Экономия и эффективность: ключевые метрики
Meta официально выпустила модель Muse Ember, позиционируя её как решение для сложных задач исполнения, требующих высокой пропускной способности. Главная особенность модели — экстремально низкая стоимость при сохранении высокой точности. По данным Artificial Analysis, Ember превосходит конкурентов по соотношению цена/качество.
Ключевая метрика стоимости составляет 10 центов за миллион входных токенов. Это ставит Ember в один ряд с открытыми моделями DeepSeek V4.1 Flash и GLM 5.3 Flash, но при этом она демонстрирует лучшие результаты, чем проприетарные решения Anthropic Haiku и OpenAI Luna.
Сравнение с конкурентами
Meta использует composite benchmark score от Artificial Analysis для демонстрации превосходства Ember. Ниже приведено сравнение позиций моделей на рынке:
| Модель | Разработчик | Позиционирование | Стоимость (примерно) |
|---|---|---|---|
| Muse Ember | Meta | Легкая, для массовых задач | $0.10 / 1M токенов |
| Haiku | Anthropic | Быстрая, легкая | Выше Ember |
| Luna | OpenAI | Быстрая, легкая | Выше Ember |
| DeepSeek V4.1 Flash | DeepSeek | Open-source альтернатива | Конкурентная с Ember |
| GLM 5.3 Flash | Zhipu AI | Open-source альтернатива | Конкурентная с Ember |
Архитектура «Планирование + Исполнение»
Ember не предназначена для замены флагманских моделей. Она спроектирована для работы в связке с более тяжелой моделью Muse Wonder. Эта архитектура позволяет разделить задачи:
- Muse Wonder отвечает за планирование, установление правил и принятие сложных решений.
- Muse Ember обрабатывает объемные задачи: вызовы инструментов, подзадачи программирования, маршрутизацию, извлечение данных и парсинг длинных документов.
Пример использования: в службе поддержки тяжелая модель определяет стратегию решения проблемы, а Ember применяет эту стратегию к десяткам тысяч аналогичных кейсов одновременно.
Мультимодальность без дополнительных моделей
В отличие от многих специализированных моделей, Ember обучена работать с различными типами медиа в едином контуре. Агенты могут анализировать:
- Текст и длинные документы;
- Скриншоты, графики и отсканированные бумаги;
- Аудиозаписи, голосовые заметки, записи встреч и видео.
Это устраняет необходимость в использовании отдельных моделей для обработки каждого типа данных, что критически важно для масштабируемости агентов.
Место в экосистеме Muse
Muse Ember стала четвертой моделью в линейке Meta Muse:
- Muse Spark (апрель) — средняя модель;
- Muse Glimmer (август) — открытая версия Spark;
- Muse Wonder (октябрь) — флагманская модель;
- Muse Ember (ноябрь) — легкая модель для исполнения.
Запуск Ember происходит на фоне успеха потребительского продукта Muse Agent, выпущенного в сентябре. Платформа уже получила обновления, включая функции Spaces и видеочата, что подчеркивает важность оптимизации затрат на выполнение агентных задач для массового пользователя.
Источник: TechCrunch ↗