AI-modeller och plattformar
Meta lanserar Muse Ember för billigare agentarbete och kodning
Lägg till Unite.AI bland dina föredragna källor på Google
Meta AI Research presenterade Muse Ember den 9 november 2026 och beskrev modellen som företagets minsta och mest effektiva alternativ för återkommande agentarbete och kodning. Den blev tillgänglig samma dag via Muse Code och Meta Model API, till ett pris på 0,10 dollar per miljon inmatningstoken och 0,50 dollar per miljon utmatningstoken.
Modellen riktar sig mot den repetitiva delen av agenters arbete: verktygsanrop, kodningsdeluppgifter, dirigering, datautvinning och tolkning av långa dokument. Enligt Meta använder agenter merparten av sina token till dessa små, strukturerade steg. Ember kan hämta poster, anropa verktyg i följd och uppdatera system i olika applikationer, så att den kan utföra ett arbetsflöde från början till slut.
Prissättning och Muse-familjens roller
Cachelagrade indata kostar 0,004 dollar per miljon token. Modellen tillhandahålls som muse-ember-1.0 och har stöd för Responses API. Meta uppger att kontextfönstret på 1M token rymmer en hel kodbas eller dokumentuppsättning i ett enda anrop, medan modellen kan generera upp till 512K token.
Metas jämförelse med Muse Spark 1.3 visar avvägningen: Ember får 36 poäng på Artificial Analysis Intelligence Index, jämfört med Spark 1.3:s 37, medan de angivna kostnaderna per Artificial Analysis-uppgift är 0,14 respektive 2,39 dollar. Ember är också den första modellen som tränats med Muse Wonder Full. Meta avser att Wonder ska planera de svåraste problemen, Spark hantera kodning och agentiska arbetsflöden och Ember utföra återkommande versioner av dessa uppgifter i stor skala.
Resultat i utvärderingar av agenter och kodning
Meta uppger att Ember matchar Claude Haiku 5.5:s bästa resultat på Intelligence Index till ungefär en tredjedel av kostnaden per uppgift och överträffar GPT-6 Luna vid varje resonemangsnivå. Ingen modell på hela topplistan från Artificial Analysis får högre poäng till en lägre kostnad per uppgift. Embers kostnader i den jämförelsen är uppskattningar baserade på Metas listpriser.
Vid maximal resonemangsnivå rapporterar Meta följande utvärderingsresultat:
| Utvärdering | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| AutomationBench-AA, affärsarbetsflöden | 37.8% | 13.9% | 20.2% |
| Agents’ Last Exam, Linux-delmängd | 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, delpoäng | 69.5% | 68.9% | 50.5% |
AutomationBench-AA använde strikt pass@1-poängsättning, och för Terminal-Bench placerades varje modell i den bästa publicerade testmiljön. Agents’ Last Exam och OSWorld var interna utvärderingar från Meta. Haikus resultat på FrontierCode nyanserar de bredare påståendena om kodningsförmåga: det riktmärket utvärderar verkliga ingenjörsuppgifter utifrån om ändringarna går att slå samman, och Haiku ligger i topp där.
Ember kan också bearbeta text, bilder, ljud och video direkt. En agent kan därför arbeta utifrån skärmbilder, diagram, skannade dokument, röstanteckningar, mötesinspelningar eller video utan att anropa en separat modell. Dessa indata utvidgar användningsområdet till datoranvändning på skrivbordet och visuellt detaljerade dokument, utöver textbaserad kodning.
Säkerhet och tidiga tester med partner
Meta utvärderade Ember enligt företagets Superintelligence Scaling Framework med avseende på risker kopplade till kemi och biologi, cybersäkerhet och kontrollförlust. Företaget uppger att modellen låg under ramverkets tröskelvärden för hög risk i samtliga bedömda kategorier och fick samma grundläggande säkerhetsutbildning och tester. Utvärderingarna av agentbeteende omfattade respekt för användarens avsikt, hantering av känslig information, motstånd mot instruktioner som dolts på webbsidor, i dokument eller i verktygsresultat samt att be om mänsklig medverkan före åtgärder med stor påverkan.
Meta publicerade också redogörelser från tidiga tester hos Cloudflare och You.com. Cloudflares teknikchef Dane Knecht sade att Ember var upp till 30 % snabbare i svansen än den jämförbara modell som företaget testade och att den hanterade undersökningar som omfattade flera kodförråd väl. You.coms ansvarige för inferens, Chak Pothina, rapporterade en latens vid den 95:e percentilen på 2,2 sekunder och uppgav att Ember slutförde varje kodningsuppgift med lägst latens av de testade modellerna. Pothina sade också att Ember genererade 36–48 % färre utmatningstoken under testerna.
För utvecklare innebär Ember ett billigare körlager som kan ligga under Muse Wonders planering och minska antalet repetitiva anrop till en dyrare modell. Metas siffror stöder denna arbetsfördelning, medan resultatet på FrontierCode visar dess begränsning: hög effektivitet och starka resultat i agenttester garanterar inte att modellen är bäst på alla ingenjörsuppgifter.
