एआई मॉडल और प्लेटफ़ॉर्म
Meta ने कम लागत वाले एजेंट और कोडिंग कार्यों के लिए Muse Ember जारी किया
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
Meta AI Research ने 9 नवंबर, 2026 को Muse Ember पेश किया। कंपनी ने इसे अपना सबसे छोटा मॉडल और बार-बार किए जाने वाले एजेंट व कोडिंग कार्यों के लिए सबसे अधिक दक्ष विकल्प बताया। यह उसी दिन Muse Code और Meta Model API के ज़रिए उपलब्ध हो गया। इसकी कीमत प्रति 10 लाख इनपुट टोकन 0.10 डॉलर और प्रति 10 लाख आउटपुट टोकन 0.50 डॉलर है।
यह मॉडल एजेंट गतिविधियों के बार-बार दोहराए जाने वाले हिस्से के लिए बनाया गया है: टूल कॉल, कोडिंग के छोटे कार्य, रूटिंग, डेटा निकालना और लंबे दस्तावेज़ों का विश्लेषण। Meta का कहना है कि एजेंट अपने अधिकांश टोकन इन्हीं छोटे, सुव्यवस्थित चरणों पर खर्च करते हैं। Ember रिकॉर्ड प्राप्त कर सकता है, क्रम से टूल इस्तेमाल कर सकता है और अलग-अलग ऐप्लिकेशन में सिस्टम अपडेट कर सकता है। इससे वह किसी व्यावसायिक वर्कफ़्लो को शुरू से अंत तक पूरा कर सकता है।
कीमत और Muse परिवार में मॉडलों की भूमिकाएँ
कैश किए गए इनपुट की कीमत प्रति 10 लाख टोकन 0.004 डॉलर है। मॉडल को इस रूप में उपलब्ध कराया जाता है muse-ember-1.0 और यह Responses API को सपोर्ट करता है। Meta के अनुसार, इसकी 1 मिलियन टोकन की कॉन्टेक्स्ट विंडो में एक ही कॉल में पूरा कोडबेस या दस्तावेज़ों का पूरा संग्रह समा सकता है। यह मॉडल अधिकतम 512K टोकन के आउटपुट भी दे सकता है।
Meta की Muse Spark 1.3 से तुलना इस समझौते को सामने रखती है: Artificial Analysis Intelligence Index पर Ember का स्कोर 36 है, जबकि Spark 1.3 का 37 है। वहीं, Artificial Analysis के प्रति टास्क की सूचीबद्ध लागत क्रमशः 0.14 डॉलर और 2.39 डॉलर है। Muse Wonder Full का इस्तेमाल करके प्रशिक्षित किया गया पहला मॉडल भी Ember ही है। Meta के मुताबिक, Wonder सबसे कठिन समस्याओं की योजना बनाने, Spark कोडिंग और एजेंट-आधारित वर्कफ़्लो संभालने, और Ember उन्हीं कार्यों के बार-बार किए जा सकने वाले रूपों को बड़े पैमाने पर पूरा करने के लिए है।
एजेंट और कोडिंग के मूल्यांकन के नतीजे
Meta का कहना है कि Intelligence Index पर Ember का सर्वश्रेष्ठ नतीजा Claude Haiku 5.5 के बराबर है, जबकि प्रति टास्क इसकी लागत लगभग एक-तिहाई है। यह हर रीजनिंग सेटिंग में GPT-6 Luna से बेहतर प्रदर्शन करता है। Artificial Analysis की पूरी लीडरबोर्ड में कोई भी मॉडल प्रति टास्क इससे कम लागत पर इससे ऊँचा स्कोर नहीं करता। इस तुलना में Ember की लागत Meta की सूचीबद्ध कीमतों के आधार पर लगाए गए अनुमान हैं।
अधिकतम रीजनिंग सेटिंग पर Meta के मुताबिक, मूल्यांकन के नतीजे इस प्रकार हैं:
| मूल्यांकन | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| AutomationBench-AA, व्यावसायिक वर्कफ़्लो | 37.8% | 13.9% | 20.2% |
| Agents’ Last Exam, Linux का उपसमुच्चय | 61.6% | 57.0% | 57.1% |
