Meta đã giới thiệu Muse Ember vào thứ Hai, mô hình nhỏ nhất và hiệu quả nhất trong dòng Muse của mình, nhắm thẳng vào công việc thường ngày mà các tác nhân AI thực hiện cả ngày: gọi công cụ, nhiệm vụ mã hóa, định tuyến, trích xuất và phân tích cú pháp các tài liệu dài. Mô hình này đã hoạt động trên API Meta Model với mức giá 0,10 USD trên một triệu mã thông báo đầu vào và 0,50 USD trên một triệu mã thông báo đầu ra.

Theo thông báo của Meta, Muse Ember mang lại nhiều thông tin hơn trên mỗi đô la so với Claude Haiku 5.5 hoặc GPT-6 Luna ở bất kỳ bối cảnh lý luận nào. Công ty cho biết mô hình này phù hợp với điểm số tốt nhất của Haiku 5.5 với mức chi phí chỉ bằng khoảng một phần ba và đánh bại mọi cài đặt của Luna, đưa nó lên hàng đầu về hiệu quả trong bảng xếp hạng Phân tích nhân tạo, nơi không có mô hình nào đạt điểm cao hơn với ít tiền hơn cho mỗi nhiệm vụ. For more context on this story, see our ongoing AI trends.

Một mô hình được xây dựng cho các nhiệm vụ phụ của Đại lý

Mục đích của Meta là các tác nhân hiện đại dành phần lớn mã thông báo của họ cho nhiều bước nhỏ, có cấu trúc thay vì một câu trả lời khổng lồ và Muse Ember được thiết kế cho chính xác khối lượng công việc đó. Công ty mô tả một mô hình có thể thực hiện quy trình công việc kinh doanh từ đầu đến cuối, lấy hồ sơ, gọi công cụ theo trình tự và cập nhật hệ thống trên các ứng dụng.

Cửa sổ ngữ cảnh rộng rãi một cách bất thường đối với lớp mô hình này. Muse Ember chấp nhận tối đa 1 triệu mã thông báo đầu vào và có thể tạo ra tới 512.000 mã thông báo đầu ra trong một lệnh gọi, đủ để nhập toàn bộ cơ sở mã hoặc một bộ tài liệu lớn cùng một lúc.

Điểm chuẩn: Điểm cao, Khoảng cách đáng chú ý

Các con số tiêu đề đến từ dữ liệu Phân tích nhân tạo ngày 9 tháng 11 năm 2026, được sao chép trong thông báo của Meta. Trên Chỉ số Trí tuệ Phân tích Nhân tạo, Muse Ember đạt 33,9 điểm ở mức 0,116 USD cho mỗi nhiệm vụ và 35,8 ở mức 0,136 USD cho mỗi nhiệm vụ trong các cài đặt lý luận cao nhất. Kết quả tốt nhất của Claude Haiku 5.5 là 36,2, nhưng nó có giá 0,411 USD cho mỗi tác vụ, gấp khoảng ba lần. GPT-6 Luna đứng đầu ở 27,8. Về chỉ số tổng thể ở mức lý luận tối đa, Muse Ember và Haiku 5.5 bằng nhau ở mức 36, với Luna ở mức 28.

Kết quả ở cấp độ nhiệm vụ hiển thị cùng một mẫu:

  • Trên Terminal-Bench 4.0, công cụ đo lường mã hóa thiết bị đầu cuối tác nhân, Muse Ember đạt 40,9 điểm ở mức suy luận tối đa, dẫn trước Claude Haiku 5,5 ở mức 39,2 và bỏ xa GPT-6 Luna ở mức 16,4.
  • Trên AutomationBench-AA, điểm chuẩn quy trình kinh doanh toàn diện được chấm điểm với pass@1 nghiêm ngặt, Muse Ember đạt 37,8 so với 20,2 đối với GPT-6 Luna và 13,9 đối với Claude Haiku 5,5.
  • Trong Bài kiểm tra cuối cùng của đại lý, một đánh giá nội bộ Meta về các nhiệm vụ của đại lý từ đầu đến cuối trên tập hợp con Linux, Muse Ember đạt 61,6 điểm, trước Luna ở 57,1 và Haiku 5,5 ở 57,0.
  • Trên Chỉ số siêu trí tuệ cá nhân của Meta, một tổng hợp nội bộ của công việc cá nhân và kiến ​​thức, Muse Ember đạt 46,8 điểm so với 37,0 cho Luna và 36,1 cho Haiku 5.5.
  • Trên OSWorld 2.1, điểm chuẩn sử dụng máy tính trên các ứng dụng dành cho máy tính để bàn, Muse Ember đạt 69,5 điểm ở điểm khớp một phần và 27,8 ở điểm nhị phân.
  • Trên PerceptionBench with tools, một bài kiểm tra nhận thức trực quan chi tiết, Muse Ember dẫn đầu với 80,6 so với 78,6 cho Haiku 5.5 và 62,8 cho Luna.

