Săptămâna aceasta, Meta a anunțat Muse Ember, cel mai mic model al său. Ember nu concurează la sarcini grele de raționare. În schimb, se ocupă de pașii repetați ai unui flux de lucru de agent, în timp ce un model mai mare, precum Muse Wonder, face planificarea.
Muse Ember costă 0,10 $ per milion de tokeni de intrare și 0,50 $ per milion de tokeni de ieșire pentru prompturi de până la 200.000 de tokeni. Meta spune că oferă mai multă inteligență pe dolar decât Claude Haiku 5.5 și GPT-6 Luna și că egalează cel mai bun scor al Haiku pe Artificial Analysis Intelligence Index la aproximativ o treime din costul per sarcină.
În acest articol, îți arăt ce este Muse Ember, cum se compară reperele și prețurile și unde se poziționează în raport cu modelele Muse mai mari.
Dar ce este un agent AI? Înscrie-te la cursul nostru Introducere în agenții AI și înțelege bazele în doar 90 de minute.
Muse Ember este un model ușor, multimodal, de raționare, de la Meta Superintelligence Labs. Este construit pentru munca pe care agenții o repetă toată ziua, cum ar fi apeluri către instrumente, sub-sarcini de programare, rutare, extragere de date și lucru cu documente lungi.
Primește intrări text, imagine, audio și video, astfel încât un agent nu are nevoie de un model separat pentru fiecare. Fereastra de context este de 1 milion de tokeni și poate produce până la 512.000 de tokeni de ieșire. Îl poți folosi prin Muse Code și Meta Model API.
| | Muse Ember |
|---|
| Dezvoltator | Meta Superintelligence Labs |
| ID model | muse-ember-1.0 |
| Tipuri de intrare | Text, imagine, audio, video |
| Fereastră de context | 1.000.000 tokeni |
| Ieșire maximă | 512.000 tokeni |
| Suport API | Responses API |
| Disponibilitate | Muse Code, Meta Model API |
Meta spune că este cel mai „mic” model, dar asta se referă doar la poziția sa în portofoliul de modele al Meta. Anunțul nu menționează numărul de parametri.
Un chatbot face un apel de model per răspuns, în timp ce un agent face sute într-o sesiune. Meta spune că majoritatea tokenilor merg către pași mici, structurați. De exemplu:
- Regăsire: Citește un fișier sau deschide un document
- Apeluri de instrumente: Rulează un test sau apelează un API
- Rutare: Trimite fiecare cerere către fluxul de lucru potrivit
- Editări: Actualizează o aplicație după o modificare țintită în cod
Majoritatea acestor pași nu au nevoie de un model de vârf, dar costul se adună. Chiar și o mică economie per apel contează când un agent face sute sau mii.
Răspunsul Meta este o împărțire a muncii: „Muse Wonder planifică, Muse Ember gestionează volumul.” Wonder se ocupă de raționarea grea, iar Ember rulează pașii repetați.
Să zicem că o echipă migrează o bază mare de cod la un nou framework. Wonder planifică ordinea modificărilor și împarte munca în sarcini. Ember apoi citește fiecare fișier, face editarea țintită și rulează testele, de sute de ori.
Reperele Muse Ember
Afirmația Meta este că Muse Ember oferă inteligență competitivă la un cost mult mai mic decât alte modele mici. Pe Artificial Analysis Intelligence Index, Ember și Claude Haiku 5.5 au ambele scorul 36, iar GPT-6 Luna are 28. Diferența este costul per sarcină: aproximativ 0,14 $ pentru Ember, față de aproximativ 0,41 $ pentru Haiku și 0,15 $ pentru Luna.
| Benchmark | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|
| Artificial Analysis Intelligence Index | 36 | 36 | 28 |
| AutomationBench-AA | 37,8% | 13,9% | 20,2% |
| Agents’ Last Exam | 61,6% | 57,0% | 57,1% |
| Terminal-Bench 4.0 | 40,9% | 39,2% | 16,4% |
| FrontierCode 2.0-AA | 27,2% | 34,9% | 25,2% |
Meta a raportat aceste rezultate pe 9 noiembrie 2026, la efort maxim de raționare. Intelligence Index, AutomationBench-AA și FrontierCode 2.0-AA provin de la Artificial Analysis. Agents' Last Exam este o evaluare internă Meta. Terminal-Bench 4.0 folosește cel mai bun „harness” publicat al fiecărui model. Poți găsi toate detaliile în raportul de evaluare al Meta.