| 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% |
| OSWorld 2.1, आंशिक अंक | 69.5% | 68.9% | 50.5% |
AutomationBench-AA में सख्त pass@1 स्कोरिंग का इस्तेमाल किया गया, जबकि Terminal-Bench में हर मॉडल को उसके लिए प्रकाशित सर्वश्रेष्ठ हार्नेस पर परखा गया। Agents’ Last Exam और OSWorld का मूल्यांकन Meta ने आंतरिक रूप से किया था। Haiku का FrontierCode नतीजा, कोडिंग में व्यापक बढ़त के दावे को सीमित करता है: यह बेंचमार्क मर्ज किए जा सकने की क्षमता के आधार पर वास्तविक इंजीनियरिंग कार्यों का मूल्यांकन करता है और इसमें Haiku सबसे आगे है।
Ember टेक्स्ट, इमेज, ऑडियो और वीडियो को भी सीधे प्रोसेस करता है। इसलिए एजेंट अलग मॉडल का इस्तेमाल किए बिना स्क्रीनशॉट, चार्ट, स्कैन किए गए दस्तावेज़, वॉइस मेमो, मीटिंग की रिकॉर्डिंग या वीडियो के आधार पर काम कर सकता है। इन इनपुट के कारण यह कार्य-प्रणाली टेक्स्ट-आधारित कोडिंग के साथ-साथ डेस्कटॉप कंप्यूटर के इस्तेमाल और ऐसे दस्तावेज़ों पर भी लागू होती है जिनमें दृश्य जानकारी बारीकी से दी गई हो।
सुरक्षा और शुरुआती साझेदार परीक्षण
Meta ने अपने Superintelligence Scaling Framework के तहत रासायनिक और जैविक जोखिमों, साइबर सुरक्षा जोखिमों और नियंत्रण खोने के जोखिमों के लिए Ember का मूल्यांकन किया। कंपनी के मुताबिक, जिन श्रेणियों का आकलन किया गया, उनमें मॉडल का प्रदर्शन Framework की उच्च-जोखिम सीमाओं से नीचे रहा और उसे वही बुनियादी सुरक्षा प्रशिक्षण और परीक्षण दिए गए। एजेंट के व्यवहार के मूल्यांकन में उपयोगकर्ता की मंशा का सम्मान करना, संवेदनशील जानकारी को संभालना, वेब पेजों, दस्तावेज़ों या टूल के आउटपुट में छिपे निर्देशों का विरोध करना और बड़े प्रभाव वाले कदम उठाने से पहले इंसानी इनपुट माँगना शामिल था।
Meta ने Cloudflare और You.com के शुरुआती परीक्षणों के अनुभव भी प्रकाशित किए। Cloudflare के CTO Dane Knecht ने कहा कि उनकी कंपनी द्वारा परखे गए तुलनीय मॉडल की तुलना में Ember टेल पर 30% तक तेज़ चला और कई रिपॉज़िटरी में फैली जाँच-पड़ताल को अच्छी तरह संभाला। You.com में इन्फ़रेंस प्रमुख Chak Pothina ने बताया कि 95वें पर्सेंटाइल पर लेटेंसी 2.2 सेकंड थी और Ember ने परखे गए मॉडलों में सबसे कम लेटेंसी पर कोडिंग के सभी क्वेस्ट पूरे किए। Pothina ने यह भी कहा कि उन परीक्षणों के दौरान Ember ने आउटपुट टोकन 36–48% कम दिए।
डेवलपर के लिए Ember कम लागत वाली एक निष्पादन परत तैयार करता है, जिसे Muse Wonder की योजना बनाने की क्षमता के नीचे रखा जा सकता है। इससे अधिक महँगे मॉडल को भेजे जाने वाले बार-बार के कॉल की संख्या घट सकती है। Meta के आँकड़े काम के इस बँटवारे का समर्थन करते हैं, लेकिन FrontierCode का नतीजा इसकी सीमा दिखाता है: दक्षता और एजेंट संबंधी मूल्यांकन में अच्छे स्कोर से हर इंजीनियरिंग कार्य में बेहतर प्रदर्शन की गारंटी नहीं मिलती।
