Новый стандарт эффективности для агентов
Meta официально представила Muse Ember, свою самую компактную и эффективную модель, спроектированную специально для сложных задач ИИ-агентов. В отличие от универсальных больших моделей, Muse Ember оптимизирована для рутинных, но критичных операций: вызовов инструментов (tool calls), выполнения подзадач по коду, маршрутизации запросов, извлечения данных и парсинга длинных документов.
Ключевое преимущество модели — соотношение «интеллект за доллар». Согласно данным Artificial Analysis, Muse Ember обеспечивает больше интеллекта на каждый потраченный доллар, чем Claude Haiku 5.5 или GPT-6 Luna при любых настройках рассуждения. Модель достигает лучших показателей Haiku примерно за треть стоимости и превосходит все настройки GPT-6 Luna.
Сравнение с конкурентами: цифры и бенчмарки
Meta опубликовала детальные результаты тестирования, где Muse Ember демонстрирует лидерство в агентных сценариях. Ниже приведено сравнение ключевых метрик на максимальном уровне рассуждений (max reasoning effort) по данным Artificial Analysis и внутренним тестам Meta.
| Бенчмарк / Задача | Muse Ember (max) | Claude Haiku 5.5 (max) | GPT-6 Luna (max) |
|---|---|---|---|
| AutomationBench-AA (E2E бизнес-процессы) | 37.8% | 20.2% | 13.9% |
| Agents' Last Exam (конечные задачи агентов) | 61.6% | 57.0% | 57.1% |
| Personal Superintelligence Index (знания и работа) | 46.8% | 36.1% | 37.0% |
| Terminal-Bench 4.0 (агентный кодинг) | 40.9% | 39.2% | 16.4% |
| OSWorld 2.1 (управление десктопом, partial) | 69.5% | 33.8% | 68.9% |
| Artificial Analysis Index (общий) | 36 | 36 | 28 |
Особое внимание стоит уделить задаче AutomationBench-AA, где Muse Ember превзошла ближайших конкурентов более чем в два раза. В задачах управления операционной системой (OSWorld) модель также показала значительный отрыв по частичному выполнению (partial score), что критично для автономных агентов.
Экономика и технические характеристики
Модель доступна через Meta Model API по следующим тарифам:
- Входные токены: $0.10 за 1 млн токенов.
- Выходные токены: $0.50 за 1 млн токенов.
Технически Muse Ember поддерживает контекстное окно в 1 миллион токенов и может генерировать до 512 тысяч выходных токенов за один вызов. Это позволяет загружать в модель целые кодовые базы или наборы документов единым запросом, что снижает накладные расходы на многократные итерации.
Реальные кейсы от партнеров
Ранние тесты с партнерами, такими как Box, Oracle, Cloudflare и You.com, подтверждают заявленные преимущества. Например, в You.com отмечено, что Muse Ember завершает все кодовые задачи с задержкой p95 всего 2.2 секунды — это в 4–13 раз быстрее, чем у ведущих open-weight моделей, при использовании на 36–48% меньше выходных токенов. Oracle отметил скорость работы на хвосте распределения (до 30% быстрее аналогов), а Box подчеркнул способность модели построчно оценивать контракты на соответствие переговорным playbook.
Почему это важно
Запуск Muse Ember сигнализирует о сдвиге в индустрии: фокус смещается с «больших и умных» моделей на «эффективных и специализированных» для агентов. Поскольку ИИ-агенты тратят большую часть токенов на множество мелких структурированных шагов, модель, оптимизированная именно под этот паттерн, позволяет бизнесу масштабировать автоматизацию без экспоненциального роста затрат на inference.
Бенчмарки
| Бенчмарк | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| AutomationBench-AA | 37.8% | 13.9% | 20.2% |
| Agents' Last Exam | 61.6% | 57% | 57.1% |
| Personal Superintelligence Index | 46.8% | 36.1% | 37% |
| Terminal-Bench 4.0 | 40.9% | 39.2% | 16.4% |
| Coding Agent Index-AA | 46% | 37% | 31% |
| FrontierCode 2.0-AA | 27.2% | 34.9% | 25.2% |
Жирным — лучший результат в строке. Источник цифр — официальная публикация.
Источник: Meta ↗