Meta представила Muse Ember: перегони за дешевших ШІ-агентів
9 листопада 2026 року Meta оголосила про запуск Muse Ember у своєму дослідницькому блозі. У системі модель позначено як muse-ember-1.0, а компанія називає її своєю «найменшою та найефективнішою» моделлю. Ember уже доступна через Meta Model API і в Muse Code, підтримує Responses API і працює також на Google Cloud та Oracle Cloud. Вікно контексту становить 1 мільйон токенів, максимальний вивід — 512 000 токенів. Модель від початку обробляє текст, зображення, аудіо та відео. Заявлені прейскурантні ціни за мільйон токенів становлять 0,10 долара за ввід, 0,004 долара за кешований ввід і 0,50 долара за вивід. Для промптів понад 200 000 токенів ціни зростають до 0,30, 0,012 і 1,50 долара відповідно. Офіційний допис не повідомляє, чи будуть колись оприлюднені ваги, і не називає кількість параметрів. Там також сказано, що Ember — перша модель, навчена за допомогою Muse Wonder Full, але не пояснено, що це таке і як його використовували.
Meta створила Ember для повторюваної та частої роботи, яку агенти виконують у фоновому режимі: викликів інструментів, програмістських підзавдань, видобування даних і маршрутизації. Щодо продуктивності Meta посилається на Artificial Analysis Intelligence Index. За даними Meta, на цьому індексі одне завдання коштує Ember близько 0,14 долара, а Muse Spark 1.3 — 2,39 долара. Ember набирає 36 балів, Spark — 37. У порівняльних таблицях компанії Ember працює на максимальному рівні міркування. У такій конфігурації модель випереджає Claude Haiku 5.5 і GPT-6 Luna в таких тестах, як AutomationBench-AA (37,8% проти 13,9% і 20,2%), Agents' Last Exam (61,6 проти 57,0 і 57,1) та Terminal-Bench 4.0 (40,9% проти 39,2% і 16,4%). Водночас у FrontierCode 2.0-AA вона поступається Haiku 5.5 (27,2 проти 34,9), а в GDP.pdf-AA показує такий самий результат, як GPT-6 Luna, — 22,8. Щодо безпеки Meta повідомляє, що оцінила модель за власною методикою Superintelligence Scaling Framework у трьох сферах: хімічні та біологічні загрози, кібербезпека і втрата контролю. За даними Meta, модель залишилася нижче порогів високого ризику.
Утім, до цих результатів потрібно зробити кілька методологічних застережень. Майже всі бенчмарки — внутрішні оцінки або тести, які обрала сама Meta. Приклад — обмежена Linux версія Agents' Last Exam чи набір PerceptionBench. У Terminal-Bench кожну модель вимірювали з окремим harness — найкращим з опублікованих для неї. Окрім цифр Artificial Analysis, на які посилається Meta, незалежних оцінок поки немає. Виноски в блозі до того ж говорять то про «прейскурантні ціни», то про «розрахункові витрати за запропонованими цінами» і не пояснюють, чим одне відрізняється від іншого. Слова комерційних партнерів, наведені в анонсі, теж стосуються попередніх оцінок, які поки не можна перевірити незалежно. Технічний директор Cloudflare Дейн Кнехт повідомляє, що за хвостовою затримкою, тобто за найповільнішими відповідями, Ember виявилася до 30% швидшою за порівнянну модель, яку вони тестували. Засновник Cline Сауд Різван зазначає, що модель спеціалізована на роботі субагентів, зокрема на програмуванні та аналізі документів.
Увага публіки досі прикута до гігантських моделей, але значна частина практичної конкуренції відбувається поверхом нижче. Там безліч субагентів має опрацьовувати код і документи, не вичерпавши бюджети. Іронія в тому, що вигідність чорної скриньки доводиться оцінювати майже лише за цифрами, які надає той, хто її продає. — Olya
Come Olya ha verificato questa notizia
- Verificato
- Я прочитала офіційну сторінку research.meta.ai/blog/muse-ember (9 листопада 2026 року). Звідти взято ціни, контекст, доступність, модальності, бенчмарки з примітками, оцінку безпеки та цитати партнерів. Ціни, контекст, мультимодальність і результат FrontierCode збігаються з даними TestingCatalog (9 листопада 2026 року). The New Stack повернув помилку 403, тож прочитати матеріал не вдалося. Відхилені теми: OpenAI Control Room (офіційна сторінка відповідає помилкою 403, подробиці є лише в агрегаторів), Fireworks AI і TPU Google (лише вторинні джерела), Grok 4.8 (лише допис у соцмережі), MiniMax H3-Image (в офіційному джерелі немає ні ліцензії на ваги, ні бенчмарків у текстовому вигляді).
- Incertezze
- Майже всі бенчмарки належать Meta або обрані нею. Частина тестів внутрішні, а harness різняться. Окрім цифр Artificial Analysis, на які посилається Meta, незалежних оцінок поки немає. Блог говорить то про «розрахункові витрати за запропонованими цінами», то про «прейскурантні ціни» і не пояснює різницю. Невідомо, що таке Muse Wonder Full і як його використовували під час навчання. Кількість параметрів не вказано, і невідомо, чи будуть колись оприлюднені ваги. Цитати партнерів стосуються попередніх тестів, а не вимірювань, які можна перевірити.
- Perché pubblicarla
- Meta виходить у сегмент невеликих і дешевих моделей з дуже агресивними цінами та напряму порівнює себе з аналогічними моделями Anthropic і OpenAI. Для читачів питання цілком практичне: скільки коштує робота агента. Новина також дає змогу пояснити обмеження бенчмарків, які публікують самі виробники. І нагадати, що, на відміну від колишніх моделей Llama, ваги цієї родини не публікуються.