Có một khoảng trống đáng được gắn cờ. Trên FrontierCode 2.0-AA, đánh giá các nhiệm vụ kỹ thuật thực tế về việc liệu mã kết quả có thể hợp nhất hay không, Claude Haiku 5.5 dẫn đầu ở 34,9, với Muse Ember ở 27,2 và GPT-6 Luna ở 25,2. Đó là lời nhắc nhở rằng điểm chuẩn sẽ khác nhau và các nhóm nên khớp mô hình với khối lượng công việc thực tế của họ thay vì một bảng xếp hạng duy nhất.

Ý nghĩa của các con số hiệu suất

Khung hình chi phí cho mỗi nhiệm vụ là nơi Meta tạo ra độ tương phản rõ nét nhất. Haiku 5.5 cần chi tới 0,411 USD cho mỗi nhiệm vụ ở cài đặt lý luận cao nhất để đạt được điểm cao nhất là 36,2, trong khi Muse Ember đăng 35,8 ở mức 0,136 USD. Điểm tốt nhất của Luna là 27,8 đạt 0,152 USD cho mỗi nhiệm vụ, cao hơn mức giá của Muse Ember và thấp hơn nhiều so với điểm số của nó. Đối với các khai thác tác nhân chạy hàng trăm nhiệm vụ phụ mỗi phiên, chi phí cho mỗi nhiệm vụ sẽ tăng lên nhanh chóng, đây chính xác là phân khúc mà Meta đang nhắm mục tiêu.

Báo cáo của đối tác ban đầu là gì

Thông báo của Meta bao gồm kết quả ban đầu từ năm đối tác: Box, Cline, Oracle, Cloudflare và You.com.

Cloudflare CTO Dane Knecht cho biết Muse Ember chạy "nhanh hơn tới 30% so với mô hình tương đương mà chúng tôi đã thử nghiệm" và xử lý tốt các nhiệm vụ điều tra rộng rãi, đa kho, gọi đây là sự phù hợp mạnh mẽ cho khối lượng công việc tác nhân thông lượng cao.

Tại You.com, người dẫn đầu suy luận Chak Pothina đã báo cáo rằng Muse Ember đã hoàn thành mọi nhiệm vụ mã hóa trong thử nghiệm của công ty với độ trễ thấp nhất so với bất kỳ mô hình nào đã thử, p95 là 2,2 giây. Tức là, theo Pothina, nhanh hơn khoảng 4x đến 13 lần so với các mô hình trọng lượng mở hàng đầu, với số token đầu ra ít hơn 36% đến 48%.

Phó chủ tịch của Box Sản phẩm AI, Yashodha Bhavnani, cho biết trong Đánh giá công việc phức hợp AI của Box, mô hình này có thể chấm điểm hợp đồng theo từng điều khoản trong sách đàm phán của công ty và đạt được xếp hạng rủi ro tổng thể chính xác. Người sáng lập Cline Saoud Rizwan gọi Muse Ember là "được xây dựng có mục đích" cho công việc phụ như mã hóa và phân tích tài liệu, còn Oracle SVP Konstantinos Papamiltiadis đã trích dẫn tiềm năng mạnh mẽ của các nhóm kỹ thuật.

Những điểm đáng chú ý về tính khả dụng và trọng lượng

Muse Ember có sẵn thông qua API Meta Model kể từ thứ Hai. Thông báo không đề cập đến tính khả dụng của trọng lượng mở, vì vậy các nhóm tự lưu trữ nên coi đây là bản phát hành chỉ dành cho API. Phòng thí nghiệm siêu trí tuệ Meta được ghi nhận là người có công trong các trích dẫn của đối tác.

Đối với các nhà phát triển lắp ráp khai thác tác nhân, sự xuất hiện của mô hình tác nhân phụ nhanh, rẻ sẽ bổ sung thêm tùy chọn chính thứ ba cùng với Claude Haiku 5.5 và GPT-6 Luna, cả hai đều được Muse Ember hiện giảm giá với chất lượng tương đương trên các tiêu chuẩn Meta trích dẫn. Liệu lợi thế đó có được duy trì trong thử nghiệm độc lập hay không, dữ liệu bên ngoài Meta được sao chép từ Phân tích nhân tạo hay không, sẽ là điều tiếp theo cần xem.

---

Stay Ahead of AI

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

Read more AI news →