Fluxuri de lucru agentice
Cel mai mare avans al lui Ember este pe AutomationBench-AA, care măsoară fluxuri de lucru de business capăt-la-capăt. Are 37,8%, față de 13,9% pentru Haiku și 20,2% pentru Luna.
La Agents' Last Exam, avansul e puțin mai mic – 61,6%, față de 57,0% și 57,1%. Aceasta este o evaluare internă Meta pe un subset de Linux, deci este rezultatul Meta.
Programare
Ember are 40,9% pe Terminal-Bench 4.0, față de 39,2% pentru Haiku și 16,4% pentru Luna. Dar fiecare model a rulat în propriul său „harness”, deci comparația nu este una perfect egală. Pe Artificial Analysis Coding Agent Index, Ember are 46, față de 37 pentru Haiku și 31 pentru Luna.
Haiku câștigă la FrontierCode 2.0-AA, care evaluează sarcinile de inginerie prin posibilitatea de a face merge. Are 34,9%, față de 27,2% pentru Ember și 25,2% pentru Luna.
Sarcini multimodale
În raport cu Haiku, diferențele multimodale nu sunt atât de vizibile. Pe OSWorld 2.1, un test de utilizare a calculatorului, Ember are 69,5% cu punctaj de tip credit parțial, față de 68,9% pentru Haiku și 50,5% pentru Luna.
Pe PerceptionBench, care măsoară detaliile vizuale fine, obține 80,6% cu instrumente, față de 78,6% și 62,8%. Ambele sunt evaluări interne Meta. Pe GDP.pdf-AA, care acoperă munca profesională pe documente lungi, Ember și Luna sunt la egalitate cu 22,8%, iar Haiku are 20,8%.
Muse Ember vs Claude Haiku 5.5 și GPT-6 Luna
Toate cele trei modele sunt listate la 0,10 $ per milion de tokeni de intrare și 0,50 $ per milion de tokeni de ieșire pentru prompturi scurte. De aceea e important să le compari și să observi diferențele.
La inteligență pe dolar, Meta spune că Ember egalează cel mai bun scor al Haiku pe Intelligence Index la aproximativ o treime din costul per sarcină, adică în jur de 0,14 $ față de 0,41 $. Prețurile pe token sunt aceleași, deci diferența vine din câți tokeni folosește fiecare model per sarcină. Luna costă cam cât Ember, la 0,15 $ per sarcină, dar are scor 28 în loc de 36.
Ember conduce și în testele agentice și multimodale ale Meta. Este singurul dintre cele trei care acceptă audio și video și permite până la 512.000 de tokeni de ieșire, față de 128.000 pentru celelalte două. Ferestrele de context sunt cam egale.
Haiku e mai puternic într-un punct. Are scor mai mare la FrontierCode 2.0-AA, care judecă sarcinile de inginerie după posibilitatea de merge. Asta contează dacă agenții tăi scriu cod care intră direct în depozit.
Ember pare o opțiune bună pentru fluxuri cu volum mare construite din pași de rutină. Dar Meta a ales și raportat aceste comparații, așa că testează-l pe propriul volum de lucru înainte de a schimba.
| | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|
| Preț per 1M tokeni (intrare/ieșire) | 0,10 $ / 0,50 $ | 0,10 $ / 0,50 $ | 0,10 $ / 0,50 $ |
| Tarife mai mari încep peste | 200K tokeni | 100K tokeni | 272K tokeni |
| Fereastră de context | 1M tokeni | 1M tokeni | 1,05M tokeni |
| Ieșire maximă | 512K tokeni | 128K tokeni | 128K tokeni |
| Tipuri de intrare | Text, imagine, audio, video | Text, imagine | Text, imagine |
| Scor Index | 36 | 36 | 28 |
| Cost per sarcină Index | Aproximativ 0,14 $ | Aproximativ 0,41 $ | Aproximativ 0,15 $ |
Scorurile Index și costul per sarcină sunt la efort maxim de raționare. Detaliile de preț pentru Haiku 5.5 și GPT-6 Luna provin din tarifele publicate.
