাথে প্রায় এক তৃতীয়াংশ খরচের সাথে মিলে যায় এবং প্রতিটি লুনা সেটিংকে হারায়, এটিকে আর্টিফিশিয়াল অ্যানালাইসিস লিডারবোর্ডের দক্ষতার সীমানায় স্থাপন করে, যেখানে প্রতি টাস্কে কম অর্থের জন্য কোন মডেল বেশি স্কোর করে না। For more context on this story, see our ongoing artificial intelligence updates.

এজেন্ট সাবটাস্কের জন্য তৈরি একটি মডেল

মেটার পিচ হল যে আধুনিক এজেন্টরা তাদের টোকেনের সিংহভাগ ব্যয় করে একটি বিশাল উত্তরের পরিবর্তে অনেকগুলি ছোট, কাঠামোগত ধাপে, এবং যে Muse Ember ঠিক সেই কাজের চাপের জন্য প্রকৌশলী। কোম্পানী এমন একটি মডেল বর্ণনা করে যা ব্যবসায়িক কর্মপ্রবাহকে শেষ পর্যন্ত বহন করতে পারে, রেকর্ড টানতে পারে, ক্রমানুসারে কলিং টুলস এবং অ্যাপ্লিকেশন জুড়ে সিস্টেম আপডেট করতে পারে।

প্রসঙ্গ উইন্ডো এই শ্রেণীর মডেলের জন্য অস্বাভাবিকভাবে উদার। Muse Ember 1 মিলিয়ন পর্যন্ত ইনপুট টোকেন গ্রহণ করে এবং একটি একক কলে 512,000 পর্যন্ত আউটপুট টোকেন তৈরি করতে পারে, যা একটি সম্পূর্ণ কোডবেস বা একবারে একটি বড় নথি সেট করার জন্য যথেষ্ট।

মানদণ্ড: শক্তিশালী স্কোর, একটি উল্লেখযোগ্য ব্যবধান

শিরোনাম সংখ্যা কৃত্রিম বিশ্লেষণ ডেটা থেকে এসেছে নভেম্বর 9, 2026 তারিখে, মেটার ঘোষণায় পুনরুত্পাদন করা হয়েছে৷ আর্টিফিশিয়াল অ্যানালাইসিস ইন্টেলিজেন্স ইনডেক্সে, Muse Ember তার সর্বোচ্চ যুক্তি সেটিংস জুড়ে প্রতি টাস্কে $0.116 এ 33.9 এবং 35.8 $0.136 স্কোর করেছে। Claude Haiku 5.5 এর সেরা ফলাফল ছিল 36.2, কিন্তু এটির প্রতি টাস্ক $0.411 খরচ হয়েছে, প্রায় তিনগুণ বেশি। GPT-6 লুনা 27.8 এ শীর্ষস্থানীয়। সর্বাধিক যুক্তিতে সামগ্রিক সূচকে, মিউজ এম্বার এবং হাইকু 5.5 36-এ, লুনা 28-এ।

টাস্ক-স্তরের ফলাফল একই প্যাটার্ন দেখায়:

  • টার্মিনাল-বেঞ্চ 4.0-এ, যা এজেন্টিক টার্মিনাল কোডিং পরিমাপ করে, Muse Ember সর্বোচ্চ যুক্তিতে 40.9 স্কোর করেছে, 39.2-এ Claude Haiku 5.5 থেকে এগিয়ে এবং 16.4-এ GPT-6 লুনা থেকে অনেক দূরে।
  • AutomationBench-AA-এ, একটি এন্ড-টু-এন্ড বিজনেস ওয়ার্কফ্লো বেঞ্চমার্ক কঠোর পাস@1 এর সাথে স্কোর করেছে, Muse Ember GPT-6 Luna-এর জন্য 20.2 বনাম 37.8 এবং Claude Haiku 5.5-এর জন্য 13.9-এ পৌঁছেছে।
  • এজেন্টদের শেষ পরীক্ষা, লিনাক্স সাবসেটে এন্ড-টু-এন্ড এজেন্ট কাজগুলির একটি মেটা অভ্যন্তরীণ মূল্যায়নে, Muse Ember 61.6 স্কোর করেছে, লুনা 57.1 এ এবং হাইকু 5.5 57.0 এ এগিয়ে।
  • মেটার পার্সোনাল সুপার ইন্টেলিজেন্স ইনডেক্স-এ, ব্যক্তিগত এবং জ্ঞান কাজের একটি অভ্যন্তরীণ সংমিশ্রণ, Muse Ember লুনার জন্য 37.0 এবং হাইকু 5.5 এর জন্য 36.1 বনাম 46.8 স্কোর করেছে।
  • OSWorld 2.1-এ, ডেস্কটপ অ্যাপ্লিকেশন জুড়ে কম্পিউটার-ব্যবহারের বেঞ্চমার্ক, Muse Ember আংশিক-ম্যাচ স্কোরিংয়ে 69.5 এবং বাইনারি স্কোরিংয়ে 27.8 স্কোর করেছে।
  • টুলস সহ পারসেপশন বেঞ্চে, একটি সূক্ষ্ম দৃষ্টিভঙ্গি পরীক্ষা, মিউজ এমবার হাইকু 5.5 এর জন্য 78.6 এর বিপরীতে 80.6 এবং লুনার জন্য 62.8 এর নেতৃত্বে।

