Meta v pondělí představila Muse Ember, nejmenší a nejefektivnější model ve své rodině Muse, zaměřený přímo na rutinní práci, kterou agenti AI vykonávají celý den: volání nástrojů, kódování dílčích úloh, směrování, extrahování a analyzování dlouhých dokumentů. Model byl spuštěn na Meta Model API za 0,10 $ za milion vstupních tokenů a 0,50 $ za milion výstupních tokenů.

Podle oznámení Meta poskytuje Muse Ember více inteligence za dolar než Claude Haiku 5.5 nebo GPT-6 Luna při jakémkoliv uvažování. Společnost říká, že model odpovídá nejlepšímu skóre Haiku 5.5 za zhruba třetinovou cenu a překonává všechna nastavení Luna, čímž se řadí na hranici efektivity žebříčku umělé analýzy, kde žádný model nezíská vyšší skóre za méně peněz na úkol. For more context on this story, see our ongoing latest AI developments.

Model vytvořený pro dílčí úkoly agenta

Myšlenka Meta spočívá v tom, že moderní agenti utrácejí většinu svých tokenů za mnoho malých, strukturovaných kroků, spíše než za jednu obří odpověď, a že Muse Ember je zkonstruován přesně pro tuto pracovní zátěž. Společnost popisuje model, který může přenášet obchodní pracovní toky od začátku do konce, stahování záznamů, postupné volání nástrojů a aktualizace systémů napříč aplikacemi.

Kontextové okno je na tuto třídu modelů neobvykle velkorysé. Muse Ember přijímá až 1 milion vstupních tokenů a dokáže vytvořit až 512 000 výstupních tokenů v jednom volání, což je dostatečné množství k tomu, aby najednou zpracovalo celou kódovou základnu nebo velkou sadu dokumentů.

Referenční hodnoty: Silné skóre, jedna výrazná mezera

Čísla titulků pocházejí z dat umělé analýzy z 9. listopadu 2026, reprodukovaných v oznámení společnosti Meta. V indexu Artificial Analysis Intelligence Index Muse Ember dosáhla 33,9 při 0,116 dolaru za úkol a 35,8 při 0,136 dolaru za úkol v rámci svých nejvyšších nastavení uvažování. Nejlepší výsledek Clauda Haiku 5.5 byl 36.2, ale za úkol to stálo 0,411 $, tedy zhruba třikrát tolik. GPT-6 Luna dosáhl vrcholu 27.8. Na celkovém indexu při maximálním uvažování se Muse Ember a Haiku 5,5 vyrovnaly na 36, s Lunou na 28.

Výsledky na úrovni úkolu vykazují stejný vzorec:

  • Na Terminal-Bench 4.0, který měří agentní terminálové kódování, dosáhl Muse Ember 40,9 při maximálním uvažování, před Claudem Haiku 5,5 na 39,2 a daleko před GPT-6 Luna na 16,4.
  • Na AutomationBench-AA, end-to-end business workflow benchmarku s přísným pass@1, Muse Ember dosáhl 37,8 oproti 20,2 pro GPT-6 Luna a 13,9 pro Claude Haiku 5.5.
  • Na Poslední zkoušce agentů, interním hodnocení Meta end-to-end úloh agentů v podmnožině Linuxu, Muse Ember dosáhl skóre 61,6, před Lunou s 57,1 a Haiku 5,5 s 57,0.
  • V Meta's Personal Superintelligence Index, interním složeném z osobní a vědomostní práce, dosáhla Muse Ember skóre 46,8 oproti 37,0 pro Lunu a 36,1 pro Haiku 5,5.
  • V OSWorld 2.1, srovnávacím testu pro počítačové aplikace, Muse Ember dosáhl skóre 69,5 v částečném hodnocení a 27,8 v binárním hodnocení.
  • Na PerceptionBench with tools, jemnozrnném testu zrakového vnímání, vedla Muse Ember s 80,6 oproti 78,6 pro Haiku 5,5 a 62,8 pro Lunu.

Je tu jedna mezera, kterou stojí za to označit. Na FrontierCode 2.0-AA, který posuzuje skutečné inženýrské úkoly podle toho, zda lze výsledný kód sloučit, vedl Claude Haiku 5.5 na 34,9, Muse Ember na 27,2 a GPT-6 Luna na 25,2. Je to připomínka toho, že benchmarky se liší a že týmy by měly porovnávat modely s jejich skutečným pracovním zatížením, spíše než s jediným žebříčkem.

Co znamenají čísla účinnosti

Rámování podle ceny za úkol je místo, kde Meta vytváří nejostřejší kontrast. Haiku 5.5 potřeboval utratit až 0,411 $ za úkol při nejvyšším nastavení uvažování, aby dosáhl svého nejlepšího skóre 36,2, zatímco Muse Ember zveřejnil 35,8 na 0,136 $. Luna dosáhla nejlepšího skóre 27,8 na 0,152 $ za úkol, což je více než cena Muse Ember a hluboko pod skóre. U svazků agentů, které provádějí stovky dílčích úkolů na relaci, se náklady na úkol rychle sčítají, což je přesně segment, na který se Meta zaměřuje.

Co hlásí první partneři

Oznámení společnosti Meta zahrnuje první výsledky od pěti partnerů: Box, Cline, Oracle, Cloudflare a You.com.

CTO Cloudflare Dane Knecht řekl, že Muse Ember běžel „až o 30 % rychleji na konci než srovnatelný model, který jsme testovali“ a dobře zvládal rozsáhlé vyšetřovací úlohy s více repo operacemi, což jej označil za vhodné pro vysoce výkonné agentní pracovní zátěže.

Na webu You.com vedoucí závěrů Chak Pothina oznámil, že Muse Ember dokončila každý úkol s kódováním ve firemním testování s nejnižší latencí ze všech zkoušených modelů, p95 2,2 sekundy. To je podle Pothiny asi 4x až 13x rychlejší než přední modely s otevřenou váhou, s o 36 % až 48 % méně výstupních tokenů.

Box VP pro produkty AI Yashodha Bhavnani řekl, že na Box's AI Complex Work Eval by model mohl ohodnotit smlouvu podle klauzule po klauzuli ve vyjednávací příručce společnosti a dosáhnout správného celkového hodnocení rizika. Zakladatel Cline Saoud Rizwan nazval Muse Ember „účelově vytvořeným“ pro práci subagenta, jako je kódování a analýza dokumentů, a SVP Oracle Konstantinos Papamiltiadis uvedl silný potenciál pro inženýrské týmy.

Pozoruhodné body týkající se dostupnosti a hmotnosti

Muse Ember je k dispozici prostřednictvím Meta Model API od pondělí. Oznámení nezmiňuje dostupnost s otevřenou váhou, takže týmy, které vlastní hostitelství, by to prozatím měly považovat za vydání pouze pro API. Meta Superintelligence Labs je připsána za práci v uvozovkách partnerů.

Vývojářům, kteří sestavují svazky agentů, přidává příchod levného a rychlého modelu subagenta třetí hlavní možnost vedle Claude Haiku 5.5 a GPT-6 Luna, přičemž oba nyní Muse Ember podbízí cenu při srovnatelné kvalitě v benchmarcích, které Meta uvádí. Zda tato výhoda obstojí i při nezávislém testování, bude další věcí, kterou je třeba sledovat, mimo data Meta reprodukovaná z Artificial Analysis.

---

Stay Ahead of AI

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

Read more AI news →