Prețuri și disponibilitate pentru Muse Ember
Iată cât costă Muse Ember per milion de tokeni pentru prompturi de până la 200.000 de tokeni de intrare:
| Utilizare API | Preț per 1M tokeni |
|---|
| Intrare | 0,10 $ |
| Intrare în cache | 0,004 $ |
| Ieșire | 0,50 $ |
Prompturile mai lungi costă mai mult. Peste 200.000 de tokeni de intrare, tarifele Meta urcă la 0,30 $ pentru intrare și 1,50 $ pentru ieșire, iar intrarea în cache ajunge la 0,012 $.
Asta înseamnă de trei ori prețul pentru prompturi scurte. Așadar, prețurile „de vitrină” nu se aplică tuturor lungimilor de context, iar dacă agenții tăi trimit regulat prompturi foarte mari, planifică în consecință.
ID-ul modelului în API este muse-ember-1.0, iar Ember suportă Responses API. Îl poți folosi prin Muse Code și Meta Model API. Meta îl listează și pe Google Cloud și Oracle Cloud.
Meta își descrie modelele Muse ca un portofoliu, fiecare fiind construit pentru o sarcină diferită.
Muse Wonder
Wonder este pentru cele mai dificile probleme, cum ar fi raționarea grea și sarcinile complexe. Într-un flux de lucru de agent, este modelul care planifică.
Muse Spark
Spark este pentru programare și fluxuri de lucru agentice mai largi. În comparația Meta, Spark 1.3 are scor 37 pe Intelligence Index față de 36 pentru Ember, dar costă 2,39 $ per sarcină față de 0,14 $. Prețul listat este 1,25 $ per milion de tokeni de intrare și 4,25 $ per milion de tokeni de ieșire.
Muse Ember
Ember este pentru sarcini de programare și agentice repetabile, la scară. Meta spune că este, de asemenea, primul model antrenat cu Muse Wonder Full.
Ce pot construi dezvoltatorii cu Muse Ember?
Anunțul Meta și testerii timpurii indică câteva utilizări concrete:
- Analiza documentelor: Box l-a folosit pentru a puncta contracte după un playbook de negociere, clauză cu clauză
- Muncă pe depozite de cod: Cloudflare l-a folosit pentru investigații multi-repo, iar Meta spune că poate rula teste și face remedieri țintite
- Extragere multimodală: Poate citi documente scanate sau lucra din înregistrări de întâlniri
- Fluxuri cross-app: Poate obține înregistrări și actualiza sisteme în mai multe aplicații
Să zicem că un agent de suport clienți primește o cerere de rambursare cu o captură de ecran atașată. Modelul mai mare decide cum să rezolve cazul. Ember apoi citește captura, obține înregistrarea comenzii și actualizează tichetul.
Aceeași secvență rulează pentru fiecare tichet, astfel încât prețul per apel determină costul întregului coș de solicitări.
Ce înseamnă Muse Ember pentru viitorul agenților AI
Indicatorul de urmărit este costul per sarcină finalizată, nu costul per token. Un model cu preț mic pe token poate fi totuși scump dacă are nevoie de mulți tokeni pentru a termina o treabă.
Asta schimbă modul în care alegi modelele. În loc să cauți cel mai puternic model, potrivești fiecare pas cu capabilitatea și prețul potrivite. Un model mai mare planifică, unul mai mic rulează pașii repetați, iar un model multimodal ca Ember citește capturi de ecran și înregistrări fără un model separat pentru fiecare.
Cu fluxuri autonome lungi, pașii de rutină trebuie să fie ieftini pentru ca rularea completă să fie accesibilă.
Dar Meta nu este singurul laborator care vinde un model mic pentru acest rol. Haiku 5.5 și GPT-6 Luna au același preț pe token, așa că ține-le minte.
