Muse Ember của Meta: Mẫu AI chi phí thấp dành cho Agents

Tuần này, Meta giới thiệu Muse Ember, mẫu nhỏ nhất của họ. Ember không cạnh tranh ở các bài toán suy luận khó. Thay vào đó, nó đảm nhiệm những bước lặp lại trong quy trình làm việc của agent, trong khi mẫu lớn hơn như Muse Wonder đảm nhiệm việc lập kế hoạch.

Muse Ember có giá $0.10 cho mỗi triệu token đầu vào và $0.50 cho mỗi triệu token đầu ra đối với prompt lên đến 200.000 token. Meta cho biết nó mang lại lượng “trí tuệ trên mỗi đô la” cao hơn Claude Haiku 5.5 và GPT-6 Luna, và đạt điểm Chỉ số Artificial Analysis Intelligence ngang với Haiku trong khi chi phí mỗi tác vụ chỉ bằng khoảng một phần ba.

Trong bài viết này, tôi sẽ giới thiệu Muse Ember là gì, so sánh các chuẩn đo lường và giá, và vị trí của nó khi đặt cạnh các mẫu Muse lớn hơn.

Nhưng AI Agent là gì? Hãy đăng ký khóa học Giới thiệu về AI Agents và nắm vững nền tảng chỉ trong 90 phút.

Meta Muse Ember là gì?

Muse Ember là một mẫu suy luận đa phương thức nhẹ từ Meta Superintelligence Labs. Nó được xây dựng cho công việc mà các agent lặp lại suốt ngày, như gọi công cụ, tiểu tác vụ lập trình, định tuyến, trích xuất dữ liệu và xử lý tài liệu dài.

Nó nhận đầu vào văn bản, hình ảnh, âm thanh và video, nên một agent không cần mẫu riêng cho từng loại. Cửa sổ ngữ cảnh là 1 triệu token và có thể tạo ra tối đa 512.000 token đầu ra. Bạn có thể sử dụng qua Muse Code và Meta Model API.

Meta nói đây là mẫu “nhỏ nhất”, nhưng đó chỉ là vị trí trong danh mục mẫu của Meta. Thông báo không nêu số lượng tham số.

Vì sao Meta tạo Muse Ember cho AI Agents

Một chatbot chỉ gọi mẫu một lần cho mỗi câu trả lời, còn một agent có thể gọi hàng trăm lần trong một phiên. Meta cho biết phần lớn token của họ dành cho các bước nhỏ, có cấu trúc. Ví dụ:

• Truy xuất: Đọc một tệp hoặc mở một tài liệu
• Gọi công cụ: Chạy kiểm thử hoặc gọi một API
• Định tuyến: Gửi từng yêu cầu đến đúng quy trình
• Chỉnh sửa: Cập nhật ứng dụng sau một thay đổi mã có mục tiêu

Hầu hết các bước này không cần mẫu thuộc nhóm tiên phong, nhưng chi phí sẽ cộng dồn. Dù chỉ tiết kiệm một chút cho mỗi lần gọi cũng có ý nghĩa khi một agent thực hiện hàng trăm hoặc hàng nghìn lần.

Câu trả lời của Meta là phân công lao động: “Muse Wonder lập kế hoạch, Muse Ember xử lý khối lượng.” Wonder đảm nhiệm suy luận khó, còn Ember chạy các bước lặp lại.

Giả sử một nhóm di chuyển một codebase lớn sang khung mới. Wonder lập kế hoạch thứ tự thay đổi và chia công việc thành các tác vụ. Ember sau đó đọc từng tệp, thực hiện chỉnh sửa có mục tiêu và chạy kiểm thử, lặp lại hàng trăm lần.

Chuẩn đo lường của Muse Ember

Theo Meta, Muse Ember mang lại mức độ thông minh cạnh tranh với chi phí thấp hơn nhiều so với các mẫu nhỏ khác. Trên Artificial Analysis Intelligence Index, Ember và Claude Haiku 5.5 đều đạt 36, còn GPT-6 Luna đạt 28. Khác biệt nằm ở chi phí mỗi tác vụ: khoảng $0.14 cho Ember, so với khoảng $0.41 cho Haiku và $0.15 cho Luna.

Meta báo cáo các kết quả này vào ngày 9 tháng 11 năm 2026, ở mức nỗ lực suy luận tối đa. Intelligence Index, AutomationBench-AA và FrontierCode 2.0-AA đến từ Artificial Analysis. Agents' Last Exam là đánh giá nội bộ của Meta. Terminal-Bench 4.0 sử dụng bộ khung tốt nhất đã công bố của mỗi mẫu. Bạn có thể xem đầy đủ chi tiết trong báo cáo đánh giá của Meta.

