Meta ha presentato lunedì Muse Ember, il modello più piccolo ed efficiente della sua famiglia Muse, mirato direttamente al lavoro di routine che gli agenti AI eseguono tutto il giorno: chiamate agli strumenti, codifica di attività secondarie, instradamento, estrazione e analisi di documenti lunghi. Il modello è stato pubblicato sull'API Meta Model a 0,10 dollari per milione di token di input e 0,50 dollari per milione di token di output.

Secondo l'annuncio di Meta, Muse Ember fornisce più intelligenza per dollaro rispetto a Claude Haiku 5.5 o GPT-6 Luna in qualsiasi impostazione di ragionamento. L'azienda afferma che il modello corrisponde al miglior punteggio di Haiku 5.5 a circa un terzo del costo e batte ogni impostazione di Luna, posizionandolo sulla frontiera dell'efficienza della classifica dell'Analisi Artificiale, dove nessun modello ottiene punteggi più alti per meno soldi per attività. Per maggiori informazioni su questa storia, consulta la nostra copertura dell'industria IA.

Un modello creato per le attività secondarie dell'agente

La tesi di Meta è che gli agenti moderni spendono la maggior parte dei loro token in molti passaggi piccoli e strutturati anziché in un'unica risposta gigantesca, e che Muse Ember è progettato esattamente per quel carico di lavoro. L'azienda descrive un modello in grado di gestire un flusso di lavoro aziendale end-to-end, estraendo record, chiamando strumenti in sequenza e aggiornando i sistemi tra le applicazioni.

La finestra di contesto è insolitamente generosa per questa classe di modello. Muse Ember accetta fino a 1 milione di token di input e può produrre fino a 512.000 token di output in una singola chiamata, sufficienti per acquisire una base di codice completa o un set di documenti di grandi dimensioni in una sola volta.

Benchmark: punteggi ottimi, un divario notevole

I numeri principali provengono dai dati di Artificial Analysis datati 9 novembre 2026, riprodotti nell'annuncio di Meta. Nell'indice di intelligenza artificiale di analisi, Muse Ember ha ottenuto 33,9 con 0,116 $ per attività e 35,8 con 0,136 $ per attività nelle impostazioni di ragionamento più elevate. Il miglior risultato di Claude Haiku 5.5 è stato 36,2, ma è costato $ 0,411 per attività, circa tre volte di più. GPT-6 Luna ha raggiunto il massimo a 27,8. Nell'indice generale al massimo ragionamento, Muse Ember e Haiku 5.5 si sono attestati a 36, con Luna a 28.

I risultati a livello di attività mostrano lo stesso modello:

  • Su Terminal-Bench 4.0, che misura la codifica terminale dell'agente, Muse Ember ha ottenuto 40,9 al massimo ragionamento, davanti a Claude Haiku 5,5 a 39,2 e molto lontano da GPT-6 Luna a 16,4.
  • Su AutomationBench-AA, un benchmark del flusso di lavoro aziendale end-to-end valutato con un rigoroso pass@1, Muse Ember ha raggiunto 37,8 contro 20,2 per GPT-6 Luna e 13,9 per Claude Haiku 5.5.
  • Nell'Agents' Last Exam, una valutazione interna di Meta delle attività end-to-end degli agenti sul sottoinsieme Linux, Muse Ember ha ottenuto un punteggio di 61,6, davanti a Luna con 57,1 e Haiku 5,5 con 57,0.
  • Nel Personal Superintelligence Index di Meta, un composito interno di lavoro personale e di conoscenza, Muse Ember ha ottenuto un punteggio di 46,8 contro 37,0 per Luna e 36,1 per Haiku 5,5.
  • Su OSWorld 2.1, un benchmark sull'uso del computer tra le applicazioni desktop, Muse Ember ha ottenuto 69,5 nel punteggio di corrispondenza parziale e 27,8 nel punteggio binario.
  • Nel PerceptionBench with tools, un test approfondito sulla percezione visiva, Muse Ember è in testa con 80,6 contro 78,6 per Haiku 5,5 e 62,8 per Luna.

C’è una lacuna che vale la pena segnalare. Su FrontierCode 2.0-AA, che giudica i compiti di ingegneria reale in base alla possibilità di unire il codice risultante, Claude Haiku 5.5 è in testa a 34.9, con Muse Ember a 27.2 e GPT-6 Luna a 25.2. Ricorda che i benchmark divergono e che i team dovrebbero abbinare i modelli ai loro carichi di lavoro effettivi piuttosto che a un’unica classifica.

Cosa significano i numeri di efficienza

L'inquadramento del costo per attività è il punto in cui Meta traccia il contrasto più netto. Haiku 5.5 ha dovuto spendere fino a $ 0,411 per attività con l'impostazione di ragionamento più alta per raggiungere il suo punteggio migliore di 36,2, mentre Muse Ember ha registrato 35,8 a $ 0,136. Il miglior punteggio di Luna di 27,8 è arrivato a $ 0,152 per attività, superiore al prezzo di Muse Ember e ben al di sotto dei suoi punteggi. Per i sistemi di agenti che eseguono centinaia di attività secondarie per sessione, i costi per attività aumentano rapidamente, che è esattamente il segmento a cui Meta si rivolge.

Cosa riferiscono i primi partner

L'annuncio di Meta include i primi risultati di cinque partner: Box, Cline, Oracle, Cloudflare e You.com.

Dane Knecht, CTO di Cloudflare, ha affermato che Muse Ember ha funzionato "fino al 30% più velocemente rispetto al modello comparabile che abbiamo testato" e ha gestito bene attività di indagine multi-repo, definendolo una soluzione ideale per carichi di lavoro agentici ad alto rendimento.

Su You.com, Chak Pothina, responsabile dell'inferenza, ha riferito che Muse Ember ha completato ogni ricerca di codifica nei test dell'azienda con la latenza più bassa di qualsiasi modello provato, un p95 di 2,2 secondi. Secondo Pothina, cioè da 4 a 13 volte più veloce rispetto ai principali modelli open-weight, con un numero di token di output dal 36% al 48% in meno.

Il vicepresidente di Box per i prodotti AI, Yashodha Bhavnani, ha affermato che nell'AI Complex Work Eval di Box, il modello potrebbe segnare un contratto contro il playbook di negoziazione di un'azienda clausola per clausola e arrivare alla corretta valutazione del rischio complessivo. Il fondatore di Cline, Saoud Rizwan, ha definito Muse Ember "creato appositamente" per il lavoro dei subagenti come la codifica e l'analisi dei documenti, e Konstantinos Papamiltiadis, vicepresidente senior di Oracle, ha citato un forte potenziale per i team di ingegneri.

Punti notevoli su disponibilità e pesi

Muse Ember è disponibile tramite l'API Meta Model da lunedì. L'annuncio non menziona la disponibilità open-weight, quindi i team che ospitano autonomamente dovrebbero considerarlo come una versione solo API per ora. Meta Superintelligence Labs è accreditato del lavoro nelle citazioni dei partner.

Per gli sviluppatori che assemblano i cablaggi degli agenti, l'arrivo di un modello di subagente economico e veloce aggiunge una terza opzione importante insieme a Claude Haiku 5.5 e GPT-6 Luna, entrambi i quali Muse Ember ora riducono il prezzo a una qualità comparabile sui benchmark citati da Meta. Se questo vantaggio vale anche sotto test indipendenti, al di fuori dei dati Meta riprodotti da Artificial Analysis, sarà la prossima cosa da guardare.

---

Rimani Aggiornato sull'IA

Le ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.

Leggi altre notizie sull'IA →