Metas Superintelligence Lab hat Muse Ember am 9. November 2026 vorgestellt. Das Unternehmen bezeichnet es als sein bislang kleinstes und effizientestes Modell. Es ist für Routineaufgaben konzipiert, die KI-Agenten den ganzen Tag erledigen – etwa Tools aufrufen, Teilaufgaben beim Programmieren bearbeiten, Anfragen weiterleiten, Daten extrahieren und lange Dokumente auswerten.
Muse Ember kann Text, Bilder, Audio und Video lesen und erzeugen und bis zu eine Million Tokens in einem einzelnen Prompt verarbeiten. Meta bietet das Modell ab sofort über die Meta Model API und Muse Code an. Der Preis liegt bei $0.10 pro einer Million Eingabe-Tokens und $0.50 pro einer Million Ausgabe-Tokens. Im Benchmark von Artificial Analysis entspricht das rund $0.14 pro Aufgabe.
So schneidet das Modell im Vergleich ab
Im eigenen Artificial Analysis Intelligence Index von Meta erreicht Ember 36 Punkte und kostet $0.14 pro Aufgabe. Damit ist es deutlich günstiger als das größere Muse Spark 1.3, das bei einem fast identischen Ergebnis von 37 Punkten $2.39 kostet. Meta zufolge schlägt Ember Anthropic’s Claude Haiku 5.5 und OpenAI’s GPT-6 Luna bei den Kosten pro Intelligenzpunkt in den meisten Tests. Im Programmier-Benchmark FrontierCode 2.0-AA erreicht Haiku laut Meta jedoch 34.9 Prozent, Ember kommt auf 27.2 Prozent.
TechCrunch merkt an, dass Ember beim Preis pro einer Million Eingabe-Tokens mit Open-Source-Modellen wie DeepSeek V4.1 Flash und GLM 5.3 Flash vergleichbar ist. Dadurch ist das Modell auch bei großem Einsatz wettbewerbsfähig.
Embers Platz in Metas Modellreihe
Ember ist das vierte Modell in Metas Muse-Reihe. Zuvor erschienen das mittelgroße Spark (April 2026), sein Open-Source-Zwilling Glimmer (August 2026) und das Spitzenmodell Wonder (Oktober 2026). Meta sieht Ember als Ergänzung zum größeren Muse Wonder: Das leistungsstarke Modell legt die Regeln fest, Ember wendet sie dann auf Zehntausende Fälle an – etwa bei der Automatisierung des Kundensupports.
Warum es wichtig ist
Für Unternehmen, die viele automatisierte Agenten für den Support oder die Datenextraktion einsetzen, bietet Ember eine günstigere Möglichkeit, solche Routineaufgaben zu erledigen – und kann dabei weiterhin mit Text, Bildern, Audio und Video arbeiten. Die niedrigeren Kosten pro Aufgabe könnten KI-Workflows mit hohem Volumen erschwinglicher machen. Bei der Programmierleistung liegt Ember jedoch noch hinter einigen Wettbewerbern.
