Meta’s Superintelligence Lab kondigde Muse Ember op 9 november 2026 aan. Volgens het bedrijf is dit zijn kleinste en efficiëntste model tot nu toe. Het is gemaakt voor routinematig werk dat AI-agenten de hele dag uitvoeren: tools aanroepen, deeltaken rond programmeren afhandelen, verzoeken doorsturen, gegevens ophalen en lange documenten analyseren.
Muse Ember kan tekst, afbeeldingen, audio en video lezen en genereren, en kan tot één miljoen tokens in één prompt verwerken. Meta stelt het model vanaf nu beschikbaar via de Meta Model API en Muse Code. De prijs bedraagt $0.10 per miljoen invoertokens en $0.50 per miljoen uitvoertokens. In de benchmark van Artificial Analysis komt dat neer op ongeveer $0.14 per taak.
Hoe het model zich verhoudt tot concurrenten
In Meta’s eigen Artificial Analysis Intelligence Index scoort Ember 36 en kost het $0.14 per taak. Dat is veel goedkoper dan het grotere Muse Spark 1.3, dat $2.39 kost voor een vrijwel identieke score van 37. Volgens Meta presteert Ember in de meeste tests beter dan Claude Haiku 5.5 van Anthropic en GPT-6 Luna van OpenAI als je de kosten afzet tegen de intelligentie. Op de programmeerbenchmark FrontierCode 2.0-AA scoort Haiku echter 34.9 procent, tegenover 27.2 procent voor Ember, aldus het bedrijf.
TechCrunch merkt op dat de prijs per miljoen invoertokens van Ember vergelijkbaar is met die van open-sourcemodellen als DeepSeek V4.1 Flash en GLM 5.3 Flash, waardoor het model ook op grote schaal kan concurreren.
Waar Ember past in Meta’s modellenaanbod
Ember is het vierde model in Meta’s Muse-serie. Het volgt op het middelzware Spark (april 2026), de open-sourcevariant Glimmer (augustus 2026) en het geavanceerde Wonder-model (oktober 2026). Meta ziet Ember samenwerken met het grotere Muse Wonder: het krachtige model bepaalt het beleid, terwijl Ember dat toepast op tienduizenden gevallen, bijvoorbeeld bij de automatisering van klantenservice.
Waarom het ertoe doet
Voor bedrijven die grote aantallen geautomatiseerde klantenservice- of data-extractieagenten inzetten, biedt Ember een goedkopere manier om die routinetaken uit te voeren. Het model kan daarbij nog steeds met tekst, afbeeldingen, audio en video werken. De lagere kosten per taak kunnen AI-workflows op grote schaal betaalbaarder maken, al blijft Ember op het gebied van programmeren achter bij sommige concurrenten.
