Η Meta παρουσίασε το Muse Ember τη Δευτέρα, το μικρότερο και πιο αποτελεσματικό μοντέλο της οικογένειας Muse, με στόχο τη συνηθισμένη εργασία που εκτελούν οι πράκτορες AI όλη μέρα: κλήσεις εργαλείων, υποεργασίες κωδικοποίησης, δρομολόγηση, εξαγωγή και ανάλυση μεγάλων εγγράφων. Το μοντέλο κυκλοφόρησε στο Meta Model API με 0,10 $ ανά εκατομμύριο διακριτικά εισόδου και 0,50 $ ανά εκατομμύριο διακριτικά εξόδου.

Σύμφωνα με την ανακοίνωση του Meta, το Muse Ember προσφέρει περισσότερη νοημοσύνη ανά δολάριο από τον Claude Haiku 5.5 ή το GPT-6 Luna σε οποιοδήποτε συλλογιστικό πλαίσιο. Η εταιρεία λέει ότι το μοντέλο ταιριάζει με την καλύτερη βαθμολογία του Haiku 5.5 στο ένα τρίτο περίπου του κόστους και ξεπερνά κάθε ρύθμιση του Luna, τοποθετώντας το στα όρια απόδοσης του leaderboard της Τεχνητής Ανάλυσης, όπου κανένα μοντέλο δεν έχει υψηλότερη βαθμολογία για λιγότερα χρήματα ανά εργασία. For more context on this story, see our ongoing AI news.

Ένα μοντέλο που έχει δημιουργηθεί για δευτερεύουσες εργασίες Agent

Το βήμα του Meta είναι ότι οι σύγχρονοι πράκτορες ξοδεύουν το μεγαλύτερο μέρος των κουπονιών τους σε πολλά μικρά, δομημένα βήματα αντί για μια γιγάντια απάντηση, και ότι το Muse Ember έχει σχεδιαστεί για αυτόν ακριβώς τον φόρτο εργασίας. Η εταιρεία περιγράφει ένα μοντέλο που μπορεί να μεταφέρει μια επιχειρηματική ροή εργασιών από άκρο σε άκρο, τραβώντας εγγραφές, καλώντας εργαλεία στη σειρά και ενημερώνοντας συστήματα σε όλες τις εφαρμογές.

Το παράθυρο περιβάλλοντος είναι ασυνήθιστα γενναιόδωρο για αυτήν την κατηγορία μοντέλου. Το Muse Ember δέχεται έως και 1 εκατομμύριο διακριτικά εισόδου και μπορεί να παράγει έως και 512.000 διακριτικά εξόδου σε μία μόνο κλήση, αρκετά για να απορροφήσει μια πλήρη βάση κώδικα ή ένα μεγάλο σύνολο εγγράφων ταυτόχρονα.

Σημεία αναφοράς: Ισχυρές βαθμολογίες, ένα αξιοσημείωτο κενό

Οι αριθμοί των επικεφαλίδων προέρχονται από δεδομένα Τεχνητής Ανάλυσης με ημερομηνία 9 Νοεμβρίου 2026, που αναπαράγονται στην ανακοίνωση της Meta. Στον δείκτη νοημοσύνης τεχνητής ανάλυσης, το Muse Ember σημείωσε 33,9 με 0,116 $ ανά εργασία και 35,8 με 0,136 $ ανά εργασία στις υψηλότερες ρυθμίσεις συλλογισμού του. Το καλύτερο αποτέλεσμα του Claude Haiku 5.5 ήταν 36.2, αλλά κόστιζε 0.411 $ ανά εργασία, περίπου τρεις φορές περισσότερο. Το GPT-6 Luna ξεπέρασε με 27,8. Στο συνολικό δείκτη στο μέγιστο σκεπτικό, οι Muse Ember και Haiku 5,5 ισοφάρισαν στο 36, με τον Luna στο 28.

Τα αποτελέσματα σε επίπεδο εργασίας δείχνουν το ίδιο μοτίβο:

  • Στο Terminal-Bench 4.0, το οποίο μετρά την κωδικοποίηση agents terminal, ο Muse Ember σημείωσε 40,9 στο μέγιστο σκεπτικό, μπροστά από τον Claude Haiku 5,5 στο 39,2 και πολύ μακριά από το GPT-6 Luna στο 16,4.
  • Στο AutomationBench-AA, ένα σημείο αναφοράς ροής εργασιών από άκρο σε άκρο που βαθμολογήθηκε με αυστηρό pass@1, το Muse Ember έφτασε το 37,8 έναντι 20,2 για το GPT-6 Luna και το 13,9 για τον Claude Haiku 5,5.
  • Στο Agents' Last Exam, μια εσωτερική αξιολόγηση Meta των εργασιών πρακτόρων από άκρο σε άκρο στο υποσύνολο Linux, ο Muse Ember σημείωσε 61,6, μπροστά από τον Luna στο 57,1 και τον Haiku 5,5 στο 57,0.
  • Στον Δείκτη Προσωπικής Υπερευφυΐας του Meta, μια εσωτερική σύνθεση προσωπικής και γνωσιακής εργασίας, ο Muse Ember σημείωσε 46,8 έναντι 37,0 για τη Luna και 36,1 για το Haiku 5,5.
  • Στο OSWorld 2.1, ένα σημείο αναφοράς για χρήση υπολογιστή σε εφαρμογές επιτραπέζιου υπολογιστή, το Muse Ember σημείωσε 69,5 στη βαθμολογία μερικής αντιστοίχισης και 27,8 στη δυαδική βαθμολογία.
  • Στο PerceptionBench with tools, ένα λεπτομερές τεστ οπτικής αντίληψης, ο Muse Ember προηγήθηκε με 80,6 έναντι 78,6 για το Haiku 5,5 και 62,8 για το Luna.

