Meta’s Superintelligence Lab kondigde Muse Ember aan op maandag 9 november 2026. Het model is het kleinste in de Muse-familie en is gemaakt voor agenttaken op grote schaal, zoals toolaanroepen, programmeertaken, routering en het verwerken van lange documenten. Volgens Meta kan Ember tekst, afbeeldingen, audio en video lezen. Het heeft een contextvenster van 1,048,576 tokens en kan antwoorden genereren van maximaal 524,288 tokens.
Meta positioneert Ember als het werkpaard naast grotere modellen zoals Muse Spark of Muse Wonder. In een agentworkflow plant en redeneert het grotere model, terwijl Ember terugkerende, goedkope taken uitvoert voor duizenden items. Dit ontwerp moet de kosten per taak flink verlagen.
Hoe Ember zich verhoudt tot concurrenten
Meta testte Ember met de Artificial Analysis Index, een benchmark met tests voor programmeren, financiën en bedrijfsautomatisering. Volgens Meta behaalde Ember dezelfde totaalscore als Anthropic’s Claude Haiku 5.5, terwijl het per taak ongeveer een derde kostte. Ook presteerde het beter dan OpenAI’s Luna-model op dezelfde benchmark en liep het 17 % voor op de AutomationBench‑AA-suite met 657 taken in cloudapps.
De prijzen weerspiegelen de focus op lage kosten: 10 cent per miljoen invoertokens en 50 cent per miljoen uitvoertokens. Met caching kunnen de invoerkosten dalen tot 0.4 cent per miljoen tokens. Voor verzoeken met een lange context van meer dan 200 K invoertokens gelden hogere tarieven, zoals vermeld in de documentatie van de Model API.
Waar Ember nu voor beschikbaar is
Muse Ember is nu beschikbaar via Meta’s Model API en in Muse Code, bij elk pay-as-you-go- of abonnementsplan. Het model werkt alleen in de Standard-modus. Dat betekent dat gebruikers per verzoek de maximale hardwaretoewijzing krijgen. Het model accepteert hetzelfde verzoekformaat als Muse Spark, dus overstappen komt neer op een eenvoudige wijziging van de ID in de API-aanroep.
Ontwikkelaars kunnen Ember inzetten voor afgebakende taken die vaak terugkomen, zoals supporttickets classificeren, grote verzamelingen afbeeldingen van bijschriften voorzien, gegevens uit pdf’s halen of terminalopdrachten uitvoeren binnen een grotere workflow.
Waarom het ertoe doet
Voor bedrijven die grote aantallen terugkerende AI-taken uitvoeren, zoals supporttickets routeren of documenten in bulk verwerken, biedt Muse Ember een goedkopere manier om op te schalen zonder de mogelijkheid te verliezen om verschillende soorten media te verwerken. De lagere prijs per token kan de bedrijfskosten drukken, al is onafhankelijke validatie van de benchmarkclaims nog niet beschikbaar.
