Meta 초지능 연구소(Superintelligence Lab)는 2026년 11월 9일 Muse Ember를 발표했다. 회사는 이 모델이 지금까지 선보인 모델 가운데 가장 작고 효율적이며, 도구 호출, 코딩 하위 작업 처리, 요청 분류, 데이터 추출, 긴 문서 분석 등 AI 에이전트가 매일 수행하는 반복 업무에 맞춰 개발됐다고 밝혔다.
Muse Ember는 텍스트, 이미지, 오디오, 동영상을 읽고 생성할 수 있으며, 한 번의 프롬프트에서 최대 100만 토큰을 처리한다. Meta Model API와 Muse Code를 통해 지금 이용할 수 있다. 가격은 입력 토큰 100만 개당 $0.10, 출력 토큰 100만 개당 $0.50이며, Artificial Analysis 벤치마크 기준 작업당 비용은 약 $0.14다.
경쟁 모델과 비교하면
Meta가 자체적으로 집계한 Artificial Analysis Intelligence Index에서 Ember는 36점을 기록했고 작업당 비용은 $0.14다. 점수가 거의 같은 37점인 상위 모델 Muse Spark 1.3의 작업당 비용 $2.39보다 훨씬 저렴하다. Meta는 대부분의 자체 테스트에서 Ember가 지능 대비 비용 측면에서 Anthropic의 Claude Haiku 5.5와 OpenAI의 GPT-6 Luna를 앞선다고 밝혔다. 다만 회사에 따르면 FrontierCode 2.0-AA 코딩 벤치마크에서는 Haiku가 34.9퍼센트, Ember가 27.2퍼센트를 기록했다.
TechCrunch는 Ember의 입력 토큰 100만 개당 가격이 DeepSeek V4.1 Flash, GLM 5.3 Flash 같은 오픈소스 모델과 비슷해 대규모로 사용할 때 경쟁력이 있다고 전했다.
Meta 모델 라인업에서 Ember의 역할
Ember는 Meta의 Muse 시리즈 네 번째 모델이다. 2026년 4월 출시된 중형 모델 Spark, 2026년 8월 공개된 오픈소스 쌍둥이 모델 Glimmer, 2026년 10월 선보인 최첨단 모델 Wonder의 뒤를 잇는다. Meta는 Ember가 상위 모델 Muse Wonder와 함께 작동하는 구상을 제시했다. Wonder가 정책을 정하면 Ember가 고객 지원 자동화 같은 업무에서 수만 건의 사례에 이를 적용하는 방식이다.
왜 중요한가
자동화된 고객 지원이나 데이터 추출 에이전트를 대량으로 운영하는 기업은 Ember를 통해 텍스트, 이미지, 오디오, 동영상 처리 능력을 유지하면서 반복 작업 비용을 줄일 수 있다. 작업당 비용이 낮아지면 대규모 AI 업무 흐름을 더 저렴하게 운영할 수 있지만, 코딩 성능은 여전히 일부 경쟁 모델에 뒤처진다.