Concluzie
Muse Ember este construit pentru munca repetitivă pe care agenții AI o fac toată ziua. Costă 0,10 $ per milion de tokeni de intrare și 0,50 $ per milion de tokeni de ieșire, are o fereastră de context de 1 milion de tokeni și acceptă intrări text, imagine, audio și video. Meta raportează că egalează scorul lui Haiku 5.5 pe Artificial Analysis Intelligence Index la aproximativ o treime din costul per sarcină.
Este menit să funcționeze alături de modele mai mari, precum Muse Wonder, care planifică în timp ce Ember rulează pașii repetați. Dar Meta a rulat majoritatea acestor comparații, iar rezultatele și economiile tale vor depinde de volumul tău de lucru și de setarea de evaluare.
Însă ideea importantă este că, dacă Meta are dreptate, următorul avantaj competitiv la agenții AI ar putea veni la fel de mult din cât de inteligent împarte un sistem munca, cât și din cât de capabil este cel mai mare model al său.
Care sunt cei mai buni agenți AI în 2026? Citește articolul nostru pentru a compara framework-uri, unelte no-code, platforme enterprise și pentru ghid pas cu pas în alegerea și implementarea automatizării agentice.
Săptămâna aceasta, Meta a anunțat Muse Ember, cel mai mic model al său. Ember nu concurează la sarcini grele de raționare. În schimb, se ocupă de pașii repetați ai unui flux de lucru de agent, în timp ce un model mai mare, precum Muse Wonder, face planificarea.
Muse Ember costă 0,10 $ per milion de tokeni de intrare și 0,50 $ per milion de tokeni de ieșire pentru prompturi de până la 200.000 de tokeni. Meta spune că oferă mai multă inteligență pe dolar decât Claude Haiku 5.5 și GPT-6 Luna și că egalează cel mai bun scor al Haiku pe Artificial Analysis Intelligence Index la aproximativ o treime din costul per sarcină.
În acest articol, îți arăt ce este Muse Ember, cum se compară reperele și prețurile și unde se poziționează în raport cu modelele Muse mai mari.
Dar ce este un agent AI? Înscrie-te la cursul nostru Introducere în agenții AI și înțelege bazele în doar 90 de minute.
Ce este Meta Muse Ember?
Muse Ember este un model ușor, multimodal, de raționare, de la Meta Superintelligence Labs. Este construit pentru munca pe care agenții o repetă toată ziua, cum ar fi apeluri către instrumente, sub-sarcini de programare, rutare, extragere de date și lucru cu documente lungi.
Primește intrări text, imagine, audio și video, astfel încât un agent nu are nevoie de un model separat pentru fiecare. Fereastra de context este de 1 milion de tokeni și poate produce până la 512.000 de tokeni de ieșire. Îl poți folosi prin Muse Code și Meta Model API.
Meta spune că este cel mai „mic” model, dar asta se referă doar la poziția sa în portofoliul de modele al Meta. Anunțul nu menționează numărul de parametri.
De ce a construit Meta Muse Ember pentru agenți AI
Un chatbot face un apel de model per răspuns, în timp ce un agent face sute într-o sesiune. Meta spune că majoritatea tokenilor merg către pași mici, structurați. De exemplu:
Majoritatea acestor pași nu au nevoie de un model de vârf, dar costul se adună. Chiar și o mică economie per apel contează când un agent face sute sau mii.
Răspunsul Meta este o împărțire a muncii: „Muse Wonder planifică, Muse Ember gestionează volumul.” Wonder se ocupă de raționarea grea, iar Ember rulează pașii repetați.
Să zicem că o echipă migrează o bază mare de cod la un nou framework. Wonder planifică ordinea modificărilor și împarte munca în sarcini. Ember apoi citește fiecare fișier, face editarea țintită și rulează testele, de sute de ori.
Reperele Muse Ember
Afirmația Meta este că Muse Ember oferă inteligență competitivă la un cost mult mai mic decât alte modele mici. Pe Artificial Analysis Intelligence Index, Ember și Claude Haiku 5.5 au ambele scorul 36, iar GPT-6 Luna are 28. Diferența este costul per sarcină: aproximativ 0,14 $ pentru Ember, față de aproximativ 0,41 $ pentru Haiku și 0,15 $ pentru Luna.
