Meta'nın Muse Ember'ı: Aracılar için Düşük Maliyetli Bir Yapay Zekâ Modeli

Bu hafta Meta, en küçük modeli olan Muse Ember'ı duyurdu. Ember, zor akıl yürütme görevlerinde yarışmıyor. Bunun yerine, bir aracı iş akışının tekrarlanan adımlarını yapıyor; Muse Wonder gibi daha büyük bir model ise planlamayı üstleniyor.

Muse Ember, 200.000 tokene kadar istemler için milyon başına 0,10 $ giriş ve milyon başına 0,50 $ çıkış ücretiyle fiyatlandırılıyor. Meta, Claude Haiku 5.5 ve GPT-6 Luna'dan dolar başına daha fazla zekâ sunduğunu ve görev başına maliyetin yaklaşık üçte biriyle Haiku'nun en iyi Artificial Analysis Intelligence Index puanını yakaladığını söylüyor.

Bu yazıda, Muse Ember'ın ne olduğunu, kıyaslamalarının ve fiyatlandırmasının nasıl karşılaştırıldığını ve daha büyük Muse modelleriyle kıyaslandığında nerede konumlandığını anlatacağım.

Peki bir Yapay Zekâ Aracısı nedir? Yalnızca 90 dakikada temelleri anlamak için AI Agent'lara Giriş kursumuza kaydolun.

Meta Muse Ember Nedir?

Muse Ember, Meta Superintelligence Labs'ten hafif bir çok modlu akıl yürütme modelidir. Gün boyu aracıların tekrarladığı işler için tasarlanmıştır: araç çağrıları, kodlama alt görevleri, yönlendirme, veri çıkarımı ve uzun belge çalışmaları gibi.

Metin, görsel, ses ve video girdi alır; böylece bir aracı her biri için ayrı bir modele ihtiyaç duymaz. Bağlam penceresi 1 milyon tokendir ve 512.000'e kadar çıktı üretebilir. Muse Code ve Meta Model API üzerinden kullanabilirsiniz.

Meta bunun en "küçük" modeli olduğunu söylüyor, ancak bu yalnızca Meta'nın model portföyündeki konumuna atıftır. Duyuruda parametre sayısı belirtilmiyor.

Meta Neden Muse Ember'ı Yapay Zekâ Aracıları için Geliştirdi

Bir sohbet botu, yanıt başına bir model çağrısı yaparken bir aracı, bir oturumda yüzlercesini yapar. Meta'ya göre token'ların çoğu küçük, yapılandırılmış adımlara gider. Örneğin:

• Getirme: Bir dosyayı okumak veya bir belge açmak
• Araç çağrıları: Bir testi çalıştırmak veya bir API çağırmak
• Yönlendirme: Her isteği doğru iş akışına göndermek
• Düzenlemeler: Hedefli bir kod değişikliğinin ardından bir uygulamayı güncellemek

Bu adımların çoğu sınır düzeyi bir modele ihtiyaç duymaz, ancak maliyet birikir. Bir aracı yüzlerce veya binlerce çağrı yaptığında, çağrı başına küçük bir tasarruf bile önemlidir.

Meta'nın yanıtı iş bölümü: "Muse Wonder planlar, Muse Ember hacmi yönetir." Wonder zor akıl yürütmeyi üstlenir, Ember ise tekrarlanan adımları çalıştırır.

Diyelim ki bir ekip, büyük bir kod tabanını yeni bir çerçeveye taşıyor. Wonder, değişikliklerin sırasını planlar ve işi görevlere böler. Ember ise her dosyayı okur, hedefli düzenlemeyi yapar ve testleri çalıştırır; bunu yüzlerce kez tekrarlar.

Muse Ember Kıyaslamaları

Meta'nın iddiası, Muse Ember'ın diğer küçük modellere kıyasla çok daha düşük maliyetle rekabetçi zekâ sunduğudur. Artificial Analysis Intelligence Index'te Ember ve Claude Haiku 5.5 her ikisi de 36 puan alırken, GPT-6 Luna 28 puan alıyor. Fark, görev başına maliyet: Ember için yaklaşık 0,14 $, Haiku için yaklaşık 0,41 $ ve Luna için 0,15 $ civarı.

Meta bu sonuçları 9 Kasım 2026'da, azami akıl yürütme çabasında bildirdi. Intelligence Index, AutomationBench-AA ve FrontierCode 2.0-AA, Artificial Analysis kaynaklıdır. Agents' Last Exam, Meta içi bir değerlendirmedir. Terminal-Bench 4.0, her modelin yayımlanmış en iyi harness'ını kullanır. Tüm ayrıntıları Meta'nın değerlendirme raporunda bulabilirsiniz.

