AI11 lis 2026, 12:47 UTC·2 min czytania

Meta prezentuje Muse Ember, najmniejszy model AI dla agentów

Meta Superintelligence Labs wprowadziła Muse Ember, swój najmniejszy model, stworzony do powtarzalnych zadań agentów AI. Ceny startują od 0,10 USD za milion tokenów wejściowych.

Abstract illustration of a compact AI model chip handling many repeated automated tasks in a workflow. — Zdjęcie: Webrazzi

Meta Superintelligence Labs zaprezentowała Muse Ember, model przeznaczony do operacji, które agenci AI wykonują wielokrotnie w ramach jednego procesu. Ember jest najmniejszym modelem w historii Meta i skupia się na pobieraniu rekordów z baz danych, klasyfikowaniu zgłoszeń klientów, wyciąganiu konkretnych informacji z długich dokumentów oraz drobnych zadaniach programistycznych. Deweloperzy mogą z niego korzystać przez Meta Model API i Muse Code.

Duży model planuje, Ember wykonuje

Według Meta Ember można łączyć z większymi modelami, takimi jak Muse Wonder czy Muse Spark. W systemie obsługi klienta Muse Wonder może ustalić, na jakich warunkach zatwierdzane są zwroty, a Ember zastosuje te reguły do tysięcy zgłoszeń, sprawdzi zamówienia i przekaże sprawy wymagające weryfikacji człowieka odpowiedniemu zespołowi. Gdy każde zgłoszenie oznacza wiele wywołań, nawet niewielka różnica kosztu pojedynczego wywołania wpływa na całą fakturę.

Model przyjmuje tekst, obrazy, dźwięk, wideo i pliki PDF, a generuje tekst. Agent może więc odczytać termin płatności ze zeskanowanej faktury albo wypisać zadania ze spotkania bez osobnego modelu. Okno kontekstu wynosi około 1 mln tokenów, co pozwala przeanalizować duży zbiór dokumentów lub bazę kodu w jednym zapytaniu. Pojedyncza odpowiedź może mieć jednak około 524 tys. tokenów.

Cennik i wyniki testów

Dla zapytań do 200 tys. tokenów wejściowych Meta pobiera 0,10 USD za milion tokenów wejściowych i 0,50 USD za milion wyjściowych. Powyżej tego progu stawki rosną do 0,30 i 1,50 USD. W porównaniu opartym na danych Artificial Analysis koszt zadania wyniósł dla Ember 0,14 USD, a dla Muse Spark 1.3 – 2,39 USD, przy wynikach w ogólnym indeksie wydajności odpowiednio 36 i 37 punktów.

Wyniki zależą od rodzaju zadania. W teście AutomationBench-AA, mierzącym wieloetapowe procesy, Ember osiągnął 37,8 proc., wobec 20,2 proc. GPT-6 Luna od OpenAI i 13,9 proc. Claude Haiku 5.5 od Anthropic. W FrontierCode 2.0-AA, oceniającym, czy zmiany w kodzie nadają się do włączenia do projektu, Claude Haiku 5.5 uzyskał 34,9 proc. i wyprzedził Embera z wynikiem 27,2 proc.

Ember jest czwartym modelem rodziny Muse po kwietniowym Spark, sierpniowym Glimmer i październikowym Wonder. Jak podaje Meta, to pierwszy model wytrenowany z użyciem większego Muse Wonder Full.