Meta a raportat aceste rezultate pe 9 noiembrie 2026, la efort maxim de raționare. Intelligence Index, AutomationBench-AA și FrontierCode 2.0-AA provin de la Artificial Analysis. Agents' Last Exam este o evaluare internă Meta. Terminal-Bench 4.0 folosește cel mai bun „harness” publicat al fiecărui model. Poți găsi toate detaliile în raportul de evaluare al Meta.
Fluxuri de lucru agentice
Cel mai mare avans al lui Ember este pe AutomationBench-AA, care măsoară fluxuri de lucru de business capăt-la-capăt. Are 37,8%, față de 13,9% pentru Haiku și 20,2% pentru Luna.
La Agents' Last Exam, avansul e puțin mai mic – 61,6%, față de 57,0% și 57,1%. Aceasta este o evaluare internă Meta pe un subset de Linux, deci este rezultatul Meta.
Programare
Ember are 40,9% pe Terminal-Bench 4.0, față de 39,2% pentru Haiku și 16,4% pentru Luna. Dar fiecare model a rulat în propriul său „harness”, deci comparația nu este una perfect egală. Pe Artificial Analysis Coding Agent Index, Ember are 46, față de 37 pentru Haiku și 31 pentru Luna.
Haiku câștigă la FrontierCode 2.0-AA, care evaluează sarcinile de inginerie prin posibilitatea de a face merge. Are 34,9%, față de 27,2% pentru Ember și 25,2% pentru Luna.
Sarcini multimodale
În raport cu Haiku, diferențele multimodale nu sunt atât de vizibile. Pe OSWorld 2.1, un test de utilizare a calculatorului, Ember are 69,5% cu punctaj de tip credit parțial, față de 68,9% pentru Haiku și 50,5% pentru Luna.
Pe PerceptionBench, care măsoară detaliile vizuale fine, obține 80,6% cu instrumente, față de 78,6% și 62,8%. Ambele sunt evaluări interne Meta. Pe GDP.pdf-AA, care acoperă munca profesională pe documente lungi, Ember și Luna sunt la egalitate cu 22,8%, iar Haiku are 20,8%.
Muse Ember vs Claude Haiku 5.5 și GPT-6 Luna
Toate cele trei modele sunt listate la 0,10 $ per milion de tokeni de intrare și 0,50 $ per milion de tokeni de ieșire pentru prompturi scurte. De aceea e important să le compari și să observi diferențele.
La inteligență pe dolar, Meta spune că Ember egalează cel mai bun scor al Haiku pe Intelligence Index la aproximativ o treime din costul per sarcină, adică în jur de 0,14 $ față de 0,41 $. Prețurile pe token sunt aceleași, deci diferența vine din câți tokeni folosește fiecare model per sarcină. Luna costă cam cât Ember, la 0,15 $ per sarcină, dar are scor 28 în loc de 36.
Ember conduce și în testele agentice și multimodale ale Meta. Este singurul dintre cele trei care acceptă audio și video și permite până la 512.000 de tokeni de ieșire, față de 128.000 pentru celelalte două. Ferestrele de context sunt cam egale.
Haiku e mai puternic într-un punct. Are scor mai mare la FrontierCode 2.0-AA, care judecă sarcinile de inginerie după posibilitatea de merge. Asta contează dacă agenții tăi scriu cod care intră direct în depozit.
Ember pare o opțiune bună pentru fluxuri cu volum mare construite din pași de rutină. Dar Meta a ales și raportat aceste comparații, așa că testează-l pe propriul volum de lucru înainte de a schimba.
Scorurile Index și costul per sarcină sunt la efort maxim de raționare. Detaliile de preț pentru Haiku 5.5 și GPT-6 Luna provin din tarifele publicate.
Prețuri și disponibilitate pentru Muse Ember
Iată cât costă Muse Ember per milion de tokeni pentru prompturi de până la 200.000 de tokeni de intrare:
Prompturile mai lungi costă mai mult. Peste 200.000 de tokeni de intrare, tarifele Meta urcă la 0,30 $ pentru intrare și 1,50 $ pentru ieșire, iar intrarea în cache ajunge la 0,012 $.
