En poäng i skillnad, sjutton gånger i pris

Meta släppte Muse Ember den 9 november och kallar den sin minsta och mest effektiva modell, byggd för “det arbete agenter upprepar hela dagen: verktygsanrop, kodningsdeluppgifter, routing, extraktion och tolkning av långa dokument”. Jämförelsen företaget inleder med gäller inte en konkurrent utan det egna huset. I sitt tillkännagivande placerar Meta Muse Ember på 36 poäng i Artificial Analysis Intelligence Index mot 37 för företagets egen Muse Spark 1.3 — och på omkring 0,14 dollar per uppgift mot 2,39.

Det är ungefär sjutton gånger kostnaden för en indexpoäng. Tokenpriserna bakom siffran är 0,10 dollar per miljon indatatoken och 0,50 per miljon utdatatoken för Muse Ember, mot 1,25 och 4,25 för Muse Spark 1.3. Cachad indata kostar 0,004 dollar per miljon. Prompter över 200 000 token debiteras annorlunda: 0,30 dollar indata, 0,012 cachad indata och 1,50 utdata per miljon.

Bultar och muttrar av stål på ett mörkt underlag
Meta anger omkring 0,14 dollar per Artificial Analysis-uppgift mot 2,39 för Muse Spark 1.3. Győző Mórocz · pexels · Pexels License

Varifrån siffrorna kommer

Indexsiffran är oberoende: Artificial Analysis publicerade version 5 av sitt Intelligence Index den 9 november, och jämförelsen av kostnad per uppgift bygger på varje modells listpris. På det indexet delar Muse Ember 36 poäng med Claude Haiku 5.5, med GPT-6 Luna på 28. Metas eget diagram över intelligens mot kostnad per uppgift, hämtat ur samma källa, visar Muse Ember på 35,8 för 0,136 dollar per uppgift vid maximalt resonemang, medan Haiku 5.5 når 36,2 för 0,411.

Riktmärkestabellen är blandad. Poäng med suffixet “-AA” kommer från Artificial Analysis: Muse Ember tar AutomationBench-AA med 37,8 procent mot Haiku 5.5:s 13,9 och GPT-6 Lunas 20,2, och Coding Agent Index-AA med 46 mot 37 och 31 — men förlorar FrontierCode 2.0-AA, där Haiku 5.5 får 34,9 procent mot Muse Embers 27,2. Agents’ Last Exam (61,6 procent), Personal Superintelligence Index (46,8) och PerceptionBench (80,6) är märkta som Metas interna utvärderingar. På Terminal-Bench 4.0 uppger Meta 40,9 procent mot 39,2 för Haiku 5.5 och 16,4 för GPT-6 Luna, där varje modell körts i sin bäst publicerade sele — mini-swe-agent, Claude Code respektive Codex — en rimlig metod som också gör siffrorna svårare att jämföra rakt av.

Byggd ur den stora modellen

Muse Ember är den första modell Meta tränat med Muse Wonder Full, frontlinjemodellen företaget presenterade i oktober, och bolaget beskriver den som ett infriat löfte därifrån: att använda de stora modellerna för att ta fram specialiserade som kan läggas överallt. Uppsättningen som beskrivs nu är Muse Wonder för de svåraste problemen, Muse Spark för kodning och agentiska arbetsflöden och Muse Ember för upprepbart arbete i skala.

En gång mellan serverrack i ett datacenter
Modellen listas i Meta Model API, på Google Cloud och på Oracle Cloud. Brett Sayles · pexels · Pexels License

Kontextfönstret är en miljon token med upp till 512 000 utdatatoken, tillräckligt, enligt Meta, för att ta in en hel kodbas eller dokumentsamling i ett anrop. Modellen finns i Muse Code och i Meta Model API som muse-ember-1.0, stöder Responses API och listas på Google Cloud och Oracle Cloud vid sidan av Muse Spark och Muse Wonder.

Säkerhet, och partnernas siffror

Meta uppger att man utvärderade Muse Ember under sitt Meta Superintelligence Scaling Framework för kemiska och biologiska risker, cybersäkerhet och förlorad kontroll, och att modellen i alla bedömda kategorier höll sig under ramverkets trösklar för hög risk. Företaget säger sig också ha testat hur modellen beter sig när den agerar för en användares räkning, däribland om den står emot instruktioner gömda i webbsidor, dokument eller verktygsutdata. Inga poäng för något av detta publiceras.

Siffrorna från tidiga partner är deras egna. Cloudflares teknikchef Dane Knecht sa att Muse Ember “gick upp till 30 procent snabbare i svansen än den jämförbara modell vi testade”. You.coms inferensansvarige Chak Pothina rapporterade en p95-latens på 2,2 sekunder, “ungefär 4 till 13 gånger snabbare än ledande modeller med öppna vikter, och med 36–48 procent färre utdatatoken”. Ingen av uppgifterna namnger modellerna som jämförelsen gjordes mot.

Det som avgör är om indexplaceringen håller när Artificial Analysis kör om version 5 i andra selar. En delad placering med Haiku 5.5 till en tredjedel av kostnaden är hela argumentet för modellen, och det vilar på en siffra från en enda topplista publicerad på lanseringsdagen.