Metas Superintelligence Lab presenterade Muse Ember måndagen den 9 november 2026. Modellen är den minsta i Muse-familjen och är byggd för stora volymer agentbaserat arbete, som verktygsanrop, mindre kodningsuppgifter, dirigering och analys av långa dokument. Meta uppger att Ember kan läsa text, bilder, ljud och video och har ett kontextfönster på 1 048 576 tokens. Den kan generera upp till 524 288 tokens i ett svar.
Meta beskriver Ember som en arbetshäst som kompletterar större modeller som Muse Spark eller Muse Wonder. I ett agentflöde planerar och resonerar den större modellen, medan Ember utför återkommande, billiga uppgifter för tusentals objekt. Tanken är att sänka kostnaden per uppgift rejält.
Så står sig Ember mot konkurrenterna
Meta utvärderade Ember med Artificial Analysis Index, ett jämförelsetest som kombinerar tester av kodning, ekonomi och automatisering av affärsprocesser. Enligt Meta matchade Ember Anthropic’s Claude Haiku 5.5 i totalpoäng, samtidigt som kostnaden per uppgift var ungefär en tredjedel så hög. Modellen slog också OpenAI:s Luna i samma test och hade ett försprång på 17 % i AutomationBench-AA, en testsvit med 657 uppgifter i molnappar.
Prissättningen speglar fokus på låga kostnader: 10 cent per miljon inputtokens och 50 cent per miljon outputtokens. Med cache kan kostnaden för input sjunka till 0,4 cent per miljon tokens. Förfrågningar med långa kontexter och över 200 K inputtokens kostar mer, enligt dokumentationen för Model API.
Så kan Ember användas i dag
Muse Ember finns nu tillgänglig via Metas Model API och Muse Code, oavsett om användaren har en prenumeration eller betalar per användning. Modellen körs bara i Standard-läge, vilket innebär att varje förfrågan får maximal hårdvarutilldelning. Den använder samma format för förfrågningar som Muse Spark, så det räcker att ändra modellens ID i API-anropet för att byta modell.
Utvecklare kan använda Ember till avgränsade uppgifter som upprepas många gånger – till exempel att klassificera supportärenden, skapa bildtexter för stora bildsamlingar, extrahera fält ur PDF-filer eller köra terminalkommandon som del av ett större arbetsflöde.
Varför det spelar roll
För företag som hanterar stora mängder återkommande AI-uppgifter – som att dirigera kundsupportärenden eller bearbeta dokument i bulk – erbjuder Muse Ember ett billigare sätt att skala upp utan att förlora möjligheten att hantera flera medietyper. Det lägre priset per token kan minska driftskostnaderna, men benchmarkpåståendena har ännu inte verifierats oberoende av tredje part.