পতাকা লাগানো মূল্য একটি ফাঁক আছে. FrontierCode 2.0-AA-এ, যা ফলাফল কোড একত্রিত হতে পারে কিনা তা নিয়ে প্রকৃত ইঞ্জিনিয়ারিং কাজগুলি বিচার করে, ক্লদ হাইকু 5.5 এর নেতৃত্বে 34.9, Muse Ember 27.2 এবং GPT-6 Luna 25.2 এ। এটি একটি অনুস্মারক যে বেঞ্চমার্কগুলি ভিন্ন হয় এবং দলগুলিকে তাদের প্রকৃত কাজের চাপের সাথে মডেলগুলিকে একক লিডারবোর্ডের পরিবর্তে মেলাতে হবে৷

দক্ষতা সংখ্যা বলতে কী বোঝায়

খরচ-প্রতি-টাস্ক ফ্রেমিং হল যেখানে মেটা সবচেয়ে তীক্ষ্ণ বৈসাদৃশ্য আঁকছে। হাইকু 5.5 এর সর্বোচ্চ যুক্তি সেটিং এর সর্বোচ্চ স্কোর 36.2 এ পৌঁছানোর জন্য প্রতি টাস্কে $0.411 পর্যন্ত খরচ করতে হবে, যেখানে Muse Ember $0.136 এ 35.8 পোস্ট করেছে। লুনার সেরা স্কোর 27.8 এসেছে প্রতি টাস্কে $0.152, Muse Ember-এর দামের উপরে এবং এর স্কোর অনেক কম। প্রতি সেশনে শত শত সাবটাস্ক চালায় এমন এজেন্ট হার্নেসের জন্য, প্রতি-টাস্কের খরচ দ্রুত হয়ে যায়, যা ঠিক মেটা যে সেগমেন্টকে লক্ষ্য করছে।

কি প্রারম্ভিক অংশীদার রিপোর্ট

মেটার ঘোষণায় পাঁচটি অংশীদারের প্রাথমিক ফলাফল অন্তর্ভুক্ত রয়েছে: বক্স, ক্লাইন, ওরাকল, ক্লাউডফ্লেয়ার এবং You.com।

ক্লাউডফ্লেয়ার সিটিও ডেন নেচেট বলেন, মিউজ এম্বার "আমাদের পরীক্ষা করা তুলনীয় মডেলের তুলনায় 30% পর্যন্ত দ্রুত গতিতে দৌড়েছে" এবং বিস্তৃত, মাল্টি-রেপো তদন্ত কাজগুলি ভালভাবে পরিচালনা করেছে, এটিকে উচ্চ-থ্রুপুট এজেন্টিক কাজের চাপের জন্য একটি শক্তিশালী ফিট বলে অভিহিত করেছে।

You.com-এ, ইনফারেন্স লিড চাক পোথিনা রিপোর্ট করেছে যে মিউজ এম্বার কোম্পানির পরীক্ষায় প্রতিটি কোডিং কোয়েস্ট সম্পূর্ণ করেছে যেকোন মডেলের চেয়ে কম লেটেন্সি, একটি p95 2.2 সেকেন্ড। অর্থাৎ, পোথিনার মতে, 36% থেকে 48% কম আউটপুট টোকেন সহ লিডিং ওপেন-ওয়েট মডেলের তুলনায় প্রায় 4x থেকে 13x দ্রুত।

এআই প্রোডাক্টের বক্স ভিপি যশোধা ভাবনানি বলেছেন যে বক্সের এআই কমপ্লেক্স ওয়ার্ক ইভালে, মডেলটি একটি কোম্পানির নেগোসিয়েশন প্লেবুক ক্লজের বিপরীতে একটি চুক্তি স্কোর করতে পারে এবং সঠিক সামগ্রিক ঝুঁকির রেটিং-এ ল্যান্ড করতে পারে। ক্লাইনের প্রতিষ্ঠাতা সাউদ রিজওয়ান কোডিং এবং নথি বিশ্লেষণের মতো সাবএজেন্ট কাজের জন্য মিউজ এমবারকে "উদ্দেশ্য-নির্মিত" বলে অভিহিত করেছেন এবং ওরাকল এসভিপি কনস্টান্টিনোস পাপামিলটিয়াডিস ইঞ্জিনিয়ারিং দলগুলির জন্য শক্তিশালী সম্ভাবনার উল্লেখ করেছেন।

প্রাপ্যতা এবং ওজন সম্পর্কে উল্লেখযোগ্য পয়েন্ট

মিউজ এমবার সোমবার পর্যন্ত মেটা মডেল API এর মাধ্যমে উপলব্ধ। ঘোষণায় ওপেন-ওয়েট প্রাপ্যতার উল্লেখ নেই, তাই যে দলগুলি স্ব-হোস্ট করে তাদের আপাতত এটিকে শুধুমাত্র API-এর রিলিজ হিসাবে বিবেচনা করা উচিত। মেটা সুপারিনটেলিজেন্স ল্যাবসকে অংশীদারের উদ্ধৃতিতে কাজের জন্য কৃতিত্ব দেওয়া হয়।

এজেন্ট জোতা একত্রিতকারী ডেভেলপারদের জন্য, একটি সস্তা, দ্রুত সাবএজেন্ট মডেলের আগমন ক্লড হাইকু 5.5 এবং GPT-6 লুনার পাশাপাশি একটি তৃতীয় প্রধান বিকল্প যোগ করে, যে দুটিরই মিউজ এমবার এখন বেঞ্চমার্ক মেটা উদ্ধৃতিতে তুলনামূলক মানের মূল্য কম করে। সেই সুবিধাটি স্বাধীন পরীক্ষার অধীনে আছে কিনা, বাইরের ডেটা মেটা কৃত্রিম বিশ্লেষণ থেকে পুনরুত্পাদন করা হয়েছে, তা পরের বিষয় হবে।

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →