Meta dévoile Muse Ember, son plus petit modèle d'IA, à 0,10 $ le million de jetons

Pensé pour les agents

Muse Ember offre un contexte d'un million de jetons et jusqu'à 512 000 jetons en sortie, de quoi charger une base de code ou un ensemble de documents en un seul appel. L'API Responses est prise en charge. Le modèle comprend nativement texte, images, audio et vidéo : un agent peut lire des captures d'écran, des graphiques ou des documents numérisés, ou travailler à partir de notes vocales, d'enregistrements de réunions et de vidéos, sans recourir à un autre modèle. Il peut aussi piloter un ordinateur en observant des captures d'écran.

Meta imagine des flux de travail de bout en bout : extraire des enregistrements, enchaîner les outils et mettre à jour des systèmes sur plusieurs applications. En programmation, Ember convient aux centaines de lectures de fichiers, d'exécutions de tests et de correctifs ciblés qu'un agent effectue en une seule mission. Pour les problèmes les plus difficiles, Meta le associe à Muse Wonder : « Wonder planifie, Ember assure le volume ». Ember est aussi le premier modèle entraîné avec Muse Wonder Full, version supérieure de Wonder. Avec Muse Spark, dédié au code et aux agents, la gamme compte désormais trois niveaux.

Coûts et évaluations de sécurité

Selon Meta, sur l'indice global d'Artificial Analysis rapporté au coût par tâche, Ember offre une meilleure performance par dollar que Claude Haiku 5.5 et GPT-6 Luna, quel que soit le réglage de raisonnement. Il atteindrait le meilleur score de Haiku pour environ un tiers du coût et surpasserait Luna dans tous les réglages. Le coût par tâche avoisine 0,14 dollar, estimé aux prix catalogue.

Meta estime que offrir une « superintelligence personnelle » à tous exige des capacités de pointe à un prix adapté à l'échelle, et affirme entraîner des modèles encore plus efficaces.

Avant la publication, le groupe a évalué les risques chimiques et biologiques, de cybersécurité et de perte de contrôle selon son propre cadre ; tous sont restés sous le seuil de risque élevé. Le comportement des agents a aussi été testé : respect des instructions cachées dans des pages web ou des documents, demande d'un avis humain avant les actions à fort impact.