Aracı iş akışları

Ember'ın en büyük üstünlüğü, uçtan uca iş akışlarını ölçen AutomationBench-AA'de. Ember %37,8, Haiku %13,9 ve Luna %20,2 alıyor.

Agents' Last Exam'de fark biraz daha küçük: %61,6'ya karşılık %57,0 ve %57,1. Bu, Linux alt kümesinde Meta içi bir değerlendirme, yani Meta'nın kendi sonucu.

Kodlama

Ember, Terminal-Bench 4.0'da %40,9 alırken Haiku %39,2 ve Luna %16,4 alıyor. Ancak her model kendi harness'ında çalıştığı için karşılaştırma birebir eşit değil. Artificial Analysis Coding Agent Index'te Ember 46, Haiku 37 ve Luna 31 puan alıyor.

Haiku, mühendislik görevlerini birleştirilebilirliğe göre değerlendiren FrontierCode 2.0-AA'de önde. %34,9 alırken Ember %27,2 ve Luna %25,2 alıyor.

Çok modlu görevler

Haiku'ya karşı çok modlu farklar çok belirgin değil. Bilgisayar kullanımı testi OSWorld 2.1'de, kısmi kredi puanlamasıyla Ember %69,5 alıyor; Haiku %68,9 ve Luna %50,5 alıyor.

İnce görsel ayrıntıyı ölçen PerceptionBench'te, araçlarla %80,6 alıyor; diğerleri %78,6 ve %62,8. Her ikisi de Meta içi değerlendirmeler. Uzun belgeler üzerindeki profesyonel çalışmaları kapsayan GDP.pdf-AA'de Ember ve Luna %22,8 ile berabere kalırken, Haiku %20,8 alıyor.

Muse Ember vs Claude Haiku 5.5 ve GPT-6 Luna

Üç modelin de kısa istemler için liste fiyatı milyon başına 0,10 $ giriş ve 0,50 $ çıkıştır. Bu yüzden aralarındaki farkları karşılaştırmak önemlidir.

Dolar başına zekâda, Meta'ya göre Ember, görev başına yaklaşık üçte bir maliyetle Haiku'nun en iyi Intelligence Index puanını yakalıyor; kabaca 0,14 $ vs 0,41 $. Token fiyatları aynı, bu yüzden fark her modelin görev başına kullandığı token sayısından kaynaklanıyor. Luna'nın görev başı maliyeti Ember ile benzer, yaklaşık 0,15 $, ancak 36 yerine 28 puan alıyor.

Ember, Meta'nın aracı ve çok modlu testlerinde de önde. Üçü arasında ses ve video alan tek model ve 512.000'e kadar çıktı tokene izin veriyor; diğer ikisi 128.000'e kadar. Bağlam pencereleri ise yaklaşık olarak eşit.

Haiku bir alanda daha güçlü. Birleştirilebilirliğe göre mühendislik görevlerini değerlendiren FrontierCode 2.0-AA'de daha yüksek puan alıyor. Aracılarınız doğrudan depoya girecek kod yazıyorsa bu önemlidir.

Ember, rutin adımlardan oluşan yüksek hacimli iş akışları için iyi bir seçenek gibi görünüyor. Ancak Meta bu karşılaştırmaları seçti ve raporladı; bu yüzden geçiş yapmadan önce kendi iş yükünüzde test edin.

Endeks puanları ve görev başına maliyet azami akıl yürütme çabasında alınmıştır. Haiku 5.5 ve GPT-6 Luna fiyatlandırma ayrıntıları yayımlanmış tarifelerinden alınmıştır.

Muse Ember Fiyatlandırma ve Erişilebilirlik

200.000 giriş tokenine kadar olan istemler için Muse Ember'ın milyon token başına maliyeti şöyledir:

Daha uzun istemler daha pahalıdır. 200.000 giriş tokeninin üzerinde, Meta'nın tarifeleri girdi için 0,30 $'a ve çıktı için 1,50 $'a yükselir; önbelleğe alınmış girdi 0,012 $'a çıkar.

Bu, kısa istem fiyatının üç katıdır. Dolayısıyla manşet fiyatlandırma her bağlam uzunluğu için geçerli değildir; aracılarınız düzenli olarak çok büyük istemler gönderiyorsa buna göre plan yapın.

API model kimliği muse-ember-1.0'dır ve Ember, Responses API'yi destekler. Muse Code ve Meta Model API üzerinden kullanabilirsiniz. Meta ayrıca onu Google Cloud ve Oracle Cloud'da listeliyor.

