Le Superintelligence Lab de Meta a annoncé Muse Ember le 9 novembre 2026. L’entreprise le présente comme son modèle le plus petit et le plus efficace à ce jour, conçu pour les tâches courantes effectuées en continu par les agents d’IA : appeler des outils, réaliser des sous-tâches de programmation, acheminer des demandes, extraire des données et analyser de longs documents.
Muse Ember peut lire et générer du texte, des images, de l’audio et de la vidéo, et traiter jusqu’à un million de tokens dans une seule requête. Meta le propose dès à présent via l’API Meta Model et Muse Code. Son tarif est de $0.10 par million de tokens en entrée et de $0.50 par million de tokens en sortie, soit environ $0.14 par tâche selon le benchmark d’Artificial Analysis.
Comment se compare-t-il à la concurrence ?
Dans l’Artificial Analysis Intelligence Index de Meta, Ember obtient un score de 36 pour $0.14 par tâche, bien moins cher que le modèle plus grand Muse Spark 1.3, qui coûte $2.39 pour un score presque identique de 37. Meta affirme qu’Ember offre un meilleur rapport entre coût et intelligence que Claude Haiku 5.5 d’Anthropic et GPT-6 Luna d’OpenAI dans la plupart de ses tests. Toutefois, au benchmark de programmation FrontierCode 2.0-AA, Haiku obtient 34.9 pour cent, contre 27.2 pour cent pour Ember, selon l’entreprise.
TechCrunch relève que le prix d’Ember par million de tokens en entrée est comparable à celui de modèles open source comme DeepSeek V4.1 Flash et GLM 5.3 Flash, ce qui le rend compétitif à grande échelle.
La place d’Ember dans la gamme de modèles de Meta
Ember est le quatrième modèle de la série Muse de Meta. Il succède au modèle intermédiaire Spark (avril 2026), à son jumeau open source Glimmer (août 2026) et au modèle de pointe Wonder (octobre 2026). Meta imagine Ember travailler aux côtés du modèle Muse Wonder, plus grand : le modèle le plus puissant définit les règles, tandis qu’Ember les applique à des dizaines de milliers de cas, par exemple pour automatiser le support client.
Pourquoi c'est important
Pour les entreprises qui utilisent à grande échelle des agents automatisés dédiés au support ou à l’extraction de données, Ember offre un moyen moins coûteux d’exécuter ces tâches répétitives, tout en prenant en charge le texte, les images, l’audio et la vidéo. Son coût réduit par tâche pourrait rendre les workflows d’IA à grand volume plus abordables, même si ses performances en programmation restent inférieures à celles de certains concurrents.
