Meta memperkenalkan Muse Ember pada hari Senin, model terkecil dan paling efisien dalam keluarga Muse, yang ditujukan tepat pada pekerjaan rutin yang dilakukan agen AI sepanjang hari: panggilan alat, pengkodean subtugas, perutean, ekstraksi, dan penguraian dokumen panjang. Model ini ditayangkan di Meta Model API dengan harga $0,10 per juta token masukan dan $0,50 per juta token keluaran.

Menurut pengumuman Meta, Muse Ember memberikan lebih banyak kecerdasan per dolar daripada Claude Haiku 5.5 atau GPT-6 Luna di lingkungan penalaran apa pun. Perusahaan tersebut mengatakan bahwa model tersebut menyamai skor terbaik Haiku 5.5 dengan biaya sekitar sepertiga dari biaya dan mengalahkan setiap pengaturan Luna, sehingga menempatkannya pada garis depan efisiensi papan peringkat Analisis Buatan, di mana tidak ada model yang mendapat skor lebih tinggi dengan biaya lebih sedikit per tugas. For more context on this story, see our ongoing AI news.

Model yang Dibuat untuk Subtugas Agen

Gagasan Meta adalah bahwa agen modern menghabiskan sebagian besar token mereka pada banyak langkah kecil dan terstruktur daripada satu jawaban besar, dan bahwa Muse Ember dirancang untuk beban kerja tersebut. Perusahaan ini menggambarkan model yang dapat menjalankan alur kerja bisnis secara end to end, menarik catatan, memanggil alat secara berurutan, dan memperbarui sistem di seluruh aplikasi.

Jendela konteks sangat luas untuk model kelas ini. Muse Ember menerima hingga 1 juta token masukan dan dapat menghasilkan hingga 512.000 token keluaran dalam satu panggilan, cukup untuk menyerap basis kode lengkap atau kumpulan dokumen besar sekaligus.

Tolok Ukur: Skor Kuat, Satu Kesenjangan Penting

Angka-angka utama berasal dari data Analisis Buatan tanggal 9 November 2026, yang direproduksi dalam pengumuman Meta. Pada Indeks Kecerdasan Analisis Buatan, Muse Ember mendapat skor 33,9 pada $0,116 per tugas dan 35,8 pada $0,136 per tugas di seluruh pengaturan penalaran tertingginya. Hasil terbaik Claude Haiku 5.5 adalah 36,2, tetapi biayanya $0,411 per tugas, kira-kira tiga kali lipat. GPT-6 Luna mencapai puncaknya pada 27,8. Pada indeks keseluruhan dengan penalaran maksimal, Muse Ember dan Haiku 5,5 berada di peringkat 36, dengan Luna di peringkat 28.

Hasil tingkat tugas menunjukkan pola yang sama:

  • Pada Terminal-Bench 4.0, yang mengukur pengkodean terminal agen, Muse Ember mendapat skor 40,9 pada penalaran maksimal, mengungguli Claude Haiku 5,5 pada 39,2 dan jauh di atas GPT-6 Luna pada 16,4.
  • Pada AutomationBench-AA, tolok ukur alur kerja bisnis menyeluruh yang diberi skor dengan pass@1 yang ketat, Muse Ember mencapai 37,8 berbanding 20,2 untuk GPT-6 Luna dan 13,9 untuk Claude Haiku 5.5.
  • Pada Ujian Terakhir Agen, evaluasi internal Meta atas tugas agen end-to-end di subset Linux, Muse Ember mendapat skor 61,6, mengungguli Luna di 57,1 dan Haiku 5,5 di 57,0.
  • Pada Personal Superintelligence Index Meta, gabungan internal pekerjaan pribadi dan pengetahuan, Muse Ember mendapat skor 46,8 berbanding 37,0 untuk Luna dan 36,1 untuk Haiku 5.5.
  • Pada OSWorld 2.1, tolok ukur penggunaan komputer di seluruh aplikasi desktop, Muse Ember mendapat skor 69,5 dalam skor pertandingan parsial dan 27,8 dalam skor biner.
  • Pada PerceptionBench dengan alat, tes persepsi visual yang terperinci, Muse Ember memimpin dengan 80,6 melawan 78,6 untuk Haiku 5,5 dan 62,8 untuk Luna.

Ada satu kesenjangan yang perlu diperhatikan. Pada FrontierCode 2.0-AA, yang menilai tugas teknik sebenarnya berdasarkan apakah kode yang dihasilkan dapat digabungkan, Claude Haiku 5.5 memimpin pada 34,9, dengan Muse Ember pada 27,2 dan GPT-6 Luna pada 25,2. Hal ini merupakan pengingat bahwa tolok ukur berbeda-beda dan tim harus mencocokkan model dengan beban kerja mereka yang sebenarnya, bukan hanya menggunakan satu papan peringkat.

Arti Angka Efisiensi

Pembingkaian biaya per tugas adalah saat Meta menggambarkan kontras paling tajam. Haiku 5.5 perlu menghabiskan hingga $0,411 per tugas pada pengaturan penalaran tertinggi untuk mencapai skor terbaiknya sebesar 36,2, sementara Muse Ember membukukan 35,8 pada $0,136. Skor terbaik Luna sebesar 27,8 diperoleh $0,152 per tugas, di atas harga Muse Ember dan jauh di bawah skornya. Untuk memanfaatkan agen yang menjalankan ratusan subtugas per sesi, biaya per tugas bertambah dengan cepat, yang merupakan segmen yang ditargetkan Meta.

Laporan Mitra Awal

Pengumuman Meta mencakup hasil awal dari lima mitra: Box, Cline, Oracle, Cloudflare, dan You.com.

CTO Cloudflare Dane Knecht mengatakan Muse Ember berjalan "hingga 30% lebih cepat dibandingkan model serupa yang kami uji" dan menangani tugas penyelidikan multi-repo yang luas dengan baik, menyebutnya sangat cocok untuk beban kerja agen dengan throughput tinggi.

Di You.com, pemimpin inferensi Chak Pothina melaporkan bahwa Muse Ember menyelesaikan setiap pencarian pengkodean dalam pengujian perusahaan dengan latensi terendah dari semua model yang dicoba, p95 dalam 2,2 detik. Artinya, menurut Pothina, sekitar 4x hingga 13x lebih cepat dibandingkan model open-weight terkemuka, dengan token keluaran 36% hingga 48% lebih sedikit.

Box VP Produk AI Yashodha Bhavnani mengatakan bahwa pada AI Complex Work Eval Box, model tersebut dapat mencetak kontrak berdasarkan pedoman negosiasi perusahaan klausul demi klausul dan mendapatkan peringkat risiko keseluruhan yang benar. Pendiri Cline, Saoud Rizwan, menyebut Muse Ember "dibangun khusus" untuk pekerjaan subagen seperti pengkodean dan analisis dokumen, dan SVP Oracle Konstantinos Papamiltiadis menyebutkan potensi yang kuat untuk tim teknik.

Poin Penting Tentang Ketersediaan dan Bobot

Muse Ember tersedia melalui Meta Model API mulai Senin. Pengumuman tersebut tidak menyebutkan ketersediaan open-weight, jadi tim yang melakukan self-host harus memperlakukan ini sebagai rilis khusus API untuk saat ini. Meta Superintelligence Labs dikreditkan atas karyanya dalam kutipan mitra.

Bagi pengembang yang merakit agen memanfaatkan, hadirnya model subagen yang murah dan cepat menambah opsi utama ketiga bersama Claude Haiku 5.5 dan GPT-6 Luna, yang keduanya kini diremehkan oleh Muse Ember dengan kualitas yang sebanding pada benchmark yang dikutip Meta. Apakah keunggulan tersebut berlaku dalam pengujian independen, data luar Meta yang direproduksi dari Analisis Buatan, akan menjadi hal berikutnya yang harus diperhatikan.

---

Stay Ahead of AI

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

Read more AI news →