Суть релиза: Оптимизация для агентов
Лаборатория Meta Superintelligence Labs представила Muse Ember — самую компактную и эффективную модель в линейке Muse. Это мультимодальная модель рассуждений, спроектированная специально для высокочастотных подзадач AI-агентов: вызовов инструментов, маршрутизации, извлечения данных и парсинга длинных документов. В отличие от старших моделей (Wonder и Spark), Ember не предназначен для сложного планирования, а берет на себя рутинную работу в масштабе.
Ключевые характеристики и бенчмарки
Модель поддерживает контекстное окно в 1 миллион токенов и генерацию до 512K токенов (в 4 раза больше, чем у Claude Haiku 5.5 и GPT-6 Luna). На индексе интеллекта Artificial Analysis (AA) Ember набирает 36 баллов, что равноценно Haiku 5.5, но значительно превосходит GPT-6 Luna (28 баллов).
| Метрика / Модель | Muse Ember (Meta) | Claude Haiku 5.5 (Anthropic) | GPT-6 Luna (OpenAI) |
|---|---|---|---|
| Контекстное окно | 1M токенов | 1M токенов | 1.05M токенов |
| Макс. вывод | 512K токенов | 128K токенов | 128K токенов |
| AA Intelligence Index | 36 | 36 | 28 |
| AutomationBench-AA (агенты) | 37.8 | 13.9 | 20.2 |
| Terminal-Bench 4.0 (код) | 40.9 | 39.2 | 16.4 |
| FrontierCode 2.0-AA (код) | 27.2 | 34.9 | 25.2 |
| Стоимость задачи (AA, max) | $0.136 | $0.411 | $0.152 |
Почему это дешевле?
Несмотря на идентичные базовые тарифы ($0.10 за входные и $0.50 за выходные токены на миллион), Ember обходится в $0.136 за задачу против $0.411 у Haiku 5.5. Экономия достигается за счет эффективности: модель тратит меньше токенов на выполнение одной и той же задачи. Кроме того, у Ember нет наценки за длинные промпты, в то время как Haiku и Luna удорожают тарифы при превышении лимитов в 100K–272K токенов.
Ограничения и доступ
Модель обучена с использованием самой большой модели Meta — Muse Wonder Full. Она закрытая (weights are private), работает только через Meta Model API и IDE Muse Code. Слабым местом модели остается генерация слиянного кода: на бенчмарке FrontierCode 2.0-AA Ember уступает Haiku 5.5 (27.2 против 34.9). В раннем тестировании участвовали Box, Oracle, Cloudflare и You.com.
Бенчмарки
| Бенчмарк | Meta Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| AutomationBench-AA | 37.8% | 13.9% | 20.2% |
| Terminal-Bench 4.0 | 40.9% | 39.2% | 16.4% |
| FrontierCode 2.0-AA | 27.2% | 34.9% | 25.2% |
| OSWorld 2.1 | 69.5% | 68.9% | — |
| PerceptionBench | 80.6% | 78.6% | 62.8% |
| GDP.pdf-AA | 22.8% | — | 22.8% |
Жирным — лучший результат в строке. Источник цифр — официальная публикация.
Источник: MarkTechPost ↗