Meta a prezentat luni Muse Ember, cel mai mic și mai eficient model din familia sa Muse, care vizează în mod direct munca de rutină pe care agenții AI le efectuează toată ziua: apeluri la instrumente, subsarcini de codificare, rutare, extragere și analizare a documentelor lungi. Modelul a intrat în funcțiune pe Meta Model API la 0,10 USD per milion de jetoane de intrare și 0,50 USD per milion de jetoane de ieșire.

Conform anunțului lui Meta, Muse Ember oferă mai multă inteligență pe dolar decât Claude Haiku 5.5 sau GPT-6 Luna în orice setare de raționament. Compania spune că modelul se potrivește cu cel mai bun scor al lui Haiku 5.5 la aproximativ o treime din cost și depășește fiecare setare Luna, plasându-l pe frontiera eficienței din clasamentul Analizei artificiale, unde niciun model nu obține scoruri mai mari pentru mai puțini bani per sarcină. For more context on this story, see our ongoing latest AI developments.

Un model creat pentru subsarcinile agentului

Propunea lui Meta este că agenții moderni cheltuiesc cea mai mare parte a jetoanelor lor pe mulți pași mici, structurați, mai degrabă decât pe un răspuns uriaș, și că Muse Ember este proiectat exact pentru acea sarcină de lucru. Compania descrie un model care poate duce un flux de lucru de afaceri de la capăt la cap, trăgând înregistrări, apelând instrumente în secvență și actualizând sistemele din cadrul aplicațiilor.

Fereastra de context este neobișnuit de generoasă pentru această clasă de modele. Muse Ember acceptă până la 1 milion de jetoane de intrare și poate produce până la 512.000 de jetoane de ieșire într-un singur apel, suficient pentru a ingera o bază de cod completă sau un set mare de documente simultan.

Criterii de referință: scoruri puternice, un decalaj notabil

Numerele de titlu provin din datele de analiză artificială din 9 noiembrie 2026, reproduse în anunțul Meta. Pe Indexul Inteligenței de Analiză Artificială, Muse Ember a obținut 33,9 la 0,116 USD per sarcină și 35,8 la 0,136 USD per sarcină în cele mai înalte setări de raționament. Cel mai bun rezultat al lui Claude Haiku 5.5 a fost 36,2, dar a costat 0,411 USD per sarcină, aproximativ de trei ori mai mult. GPT-6 Luna a ajuns la 27.8. Pe indicele general la raționamentul maxim, Muse Ember și Haiku 5.5 au avut egalitate la 36, Luna la 28.

Rezultatele la nivel de activitate arată același model:

  • Pe Terminal-Bench 4.0, care măsoară codificarea terminalului agentic, Muse Ember a obținut un scor de 40,9 la raționament maxim, înaintea lui Claude Haiku 5,5 la 39,2 și departe de GPT-6 Luna la 16,4.
  • Pe AutomationBench-AA, un punct de referință pentru fluxul de lucru de afaceri de la capăt la capăt, punctat cu pass@1 strict, Muse Ember a atins 37,8 față de 20,2 pentru GPT-6 Luna și 13,9 pentru Claude Haiku 5.5.
  • La Ultimul examen al agenților, o evaluare internă Meta a sarcinilor de agenți end-to-end din subsetul Linux, Muse Ember a obținut 61,6, înaintea lui Luna cu 57,1 și Haiku 5,5 cu 57,0.
  • Pe Personal Superintelligence Index al lui Meta, un compus intern de muncă personală și de cunoștințe, Muse Ember a obținut 46,8 față de 37,0 pentru Luna și 36,1 pentru Haiku 5,5.
  • Pe OSWorld 2.1, un etalon de utilizare a computerului pentru aplicațiile desktop, Muse Ember a obținut 69,5 la scorul partial și 27,8 la scorul binar.
  • Pe PerceptionBench cu instrumente, un test de percepție vizuală cu granulație fină, Muse Ember a condus cu 80,6 față de 78,6 pentru Haiku 5,5 și 62,8 pentru Luna.

Există un decalaj care merită semnalat. Pe FrontierCode 2.0-AA, care judecă sarcinile reale de inginerie dacă codul rezultat se poate îmbina, Claude Haiku 5.5 a condus la 34,9, cu Muse Ember la 27,2 și GPT-6 Luna la 25,2. Este o reamintire a faptului că punctele de referință diferă și că echipele ar trebui să potrivească modelele cu sarcinile lor reale de lucru, mai degrabă decât cu un singur clasament.

Ce înseamnă numerele de eficiență

Încadrarea cost-pe-sarcină este locul în care Meta atrage cel mai puternic contrast. Haiku 5.5 trebuia să cheltuiască până la 0,411 USD per sarcină la cea mai înaltă setare de raționament pentru a ajunge la cel mai bun scor de 36,2, în timp ce Muse Ember a înregistrat 35,8 la 0,136 USD. Cel mai bun scor al lui Luna de 27,8 a venit la 0,152 USD per sarcină, peste prețul lui Muse Ember și cu mult sub scorurile sale. Pentru hamurile de agenți care rulează sute de subsarcini pe sesiune, costul pe sarcină crește rapid, ceea ce este exact segmentul vizat de Meta.

Ce raportează partenerii timpurii

Anunțul Meta include rezultatele timpurii de la cinci parteneri: Box, Cline, Oracle, Cloudflare și You.com.

CTO Cloudflare, Dane Knecht, a spus că Muse Ember a rulat „cu până la 30% mai rapid decât modelul comparabil pe care l-am testat” și a gestionat bine sarcinile de investigare ample, multi-repo, numind-o o potrivire puternică pentru sarcinile de lucru agentice de mare debit.

La You.com, liderul de inferență, Chak Pothina, a raportat că Muse Ember a finalizat fiecare căutare de codare din testarea companiei cu cea mai mică latență dintre toate modelele încercate, un p95 de 2,2 secunde. Adică, potrivit lui Pothina, de aproximativ 4x până la 13x mai rapid decât modelele de top cu greutate deschisă, cu 36% până la 48% mai puține jetoane de ieșire.

VP Box al AI Products, Yashodha Bhavnani, a spus că în cadrul AI Complex Work Eval de la Box, modelul ar putea înscrie un contract în raport cu manualul de negocieri al unei companii, clauză cu clauză și ar putea ajunge la ratingul general de risc corect. Fondatorul Cline, Saoud Rizwan, a numit Muse Ember „construit special” pentru munca subagenților, cum ar fi codificarea și analiza documentelor, iar SVP Oracle, Konstantinos Papamiltiadis, a menționat un potențial puternic pentru echipele de inginerie.

Puncte notabile despre disponibilitate și greutăți

Muse Ember este disponibil prin API-ul Meta Model începând de luni. Anunțul nu menționează disponibilitatea open-weight, așa că echipele care se auto-găzduiesc ar trebui să trateze acest lucru ca pe o lansare doar API deocamdată. Meta Superintelligence Labs este creditat cu munca în citatele partenerilor.

Pentru dezvoltatorii care asamblează hamuri de agenți, apariția unui model de subagent ieftin și rapid adaugă o a treia opțiune majoră alături de Claude Haiku 5.5 și GPT-6 Luna, ambele Muse Ember subcotează acum prețul la o calitate comparabilă față de benchmark-urile citate de Meta. Indiferent dacă acest avantaj este valabil în cadrul testării independente, datele din afara Meta reproduse din Analiza artificială vor fi următorul lucru de urmărit.

---

Stay Ahead of AI

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

Read more AI news →