Asta înseamnă de trei ori prețul pentru prompturi scurte. Așadar, prețurile „de vitrină” nu se aplică tuturor lungimilor de context, iar dacă agenții tăi trimit regulat prompturi foarte mari, planifică în consecință.
ID-ul modelului în API este
muse-ember-1.0, iar Ember suportă Responses API. Îl poți folosi prin Muse Code și Meta Model API. Meta îl listează și pe Google Cloud și Oracle Cloud.Cum se încadrează Muse Ember în familia de modele AI a Meta
Meta își descrie modelele Muse ca un portofoliu, fiecare fiind construit pentru o sarcină diferită.
Muse Wonder
Wonder este pentru cele mai dificile probleme, cum ar fi raționarea grea și sarcinile complexe. Într-un flux de lucru de agent, este modelul care planifică.
Muse Spark
Spark este pentru programare și fluxuri de lucru agentice mai largi. În comparația Meta, Spark 1.3 are scor 37 pe Intelligence Index față de 36 pentru Ember, dar costă 2,39 $ per sarcină față de 0,14 $. Prețul listat este 1,25 $ per milion de tokeni de intrare și 4,25 $ per milion de tokeni de ieșire.
Muse Ember
Ember este pentru sarcini de programare și agentice repetabile, la scară. Meta spune că este, de asemenea, primul model antrenat cu Muse Wonder Full.
Ce pot construi dezvoltatorii cu Muse Ember?
Anunțul Meta și testerii timpurii indică câteva utilizări concrete:
Să zicem că un agent de suport clienți primește o cerere de rambursare cu o captură de ecran atașată. Modelul mai mare decide cum să rezolve cazul. Ember apoi citește captura, obține înregistrarea comenzii și actualizează tichetul.
Aceeași secvență rulează pentru fiecare tichet, astfel încât prețul per apel determină costul întregului coș de solicitări.
Ce înseamnă Muse Ember pentru viitorul agenților AI
Indicatorul de urmărit este costul per sarcină finalizată, nu costul per token. Un model cu preț mic pe token poate fi totuși scump dacă are nevoie de mulți tokeni pentru a termina o treabă.
Asta schimbă modul în care alegi modelele. În loc să cauți cel mai puternic model, potrivești fiecare pas cu capabilitatea și prețul potrivite. Un model mai mare planifică, unul mai mic rulează pașii repetați, iar un model multimodal ca Ember citește capturi de ecran și înregistrări fără un model separat pentru fiecare.
Cu fluxuri autonome lungi, pașii de rutină trebuie să fie ieftini pentru ca rularea completă să fie accesibilă.
Dar Meta nu este singurul laborator care vinde un model mic pentru acest rol. Haiku 5.5 și GPT-6 Luna au același preț pe token, așa că ține-le minte.
Concluzie
Muse Ember este construit pentru munca repetitivă pe care agenții AI o fac toată ziua. Costă 0,10 $ per milion de tokeni de intrare și 0,50 $ per milion de tokeni de ieșire, are o fereastră de context de 1 milion de tokeni și acceptă intrări text, imagine, audio și video. Meta raportează că egalează scorul lui Haiku 5.5 pe Artificial Analysis Intelligence Index la aproximativ o treime din costul per sarcină.
Este menit să funcționeze alături de modele mai mari, precum Muse Wonder, care planifică în timp ce Ember rulează pașii repetați. Dar Meta a rulat majoritatea acestor comparații, iar rezultatele și economiile tale vor depinde de volumul tău de lucru și de setarea de evaluare.
Însă ideea importantă este că, dacă Meta are dreptate, următorul avantaj competitiv la agenții AI ar putea veni la fel de mult din cât de inteligent împarte un sistem munca, cât și din cât de capabil este cel mai mare model al său.
Care sunt cei mai buni agenți AI în 2026? Citește articolul nostru pentru a compara framework-uri, unelte no-code, platforme enterprise și pentru ghid pas cu pas în alegerea și implementarea automatizării agentice.