Υπάρχει ένα κενό που αξίζει να επισημανθεί. Στο FrontierCode 2.0-AA, το οποίο κρίνει πραγματικές εργασίες μηχανικής σχετικά με το αν ο κώδικας που προκύπτει μπορεί να συγχωνευθεί, ο Claude Haiku 5.5 προηγήθηκε στο 34.9, με το Muse Ember στο 27.2 και το GPT-6 Luna στο 25.2. Είναι μια υπενθύμιση ότι τα σημεία αναφοράς αποκλίνουν και ότι οι ομάδες θα πρέπει να ταιριάζουν τα μοντέλα με τον πραγματικό φόρτο εργασίας τους και όχι με έναν ενιαίο πίνακα κατάταξης.

Τι σημαίνουν οι αριθμοί απόδοσης

Το πλαίσιο κόστους ανά εργασία είναι το σημείο όπου το Meta δημιουργεί την πιο έντονη αντίθεση. Το Haiku 5.5 χρειάστηκε να δαπανήσει έως και 0,411 $ ανά εργασία στην υψηλότερη λογική του ρύθμιση για να φτάσει στην καλύτερη βαθμολογία του 36,2, ενώ το Muse Ember δημοσίευσε 35,8 στα 0,136 $. Η καλύτερη βαθμολογία του Luna με 27,8 έφτασε στα 0,152 $ ανά εργασία, πάνω από την τιμή του Muse Ember και πολύ κάτω από τη βαθμολογία του. Για δέσμες αντιπροσώπων που εκτελούν εκατοντάδες δευτερεύουσες εργασίες ανά περίοδο σύνδεσης, το κόστος ανά εργασία συνδυάζεται γρήγορα, ακριβώς το τμήμα που στοχεύει η Meta.

Τι αναφέρουν οι πρώτοι συνεργάτες

Η ανακοίνωση της Meta περιλαμβάνει πρώιμα αποτελέσματα από πέντε συνεργάτες: Box, Cline, Oracle, Cloudflare και You.com.

Ο CTO της Cloudflare, Dane Knecht, είπε ότι το Muse Ember έτρεχε "έως και 30% πιο γρήγορα στην ουρά από το συγκρίσιμο μοντέλο που δοκιμάσαμε" και χειρίστηκε καλά ευρείες εργασίες έρευνας πολλαπλών repo, χαρακτηρίζοντάς το ότι ταιριάζει με φόρτους εργασίας πρακτόρων υψηλής απόδοσης.

Στο You.com, ο επικεφαλής συμπερασμάτων Chak Pothina ανέφερε ότι ο Muse Ember ολοκλήρωσε κάθε αποστολή κωδικοποίησης στις δοκιμές της εταιρείας με τη χαμηλότερη καθυστέρηση από οποιοδήποτε μοντέλο που δοκιμάστηκε, ένα p95 2,2 δευτερολέπτων. Δηλαδή, σύμφωνα με την Pothina, περίπου 4 φορές έως 13 φορές πιο γρήγορα από τα κορυφαία μοντέλα ανοιχτού βάρους, με 36% έως 48% λιγότερα tokens.

Box Αντιπρόεδρος των AI Products Yashodha Bhavnani είπε ότι στο Box's AI Complex Work Eval, το μοντέλο θα μπορούσε να συνάψει σύμβαση έναντι της ρήτρας του βιβλίου διαπραγματεύσεων μιας εταιρείας και να προσγειωθεί στη σωστή συνολική βαθμολογία κινδύνου. Ο ιδρυτής της Cline, Saoud Rizwan, χαρακτήρισε το Muse Ember «κατασκευασμένο για σκοπούς» για εργασίες υποπράκτορα, όπως η κωδικοποίηση και η ανάλυση εγγράφων, και ο SVP της Oracle, Κωνσταντίνος Παπαμιλτιάδης, ανέφερε ισχυρές δυνατότητες για ομάδες μηχανικών.

Αξιοσημείωτα σημεία σχετικά με τη διαθεσιμότητα και τα βάρη

Το Muse Ember είναι διαθέσιμο μέσω του Meta Model API από τη Δευτέρα. Η ανακοίνωση δεν αναφέρει τη διαθεσιμότητα ανοιχτού βάρους, επομένως οι ομάδες που φιλοξενούν οι ίδιοι θα πρέπει να το αντιμετωπίζουν ως έκδοση μόνο για API προς το παρόν. Η Meta Superintelligence Labs πιστώνεται με το έργο σε εισαγωγικά συνεργατών.

Για τους προγραμματιστές που συναρμολογούν πλεξούδες πράκτορα, η άφιξη ενός φθηνού, γρήγορου μοντέλου υποπράκτορα προσθέτει μια τρίτη σημαντική επιλογή μαζί με τον Claude Haiku 5.5 και το GPT-6 Luna, και τα δύο από τα οποία το Muse Ember έχει τώρα χαμηλότερες τιμές σε συγκρίσιμη ποιότητα στα σημεία αναφοράς που αναφέρει η Meta. Είτε αυτό το πλεονέκτημα ισχύει υπό ανεξάρτητες δοκιμές, τα εξωτερικά δεδομένα Meta που αναπαράγονται από την Τεχνητή Ανάλυση, θα είναι το επόμενο πράγμα που πρέπει να παρακολουθήσετε.

---

Stay Ahead of AI

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

Read more AI news →