โมเดลและแพลตฟอร์ม AI
Meta เปิดตัว Muse Ember สำหรับงานเอเจนต์และการเขียนโค้ดที่มีต้นทุนต่ำลง
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
Meta AI Research เปิดตัว Muse Ember เมื่อวันที่ 9 พฤศจิกายน 2026 โดยระบุว่าเป็นโมเดลขนาดเล็กที่สุดของบริษัทและเป็นตัวเลือกที่มีประสิทธิภาพสูงสุดสำหรับงานเอเจนต์และการเขียนโค้ดที่ต้องทำซ้ำ ๆ โมเดลนี้เปิดให้ใช้งานในวันเดียวกันผ่าน Muse Code และ Meta Model API โดยคิดค่าบริการ 0.10 ดอลลาร์ต่อโทเค็นขาเข้า 1 ล้านโทเค็น และ 0.50 ดอลลาร์ต่อโทเค็นขาออก 1 ล้านโทเค็น
โมเดลนี้มุ่งรองรับงานเอเจนต์ส่วนที่ต้องทำซ้ำ ๆ ได้แก่ การเรียกใช้เครื่องมือ งานย่อยด้านการเขียนโค้ด การกำหนดเส้นทาง การดึงข้อมูล และการแยกวิเคราะห์เอกสารขนาดยาว Meta ระบุว่าเอเจนต์ใช้โทเค็นส่วนใหญ่ไปกับขั้นตอนย่อยที่มีโครงสร้างเหล่านี้ Ember สามารถดึงข้อมูลระเบียน เรียกใช้เครื่องมือตามลำดับ และอัปเดตระบบต่าง ๆ ข้ามแอปพลิเคชันได้ จึงดำเนินเวิร์กโฟลว์ทางธุรกิจได้ตั้งแต่ต้นจนจบ
ราคาและบทบาทของโมเดลในตระกูล Muse
ค่าใช้จ่ายสำหรับโทเค็นขาเข้าที่แคชไว้คือ 0.004 ดอลลาร์ต่อ 1 ล้านโทเค็น โมเดลนี้เปิดให้ใช้งานในรูปแบบ muse-ember-1.0 และรองรับ Responses API Meta ระบุว่าหน้าต่างบริบทขนาด 1 ล้านโทเค็นรองรับโค้ดเบสหรือชุดเอกสารทั้งชุดได้ภายในการเรียกใช้ครั้งเดียว ขณะที่โมเดลรองรับการสร้างผลลัพธ์ได้สูงสุด 512,000 โทเค็น
การเปรียบเทียบของ Meta กับ Muse Spark 1.3 แสดงให้เห็นถึงข้อแลกเปลี่ยนระหว่างประสิทธิภาพกับต้นทุน โดย Ember ได้คะแนน 36 ใน Artificial Analysis Intelligence Index เทียบกับ Spark 1.3 ที่ได้ 37 ขณะที่ค่าใช้จ่ายต่อภารกิจตามรายการของ Artificial Analysis อยู่ที่ 0.14 ดอลลาร์และ 2.39 ดอลลาร์ตามลำดับ Ember ยังเป็นโมเดลแรกที่ฝึกด้วย Muse Wonder Full ด้วย Meta ตั้งใจแบ่งบทบาทให้ Wonder วางแผนแก้ปัญหาที่ยากที่สุด ให้ Spark จัดการงานเขียนโค้ดและเวิร์กโฟลว์แบบเอเจนต์ และให้ Ember ทำงานลักษณะดังกล่าวที่ทำซ้ำได้ในวงกว้าง
ผลการประเมินงานเอเจนต์และการเขียนโค้ด
Meta ระบุว่า Ember ทำคะแนนผลลัพธ์ที่ดีที่สุดของ Claude Haiku 5.5 ใน Intelligence Index ได้ใกล้เคียงกัน โดยมีค่าใช้จ่ายต่อภารกิจประมาณหนึ่งในสาม และทำคะแนนเหนือ GPT-6 Luna ในทุกระดับการให้เหตุผล อีกทั้งไม่มีโมเดลใดบนตารางจัดอันดับ Artificial Analysis ฉบับเต็มที่ทำคะแนนได้สูงกว่าและมีค่าใช้จ่ายต่อภารกิจต่ำกว่า ค่าใช้จ่ายของ Ember ในการเปรียบเทียบนี้เป็นการประมาณตามราคาที่ Meta ประกาศ
Meta รายงานผลการประเมินต่อไปนี้เมื่อใช้การให้เหตุผลระดับสูงสุด:
| การประเมิน | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| AutomationBench-AA, เวิร์กโฟลว์ทางธุรกิจ | 37.8% | 13.9% | 20.2% |
