Et point i forskel, sytten gange i pris
Meta udgav Muse Ember den 9. november og kalder den sin mindste og mest effektive model, bygget til “det arbejde, agenter gentager hele dagen: værktøjskald, kodedelopgaver, routing, udtræk og læsning af lange dokumenter”. Den sammenligning, selskabet åbner med, gælder ikke en konkurrent, men eget hus. I meddelelsen placerer Meta Muse Ember på 36 point i Artificial Analysis Intelligence Index mod 37 for selskabets egen Muse Spark 1.3 — og på omkring 0,14 dollar per opgave mod 2,39.
Det er cirka sytten gange omkostningen for ét indekspoint. Tokenpriserne bag tallet er 0,10 dollar per million inputtokens og 0,50 per million outputtokens for Muse Ember, mod 1,25 og 4,25 for Muse Spark 1.3. Cachet input koster 0,004 dollar per million. Prompter over 200.000 tokens afregnes anderledes: 0,30 dollar input, 0,012 cachet input og 1,50 output per million.

Hvor tallene kommer fra
Indekstallet er uafhængigt: Artificial Analysis offentliggjorde version 5 af sit Intelligence Index den 9. november, og sammenligningen af omkostning per opgave bygger på hver models listepris. På det indeks deler Muse Ember 36 point med Claude Haiku 5.5, mens GPT-6 Luna ligger på 28. Metas eget diagram over intelligens mod omkostning per opgave, hentet fra samme kilde, viser Muse Ember på 35,8 for 0,136 dollar per opgave ved maksimal ræsonnering, mens Haiku 5.5 når 36,2 for 0,411.
Benchmarktabellen er blandet. Point med endelsen “-AA” kommer fra Artificial Analysis: Muse Ember tager AutomationBench-AA med 37,8 procent mod Haiku 5.5’s 13,9 og GPT-6 Lunas 20,2, og Coding Agent Index-AA med 46 mod 37 og 31 — men taber FrontierCode 2.0-AA, hvor Haiku 5.5 får 34,9 procent mod Muse Embers 27,2. Agents’ Last Exam (61,6 procent), Personal Superintelligence Index (46,8) og PerceptionBench (80,6) er mærket som Metas interne evalueringer. På Terminal-Bench 4.0 oplyser Meta 40,9 procent mod 39,2 for Haiku 5.5 og 16,4 for GPT-6 Luna, med hver model kørt i sit bedst offentliggjorte seletøj — henholdsvis mini-swe-agent, Claude Code og Codex — en redelig metode, der også gør tallene sværere at sammenligne direkte.
Bygget ud af den store model
Muse Ember er den første model, Meta har trænet med Muse Wonder Full, den frontmodel selskabet præsenterede i oktober, og selskabet beskriver den som et indfriet løfte derfra: at bruge de store modeller til at lave specialiserede, der kunne lægges alle vegne. Opstillingen, der beskrives nu, er Muse Wonder til de sværeste problemer, Muse Spark til kodning og agentiske arbejdsgange, og Muse Ember til gentageligt arbejde i skala.

Kontekstvinduet er én million tokens med op til 512.000 outputtokens, nok, ifølge Meta, til at tage en hel kodebase eller dokumentsamling ind i ét kald. Modellen findes i Muse Code og i Meta Model API som muse-ember-1.0, understøtter Responses API og er opført på Google Cloud og Oracle Cloud ved siden af Muse Spark og Muse Wonder.
Sikkerhed, og partnernes tal
Meta oplyser, at selskabet evaluerede Muse Ember under sit Meta Superintelligence Scaling Framework for kemiske og biologiske risici, cybersikkerhed og tab af kontrol, og at modellen i alle vurderede kategorier holdt sig under rammeværkets tærskler for høj risiko. Selskabet siger også, at det testede, hvordan modellen opfører sig, når den handler på en brugers vegne, herunder om den modstår instruktioner skjult i websider, dokumenter eller værktøjsoutput. Der offentliggøres ingen tal for det.
Tallene fra tidlige partnere er deres egne. Cloudflares teknologidirektør Dane Knecht sagde, at Muse Ember “kørte op til 30 procent hurtigere i halen end den sammenlignelige model, vi testede”. You.coms inferensansvarlige Chak Pothina rapporterede en p95-latens på 2,2 sekunder, “omkring 4 til 13 gange hurtigere end førende modeller med åbne vægte, og med 36-48 procent færre outputtokens”. Ingen af påstandene nævner de modeller, der sammenlignes med.
Det afgørende er, om indeksplaceringen holder, når Artificial Analysis kører version 5 igen i andre seletøjer. Uafgjort med Haiku 5.5 til en tredjedel af omkostningen er hele argumentet for modellen, og det hviler på ét tal fra én liste offentliggjort på lanceringsdagen.