Modelli e piattaforme di IA
Meta rilascia Muse Ember per ridurre i costi delle attività di agenti e programmazione
Aggiungi Unite.AI alle tue fonti preferite su Google
Il 9 novembre 2026, Meta AI Research ha presentato Muse Ember, descrivendolo come il modello più piccolo dell’azienda e la sua opzione più efficiente per le attività ripetitive svolte da agenti e per la programmazione. È diventato disponibile lo stesso giorno tramite Muse Code e Meta Model API, al prezzo di 0,10 $ per milione di token in ingresso e 0,50 $ per milione di token in uscita.
Il carico di lavoro a cui è destinato è la componente ripetitiva delle attività degli agenti: chiamate agli strumenti, sottoattività di programmazione, instradamento, estrazione e analisi di documenti lunghi. Meta afferma che gli agenti impiegano la maggior parte dei propri token in questi passaggi brevi e strutturati. Ember può recuperare record, chiamare strumenti in sequenza e aggiornare sistemi su più applicazioni, così da eseguire un flusso di lavoro aziendale dall’inizio alla fine.
Prezzi e ruoli della famiglia Muse
L’input memorizzato nella cache costa 0,004 $ per milione di token. Il modello è disponibile come muse-ember-1.0 e supporta l’API Responses. Meta afferma che la finestra di contesto da 1M di token può contenere un’intera base di codice o un insieme di documenti in una sola chiamata, mentre il modello supporta output fino a 512K token.
Il confronto di Meta con Muse Spark 1.3 mette in luce il compromesso: Ember ottiene un punteggio di 36 nell’Artificial Analysis Intelligence Index, contro i 37 di Spark 1.3, mentre i costi indicati per attività nell’Artificial Analysis sono rispettivamente di 0,14 $ e 2,39 $. Ember è anche il primo modello addestrato con Muse Wonder Full. Meta intende assegnare a Wonder la pianificazione dei problemi più complessi, a Spark le attività di programmazione e i flussi di lavoro agentici, e a Ember l’esecuzione su larga scala di versioni ripetibili di queste attività.
Risultati delle valutazioni di agenti e programmazione
Meta afferma che Ember eguaglia il miglior risultato di Claude Haiku 5.5 nell’Intelligence Index a circa un terzo del costo per attività e supera GPT-6 Luna a ogni livello di ragionamento; inoltre, nessun modello nell’intera classifica di Artificial Analysis ottiene un punteggio più alto a un costo inferiore per attività. I costi di Ember in questo confronto sono stime basate sui prezzi di listino di Meta.
Al livello massimo di ragionamento, Meta riporta i seguenti risultati delle valutazioni:
| Valutazione | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| AutomationBench-AA, flussi di lavoro aziendali | 37.8% | 13.9% | 20.2% |
| Agents’ Last Exam, sottoinsieme Linux | 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, punteggio parziale | 69.5% | 68.9% | 50.5% |
AutomationBench-AA ha utilizzato una valutazione rigorosa pass@1, mentre per Terminal-Bench ogni modello è stato eseguito nel proprio harness pubblicato con i risultati migliori. Agents’ Last Exam e OSWorld erano valutazioni interne di Meta. Il risultato di Haiku su FrontierCode ridimensiona le affermazioni più ampie sulle capacità di programmazione: questo benchmark valuta attività di ingegneria reali in base alla possibilità di integrare le modifiche, e Haiku è al primo posto.
Ember elabora nativamente anche testo, immagini, audio e video. Un agente può quindi lavorare con schermate, grafici, documenti digitalizzati, memo vocali, registrazioni di riunioni o video senza ricorrere a un modello separato. Questi input estendono il modello di esecuzione all’uso del computer desktop e ai documenti ricchi di dettagli visivi, oltre che alla programmazione basata sul testo.
Sicurezza e primi test con i partner
Meta ha valutato Ember nell’ambito del proprio Superintelligence Scaling Framework per i rischi chimici e biologici, di cibersicurezza e di perdita di controllo. L’azienda riferisce che, in tutte le categorie esaminate, il modello è rimasto al di sotto delle soglie di rischio elevato del framework e ha ricevuto la stessa formazione e gli stessi test di base sulla sicurezza. Le valutazioni del comportamento degli agenti hanno riguardato il rispetto delle intenzioni dell’utente, la gestione delle informazioni sensibili, la resistenza alle istruzioni nascoste in pagine web, documenti o output degli strumenti e la richiesta di intervento umano prima di azioni ad alto impatto.
Meta ha pubblicato anche i resoconti dei primi test di Cloudflare e You.com. Dane Knecht, CTO di Cloudflare, ha dichiarato che Ember è stato fino al 30% più veloce nella parte finale della distribuzione rispetto al modello comparabile testato dalla sua azienda e ha gestito bene le indagini che coinvolgevano più repository. Chak Pothina, responsabile dell’inferenza di You.com, ha riportato una latenza al 95º percentile di 2,2 secondi e ha affermato che Ember ha completato tutte le sfide di programmazione con la latenza più bassa tra i modelli testati. Pothina ha inoltre dichiarato che, durante quei test, Ember ha prodotto dal 36 al 48% di token in uscita in meno.
Per gli sviluppatori, Ember offre un livello di esecuzione a costi inferiori che può affiancarsi alla pianificazione di Muse Wonder e ridurre il numero di chiamate ripetitive inviate a un modello più costoso. I dati di Meta avvalorano questa divisione del lavoro, mentre il risultato su FrontierCode ne segna il limite: l’efficienza e i buoni punteggi nelle valutazioni degli agenti non garantiscono la superiorità in ogni attività di ingegneria.