Quy trình tác vụ kiểu agent

Lợi thế lớn nhất của Ember là trên AutomationBench-AA, đo lường các quy trình công việc doanh nghiệp đầu-cuối. Ember đạt 37,8%, so với 13,9% của Haiku và 20,2% của Luna.

Ở Agents' Last Exam, lợi thế nhỏ hơn - 61,6%, so với 57,0% và 57,1%. Bài này là đánh giá nội bộ của Meta trên một tập con Linux, nên đây là kết quả do Meta tự thực hiện.

Lập trình

Ember đạt 40,9% trên Terminal-Bench 4.0, so với 39,2% của Haiku và 16,4% của Luna. Tuy nhiên, mỗi mẫu chạy trong bộ khung riêng, nên so sánh không hoàn toàn tương đương. Trên Artificial Analysis Coding Agent Index, Ember đạt 46, so với 37 của Haiku và 31 của Luna.

Haiku dẫn trước ở FrontierCode 2.0-AA, nơi đánh giá các tác vụ kỹ thuật dựa trên khả năng hợp nhất (mergeability). Haiku đạt 34,9%, so với 27,2% của Ember và 25,2% của Luna.

Tác vụ đa phương thức

So với Haiku, khoảng cách về đa phương thức không quá đáng chú ý. Trên OSWorld 2.1, một bài kiểm tra sử dụng máy tính, Ember đạt 69,5% với chấm điểm bán phần, so với 68,9% của Haiku và 50,5% của Luna.

Trên PerceptionBench, đo chi tiết thị giác tinh, nó đạt 80,6% khi dùng công cụ, so với 78,6% và 62,8%. Cả hai đều là đánh giá nội bộ của Meta. Trên GDP.pdf-AA, bao quát công việc chuyên môn trên tài liệu dài, Ember và Luna cùng đạt 22,8%, còn Haiku đạt 20,8%.

Muse Ember so với Claude Haiku 5.5 và GPT-6 Luna

Cả ba mẫu đều niêm yết $0.10 cho mỗi triệu token đầu vào và $0.50 cho mỗi triệu token đầu ra đối với prompt ngắn. Vì vậy, việc so sánh và ghi nhận khác biệt là quan trọng.

Về “trí tuệ trên mỗi đô la”, Meta cho biết Ember ngang bằng điểm Intelligence Index cao nhất của Haiku với chi phí mỗi tác vụ chỉ khoảng một phần ba, tức xấp xỉ $0.14 so với $0.41. Giá token là như nhau, nên chênh lệch đến từ số token mỗi mẫu dùng cho một tác vụ. Luna có chi phí mỗi tác vụ tương đương Ember ở mức khoảng $0.15, nhưng điểm chỉ đạt 28 thay vì 36.

Ember cũng dẫn đầu ở các bài kiểm tra kiểu agent và đa phương thức của Meta. Đây là mẫu duy nhất trong ba mẫu nhận âm thanh và video, và cho phép tối đa 512.000 token đầu ra, so với 128.000 của hai mẫu còn lại. Cửa sổ ngữ cảnh thì gần tương đương.

Haiku mạnh hơn ở một điểm. Nó đạt điểm cao hơn trên FrontierCode 2.0-AA, nơi đánh giá tác vụ kỹ thuật theo khả năng hợp nhất. Điều này quan trọng nếu agent của bạn viết mã đi thẳng vào kho lưu trữ.

Ember có vẻ là lựa chọn tốt cho các quy trình khối lượng lớn được ghép từ các bước thường lệ. Nhưng Meta đã chọn và báo cáo các so sánh này, vì vậy hãy kiểm thử trên khối lượng công việc của riêng bạn trước khi chuyển đổi.

Điểm Index và chi phí mỗi tác vụ đều ở mức nỗ lực suy luận tối đa. Chi tiết giá cho Haiku 5.5 và GPT-6 Luna dựa trên mức niêm yết đã công bố.

Giá và khả dụng của Muse Ember

Dưới đây là chi phí của Muse Ember cho mỗi triệu token đối với prompt lên đến 200.000 token đầu vào:

Prompt dài hơn sẽ tốn hơn. Trên 200.000 token đầu vào, mức giá của Meta tăng lên $0.30 cho đầu vào và $1.50 cho đầu ra, còn đầu vào được cache tăng lên $0.012.

Đó là gấp ba lần giá cho prompt ngắn. Vì vậy, mức giá tiêu đề không áp dụng cho mọi độ dài ngữ cảnh, và nếu agent của bạn thường xuyên gửi prompt rất lớn, hãy lên kế hoạch phù hợp.

ID mẫu API là muse-ember-1.0, và Ember hỗ trợ Responses API. Bạn có thể dùng qua Muse Code và Meta Model API. Meta cũng liệt kê nó trên Google Cloud và Oracle Cloud.

Muse Ember nằm ở đâu trong họ mẫu AI của Meta

Meta mô tả các mẫu Muse như một danh mục, mỗi mẫu phục vụ một nhiệm vụ khác nhau.