| Agents’ Last Exam, ชุดย่อย 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, คะแนนบางส่วน | 69.5% | 68.9% | 50.5% |
AutomationBench-AA ใช้เกณฑ์ให้คะแนน pass@1 ที่เข้มงวด และ Terminal-Bench ทดสอบแต่ละโมเดลด้วยชุดเครื่องมือทดสอบที่เผยแพร่ซึ่งเหมาะสมที่สุด Agents’ Last Exam และ OSWorld เป็นการประเมินภายในของ Meta ผลของ Haiku ใน FrontierCode ช่วยให้เห็นขอบเขตของข้อกล่าวอ้างที่กว้างกว่าเกี่ยวกับความสามารถด้านการเขียนโค้ด กล่าวคือ เกณฑ์ดังกล่าวประเมินงานวิศวกรรมจริงจากความสามารถในการรวมโค้ดเข้ากับโครงการ และ Haiku ทำคะแนนนำในเกณฑ์นี้
Ember ยังประมวลผลข้อความ รูปภาพ เสียง และวิดีโอได้โดยตรงด้วย เอเจนต์จึงทำงานจากภาพหน้าจอ แผนภูมิ เอกสารสแกน บันทึกเสียง การบันทึกการประชุม หรือวิดีโอได้โดยไม่ต้องเรียกใช้โมเดลแยกต่างหาก อินพุตเหล่านี้ช่วยขยายรูปแบบการทำงานให้ครอบคลุมการใช้งานคอมพิวเตอร์เดสก์ท็อปและเอกสารที่มีรายละเอียดด้านภาพ ควบคู่ไปกับการเขียนโค้ดจากข้อความ
ความปลอดภัยและการทดสอบช่วงแรกกับพันธมิตร
Meta ประเมิน Ember ภายใต้ Superintelligence Scaling Framework ในด้านความเสี่ยงทางเคมีและชีวภาพ ความมั่นคงปลอดภัยทางไซเบอร์ และการสูญเสียการควบคุม บริษัทระบุว่าโมเดลมีผลต่ำกว่าเกณฑ์ความเสี่ยงสูงของกรอบการประเมินในทุกหมวดที่ตรวจสอบ และได้รับการฝึกและทดสอบด้านความปลอดภัยหลักเช่นเดียวกัน การประเมินพฤติกรรมของเอเจนต์ครอบคลุมการเคารพเจตนาของผู้ใช้ การจัดการข้อมูลที่ละเอียดอ่อน การต้านทานคำสั่งที่ซ่อนอยู่ในหน้าเว็บ เอกสาร หรือผลลัพธ์จากเครื่องมือ และการขอความเห็นจากมนุษย์ก่อนดำเนินการที่มีผลกระทบสูง
Meta ยังเผยแพร่รายงานจากการทดสอบระยะแรกของ Cloudflare และ You.com ด้วย Dane Knecht ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ Cloudflare กล่าวว่า Ember ทำงานได้เร็วขึ้นสูงสุด 30% ในช่วงท้ายเมื่อเทียบกับโมเดลที่ใกล้เคียงกันซึ่งบริษัททดสอบ และรับมือกับการตรวจสอบที่ครอบคลุมหลายคลังโค้ดได้ดี Chak Pothina หัวหน้าฝ่ายการอนุมานของ You.com รายงานว่าค่าความหน่วงที่เปอร์เซ็นไทล์ที่ 95 อยู่ที่ 2.2 วินาที โดย Ember ทำภารกิจเขียนโค้ดสำเร็จทุกภารกิจและมีค่าความหน่วงต่ำที่สุดในบรรดาโมเดลที่ทดสอบ Pothina ยังระบุด้วยว่า ในการทดสอบเหล่านั้น Ember ใช้โทเค็นขาออกน้อยลง 36–48%
สำหรับนักพัฒนา Ember เป็นชั้นประมวลผลที่มีต้นทุนต่ำลง ซึ่งสามารถทำงานอยู่เบื้องหลังการวางแผนของ Muse Wonder และช่วยลดจำนวนการเรียกใช้ซ้ำ ๆ ที่ส่งไปยังโมเดลซึ่งมีค่าใช้จ่ายสูงกว่า ตัวเลขของ Meta สนับสนุนการแบ่งหน้าที่ในลักษณะนี้ ขณะที่ผลจาก FrontierCode ชี้ให้เห็นข้อจำกัดว่า ประสิทธิภาพและคะแนนด้านเอเจนต์ที่แข็งแกร่งไม่ได้รับประกันว่าโมเดลจะเหนือกว่าในงานวิศวกรรมทุกประเภท
