← Semua artikel
Meta lancar Muse Ember, model paling kecil untuk kerja agen berulang
Berita AI

Meta lancar Muse Ember, model paling kecil untuk kerja agen berulang

Muse Ember ialah model terkecil Meta, dibina untuk panggilan alat, subtask kod dan parse dokumen pada harga $0.10 sejuta token input.

Meta Superintelligence Lab melancarkan Muse Ember pada 9 November 2026, model terkecil dan paling jimat dalam keluarga Muse. Ia dibina khas untuk kerja yang agen AI ulang sepanjang hari: panggilan alat, subtask kod, routing, extraction dan parse dokumen panjang. Model ini sudah hidup hari ini pada Meta Model API sebagai muse-ember-1.0 dan dalam semua pelan Muse Code.

Banner pelancaran rasmi Muse Ember dari Meta
Banner pelancaran rasmi Muse Ember. Gambar: Meta.

1. Apa itu Muse Ember

Muse Ember ialah model eksekusi, bukan model perancang. Meta sendiri rumuskan begitu: "Muse Wonder merancang, Muse Ember menguruskan volume." Dalam satu agen sokongan pelanggan, model besar seperti Muse Wonder tetapkan peraturan, kemudian Ember guna peraturan itu pada berpuluh ribu kes.

Model ini keempat dalam keluarga Muse. Muse Spark keluar April 2026, Muse Glimmer Ogos, Muse Wonder Oktober, dan Ember November. Meta kata Ember ialah model pertama yang dilatih menggunakan Muse Wonder Full.

2. Harga dan saiz

Harga ialah $0.10 sejuta token input dan $0.50 sejuta token output untuk prompt sehingga 200K token, menurut blog pembangun Meta. Untuk prompt lebih panjang, harga naik kepada $0.30 input dan $1.50 output. Konteks tahan 1 juta token, output sehingga 512K token.

Meta mendakwa Ember samakan skor terbaik Claude Haiku 5.5 pada kira-kira satu pertiga kos, dan kalahkan setiap tetapan GPT-6 Luna, berdasarkan data Artificial Analysis pada 9 November 2026. Kosnya sekitar $0.14 per tugasan pada senarai Artificial Analysis. TechCrunch pula laporkan Ember setanding kos dengan model open source seperti DeepSeek V4.1 Flash dan GLM 5.3 Flash. Angka ini dakwaan Meta dan liputan media, bukan penilaian bebas yang sudah disemak.

3. Multimodal tanpa model lain

Ember faham teks, imej, audio dan video secara native. Agen boleh baca screenshot, carta dan dokumen imbasan, atau dengar memo suara dan rakaman mesyuarat, tanpa model kedua. Ini penting untuk kerja agen yang campur format, contoh: baca invois bergambar dan keluarkan nombor invois, tarikh dan jumlah.

4. Prestasi dalam ujian rakan kongsi

Rakan kongsi awal Meta kongsi angka ujian mereka. You.com kata Ember siap setiap tugas kod dengan latency terendah yang mereka uji, p95 2.2 saat, kira-kira 4 hingga 13 kali lebih laju daripada model open weight terkemuka, dan guna 36 hingga 48 peratus lebih sedikit token output. Cline pula kata model ini dibina khas untuk kerja subagent seperti analisis dokumen.

Dalam contoh rasmi Meta, satu alur kerja kep 10,000 foto, namakan semula dan susun dalam album dengan jumlah kos $1.59, di mana hanya $0.50 ialah kos Muse Ember itu sendiri.

5. Keselamatan dinilai sebelum keluar

Meta kata Ember dinilai di bawah Meta Superintelligence Scaling Framework sebelum dilancarkan, merangkumi risiko kimia, biologi, siber dan kehilangan kawalan. Semua kategori kekal di bawah paras risiko tinggi. Meta juga uji tingkah laku model bila bertindak bagi pihak pengguna, termasuk rintangan terhadap arahan tersembunyi dalam halaman web dan output alat.

Apa maksudnya untuk anda

Harga model kecil kini jatuh ke paras 10 sen sejuta token, sama paras dengan Haiku 5.5 dan GPT-6 Luna. Perbezaan bukan lagi harga semata-mata, tetapi kos per tugasan sebenar.

  1. Bina agen dua tingkat. Guna model besar untuk perancang, model murah seperti Ember untuk pelaksanaan berulang. Itulah corak rasmi yang Meta tunjuk.
  2. Semak kos per tugasan, bukan kos per token. Angka $0.14 per tugasan dari Artificial Analysis lebih bermakna untuk bajet agen daripada senarai harga.
  3. Padankan kerja dengan modaliti. Kalau agen anda proses invois, screenshot atau rakaman suara, model multimodal murah boleh gantikan rantai dua model.
  4. Bandingkan sendiri. Dakwaan "satu pertiga kos" datang dari Meta. Uji pada beban kerja anda sebelum migrasi.
  5. Jejak pasukan AI anda. Untuk perbandingan alat, lihat Alat AI.

Sumber