Muse Wonder

Wonder dành cho các vấn đề khó nhất, như suy luận phức tạp và tác vụ rắc rối. Trong quy trình agent, đây là mẫu đảm nhiệm việc lập kế hoạch.

Muse Spark

Spark dành cho lập trình và các quy trình kiểu agent rộng hơn. Trong so sánh của Meta, Spark 1.3 đạt 37 điểm trên Intelligence Index so với 36 của Ember, nhưng chi phí là $2.39 mỗi tác vụ so với $0.14. Giá niêm yết là $1.25 cho mỗi triệu token đầu vào và $4.25 cho mỗi triệu token đầu ra.

Muse Ember

Ember dành cho các tác vụ lập trình và agent có thể lặp lại ở quy mô lớn. Meta cho biết đây cũng là mẫu đầu tiên được huấn luyện với Muse Wonder Full.

Nhà phát triển có thể xây dựng gì với Muse Ember?

Thông báo của Meta và phản hồi từ những người thử nghiệm sớm chỉ ra vài cách dùng cụ thể:

• Phân tích tài liệu: Box dùng nó để chấm điểm hợp đồng theo sổ tay đàm phán, theo từng điều khoản
• Công việc với kho mã: Cloudflare dùng cho điều tra đa kho, và Meta cho biết nó có thể chạy kiểm thử và thực hiện các sửa lỗi có mục tiêu
• Trích xuất đa phương thức: Nó có thể đọc tài liệu quét hoặc làm việc từ bản ghi cuộc họp
• Quy trình xuyên ứng dụng: Nó có thể lấy bản ghi và cập nhật hệ thống trên nhiều ứng dụng

Giả sử một agent hỗ trợ khách hàng nhận được yêu cầu hoàn tiền kèm ảnh chụp màn hình. Mẫu lớn hơn sẽ quyết định cách xử lý yêu cầu. Ember sau đó đọc ảnh chụp, lấy bản ghi đơn hàng và cập nhật phiếu yêu cầu.

Chuỗi thao tác như vậy được lặp lại cho mọi phiếu, vì thế giá cho mỗi lần gọi quyết định chi phí cho cả hàng đợi.

Muse Ember có ý nghĩa gì cho tương lai của AI Agents

Con số cần theo dõi là chi phí cho mỗi tác vụ hoàn thành, không chỉ chi phí mỗi token. Một mẫu có giá token thấp vẫn có thể đắt nếu cần nhiều token để hoàn tất công việc.

Điều đó thay đổi cách bạn chọn mẫu. Thay vì tìm mẫu mạnh nhất, bạn ghép từng bước với khả năng và mức giá phù hợp. Một mẫu lớn lập kế hoạch, một mẫu nhỏ chạy các bước lặp lại, và một mẫu đa phương thức như Ember đọc ảnh chụp màn hình và bản ghi mà không cần mẫu riêng cho từng loại.

Với các quy trình tự động dài, các bước thường lệ phải rẻ thì toàn bộ quá trình mới có chi phí chấp nhận được.

Nhưng Meta không phải phòng thí nghiệm duy nhất cung cấp mẫu nhỏ cho vai trò này. Haiku 5.5 và GPT-6 Luna có giá token niêm yết tương tự, nên cũng đáng cân nhắc.

Kết luận

Muse Ember được xây dựng cho công việc lặp đi lặp lại mà AI agents thực hiện suốt ngày. Nó có giá $0.10 cho mỗi triệu token đầu vào và $0.50 cho mỗi triệu token đầu ra, có cửa sổ ngữ cảnh 1 triệu token và nhận đầu vào văn bản, hình ảnh, âm thanh, video. Meta báo cáo rằng nó đạt điểm ngang với Haiku 5.5 trên Artificial Analysis Intelligence Index với chi phí mỗi tác vụ chỉ khoảng một phần ba.

Nó được thiết kế để làm việc song song với các mẫu lớn hơn như Muse Wonder, mẫu sẽ lập kế hoạch trong khi Ember chạy các bước lặp lại. Nhưng phần lớn các so sánh này do Meta thực hiện, và kết quả cũng như khoản tiết kiệm của bạn sẽ phụ thuộc vào khối lượng công việc và cách bạn đánh giá.

Điều quan trọng cần rút ra là nếu Meta đúng, lợi thế cạnh tranh tiếp theo của AI agents có thể đến nhiều từ cách hệ thống phân chia công việc thông minh ra sao, không chỉ từ việc mẫu lớn nhất mạnh đến mức nào.

Những AI Agent tốt nhất năm 2026 là gì? Đọc bài viết của chúng tôi để so sánh framework, công cụ no-code, nền tảng doanh nghiệp, và nhận hướng dẫn từng bước để chọn và triển khai tự động hóa kiểu agent.