Muse Ember Meta'nın Yapay Zekâ Model Ailesine Nasıl Oturuyor

Meta, Muse modellerini her biri farklı bir görev için geliştirilmiş bir portföy olarak tanımlıyor.

Muse Wonder

Wonder, zor akıl yürütme ve karmaşık görevler gibi en zorlu problemler içindir. Bir aracı iş akışında planlamayı yapan modeldir.

Muse Spark

Spark, kodlama ve daha geniş aracı iş akışları içindir. Meta'nın karşılaştırmasında Spark 1.3, Intelligence Index'te 37 alırken Ember 36 alıyor; ancak görev başına maliyeti 2,39 $ iken Ember 0,14 $. Liste fiyatı milyon başına 1,25 $ giriş ve 4,25 $ çıkıştır.

Muse Ember

Ember, ölçekli tekrarlanabilir kodlama ve aracı görevleri içindir. Meta, bunun aynı zamanda Muse Wonder Full ile eğitilen ilk model olduğunu söylüyor.

Geliştiriciler Muse Ember ile Ne İnşa Edebilir?

Meta'nın duyurusu ve erken test edenler birkaç somut kullanım alanı gösteriyor:

• Belge analizi: Box, sözleşmeleri bir müzakere kılavuzuna madde madde göre puanlamak için kullandı
• Depo çalışmaları: Cloudflare, çoklu depo incelemesi için kullandı ve Meta, testleri çalıştırıp hedefli düzeltmeler yapabildiğini söylüyor
• Çok modlu çıkarım: Taranmış belgeleri okuyabilir veya toplantı kayıtlarından çalışabilir
• Uygulamalar arası iş akışları: Kayıtları alabilir ve uygulamalar arasında sistemleri güncelleyebilir

Diyelim ki bir müşteri destek aracısı, ekli ekran görüntüsüyle bir iade talebi aldı. Daha büyük model, vakayı nasıl çözeceğine karar verir. Ember ise ekran görüntüsünü okur, sipariş kaydını alır ve bileti günceller.

Aynı sıralama her bilet için çalışır; bu nedenle çağrı başına fiyat, tüm kuyruğun maliyetini belirler.

Muse Ember Yapay Zekâ Aracıları İçin Gelecekte Ne İfade Ediyor

İzlenecek sayı, token başına maliyet değil, tamamlanan görev başına maliyettir. Token fiyatı düşük olan bir model, bir işi bitirmek için çok sayıda token gerekiyorsa yine de pahalı olabilir.

Bu, model seçimini değiştirir. En güçlüsünü aramak yerine her adımı doğru yetenek ve fiyata eşleştirirsiniz. Daha büyük bir model planlar, daha küçük bir model tekrarlanan adımları çalıştırır ve Ember gibi çok modlu bir model, her biri için ayrı bir modele gerek kalmadan ekran görüntülerini ve kayıtları okur.

Uzun özerk iş akışlarında, tüm çalışmanın uygun fiyatlı olabilmesi için rutin adımların ucuz olması gerekir.

Ancak bu rol için küçük model satan tek laboratuvar Meta değil. Haiku 5.5 ve GPT-6 Luna aynı token fiyatıyla listeleniyor; aklınızda bulundurun.

Sonuç

Muse Ember, yapay zekâ aracıların tüm gün yaptığı tekrarlı işler için tasarlandı. Milyon başına girişte 0,10 $, çıkışta 0,50 $ maliyete sahip, 1 milyon token bağlam penceresi var ve metin, görsel, ses ve video girdi alıyor. Meta, Artificial Analysis Intelligence Index'te Haiku 5.5’in puanını görev başına maliyetin yaklaşık üçte biriyle yakaladığını bildiriyor.

Daha büyük modellerle, örneğin planlamayı yapan Muse Wonder ile yan yana çalışması amaçlanmış; Ember tekrarlanan adımları yürütür. Ancak bu karşılaştırmaların çoğunu Meta yaptı ve sizin elde edeceğiniz sonuçlar ve tasarruflar, iş yükünüze ve değerlendirme kurulumunuza bağlı olacaktır.

Ancak önemli çıkarım şu: Meta haklıysa, yapay zekâ aracıları alanındaki bir sonraki rekabet avantajı, en büyük modelin yeteneklerinden olduğu kadar sistemin işi ne kadar akıllıca böldüğünden de gelebilir.

2026'nın En İyi AI Agent'ları hangileri? Çerçeveleri, kodsuz araçları, kurumsal platformları karşılaştırmak ve aracı otomasyonu seçip devreye almak için adım adım rehberlik almak üzere blog yazımızı okuyun.