Meta ngenalake Muse Ember ing dina Senin, model paling cilik lan paling efisien ing kulawarga Muse, ngarahake tugas rutin sing ditindakake agen AI sedina muput: telpon alat, subtugas coding, routing, ekstraksi, lan parsing dokumen dawa. Model kasebut langsung ing Meta Model API kanthi $ 0,10 saben yuta token input lan $ 0,50 saben yuta token output.

Miturut woro-woro Meta, Muse Ember ngirimake luwih akeh intelijen saben dolar tinimbang Claude Haiku 5.5 utawa GPT-6 Luna ing setelan penalaran apa wae. Perusahaan kasebut ujar manawa model kasebut cocog karo skor paling apik Haiku 5.5 kanthi kira-kira sapratelo saka biaya lan ngalahake saben setelan Luna, dilebokake ing wates efisiensi ing leaderboard Analisis Ponggawa, ing ngendi ora ana model sing luwih dhuwur tinimbang dhuwit saben tugas. For more context on this story, see our ongoing AI news.

Model Dibangun kanggo Subtugas Agen

Pitakonan Meta yaiku agen modern mbuwang akeh token ing pirang-pirang langkah cilik lan terstruktur tinimbang siji jawaban raksasa, lan Muse Ember dirancang kanggo beban kerja kasebut. Perusahaan kasebut nggambarake model sing bisa nindakake alur kerja bisnis nganti pungkasan, narik cathetan, alat nelpon kanthi urutan, lan nganyari sistem ing aplikasi.

Jendhela konteks luar biasa kanggo model kelas iki. Muse Ember nampa nganti 1 yuta token input lan bisa ngasilake nganti 512.000 token output ing telpon siji, cukup kanggo nglebokake basis kode lengkap utawa set dokumen gedhe bebarengan.

Tolok ukur: Skor Kuat, Siji Longkangan sing Penting

Nomer judhul kasebut asale saka data Analisis Buatan tanggal 9 Nopember 2026, direproduksi ing woro-woro Meta. Ing Indeks Kecerdasan Analisis Artificial, Muse Ember ngetung 33.9 ing $0.116 saben tugas lan 35.8 ing $0.136 saben tugas ing setelan penalaran sing paling dhuwur. Hasil paling apik Claude Haiku 5.5 yaiku 36.2, nanging regane $ 0.411 saben tugas, kira-kira kaping telu. GPT-6 Luna paling dhuwur ing 27.8. Ing indeks sakabèhé ing penalaran maksimal, Muse Ember lan Haiku 5.5 diikat ing 36, karo Luna ing 28.

Asil tingkat tugas nuduhake pola sing padha:

  • Ing Terminal-Bench 4.0, sing ngukur coding terminal agenik, Muse Ember ngetung 40.9 kanthi pertimbangan maksimal, luwih dhisik Claude Haiku 5.5 ing 39.2 lan adoh saka GPT-6 Luna ing 16.4.
  • Ing AutomationBench-AA, pathokan alur kerja bisnis end-to-end sing dicetak kanthi pass@1 sing ketat, Muse Ember tekan 37.8 versus 20.2 kanggo GPT-6 Luna lan 13.9 kanggo Claude Haiku 5.5.
  • Ing Ujian Terakhir Agen, evaluasi internal Meta tugas agen end-to-end ing subset Linux, Muse Ember ngetung 61.6, luwih dhisik Luna ing 57.1 lan Haiku 5.5 ing 57.0.
  • Ing Meta Personal Superintelligence Index, gabungan internal karya pribadi lan kawruh, Muse Ember ngetung 46,8 lawan 37,0 kanggo Luna lan 36,1 kanggo Haiku 5,5.
  • Ing OSWorld 2.1, pathokan panggunaan komputer ing aplikasi desktop, Muse Ember ngetung 69.5 ing skor pertandhingan parsial lan 27.8 ing skor binar.
  • Ing PerceptionBench nganggo alat, tes persepsi visual sing apik, Muse Ember mimpin kanthi 80.6 nglawan 78.6 kanggo Haiku 5.5 lan 62.8 kanggo Luna.

Ana siji longkangan worth flagging. Ing FrontierCode 2.0-AA , kang ngadili tugas engineering nyata apa kode asil bisa nggabung, Claude Haiku 5.5 mimpin ing 34.9, karo Muse Ember ing 27.2 lan GPT-6 Luna ing 25.2. Iki minangka pangeling yen pathokan beda-beda lan tim kudu cocog model karo beban kerja sing nyata tinimbang papan pimpinan siji.

Apa Tegese Angka Efisiensi

Framing biaya saben tugas yaiku ing ngendi Meta nggambar kontras sing paling cetha. Haiku 5.5 kudu nglampahi nganti $0.411 saben tugas ing setelan pertimbangan paling dhuwur kanggo nggayuh skor paling apik 36.2, nalika Muse Ember ngirim 35.8 ing $0.136. Skor paling apik Luna 27,8 teka ing $0,152 saben tugas, ndhuwur rega Muse Ember lan uga ngisor nilai. Kanggo harnesses agen sing mbukak atusan subtugas saben sesi, senyawa biaya saben tugas kanthi cepet, sing persis segmen sing ditargetake Meta.

Apa Laporan Mitra Awal

Pengumuman Meta kalebu asil awal saka limang mitra: Box, Cline, Oracle, Cloudflare, lan You.com.

Cloudflare CTO Dane Knecht ngandika Muse Ember mlaku "nganti 30% luwih cepet ing buntut saka model iso dibandhingke kita dites" lan nangani amba, tugas investigasi multi-repo uga, nyebataken cocok kanggo beban kerja agen-throughput dhuwur.

Ing You.com, pimpinan inferensi Chak Pothina nglaporake manawa Muse Ember ngrampungake saben pencarian coding ing tes perusahaan kanthi latensi paling murah tinimbang model sing dicoba, yaiku p95 2.2 detik. Yaiku, miturut Pothina, udakara 4x nganti 13x luwih cepet tinimbang model bobot mbukak sing unggul, kanthi token output 36% nganti 48% luwih sithik.

Box VP of AI Products Yashodha Bhavnani ujar manawa ing Box's AI Complex Work Eval, model kasebut bisa ngetung kontrak marang klausa playbook negosiasi perusahaan miturut klausa lan entuk rating risiko sakabèhé sing bener. Pendhiri Cline Saoud Rizwan nyebut Muse Ember "dibangun kanthi tujuan" kanggo karya subagen kaya coding lan analisis dokumen, lan Oracle SVP Konstantinos Papamiltiadis nyebutake potensial sing kuat kanggo tim teknik.

Poin Penting Babagan Kasedhiyan lan Bobot

Muse Ember kasedhiya liwat Meta Model API wiwit Senin. Pengumuman kasebut ora nyebutake kasedhiyan bobot mbukak, mula tim sing dadi tuan rumah kudu nganggep iki minangka rilis mung API kanggo saiki. Meta Superintelligence Labs dikreditake kanthi karya ing kuotasi mitra.

Kanggo pangembang assembling harnesses agen, rawuh saka murah, model subagen cepet nambah pilihan utama katelu bebarengan Claude Haiku 5.5 lan GPT-6 Luna, loro kang Muse Ember saiki undercuts ing rega ing kualitas iso dibandhingke ing benchmarks Meta cites. Apa kauntungan kasebut ana ing tes independen, data njaba Meta sing diprodhuksi saka Analisis Artificial, bakal dadi perkara sabanjure sing kudu ditonton.

---

Stay Ahead of AI

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

Read more AI news →