Лаборатория Superintelligence Lab компании Meta представила Muse Ember 9 ноября 2026 года. По словам компании, это её самая компактная и эффективная модель на сегодня. Она предназначена для повседневных задач ИИ-агентов — вызова инструментов, выполнения отдельных задач по программированию, маршрутизации запросов, извлечения данных и анализа длинных документов.
Muse Ember может читать и генерировать текст, изображения, аудио и видео, а также обрабатывать до одного миллиона токенов в одном запросе. Модель уже доступна через Meta Model API и Muse Code. Стоимость составляет $0.10 за миллион входных токенов и $0.50 за миллион выходных; по тесту Artificial Analysis это примерно $0.14 за задачу.
Как модель сравнивается с конкурентами
В собственном индексе Artificial Analysis Intelligence Index компании Meta модель Ember набирает 36 баллов при стоимости $0.14 за задачу. Это значительно дешевле, чем более крупная Muse Spark 1.3: она набирает почти столько же — 37 баллов, — но стоит $2.39 за задачу. Meta утверждает, что по соотношению стоимости и интеллектуальных возможностей Ember превосходит Claude Haiku 5.5 от Anthropic и GPT-6 Luna от OpenAI в большинстве тестов компании. Однако в тесте на программирование FrontierCode 2.0-AA результат Haiku составляет 34.9 процента, а Ember — 27.2 процента, сообщает компания.
Как отмечает TechCrunch, цена Ember за миллион входных токенов сопоставима с ценами на модели с открытым исходным кодом, такие как DeepSeek V4.1 Flash и GLM 5.3 Flash. Это делает её конкурентоспособной при масштабном использовании.
Место Ember в линейке моделей Meta
Ember — четвёртая модель в серии Muse от Meta. До неё вышли модель среднего размера Spark (апрель 2026 года), её аналог с открытым исходным кодом Glimmer (август 2026 года) и передовая модель Wonder (октябрь 2026 года). Meta предполагает использовать Ember вместе с более крупной Muse Wonder: тяжёлая модель задаёт правила, а Ember применяет их в десятках тысяч случаев — например, при автоматизации поддержки клиентов.
Почему это важно
Для компаний, которые запускают множество автоматизированных агентов для поддержки клиентов или извлечения данных, Ember предлагает более дешёвый способ выполнять повторяющиеся операции и при этом работать с текстом, изображениями, аудио и видео. Низкая стоимость задачи может сделать масштабные ИИ-процессы доступнее, хотя в программировании модель пока уступает некоторым конкурентам.
