Meta* выпустила Muse Ember: модель почти сравнялась с Claude Haiku 5.5 в тесте и обошлась дешевле

Модель рассчитана на отдельные шаги работы агентов

Meta* выпустила Muse Ember — модель для задач, которые могут сделать запуск ИИ-агентов дорогим при большом объёме работы. Она предназначена, например, для обработки обращений с поиском данных и чтением документов, запуска тестов и небольших исправлений кода. О том, как устроены ИИ-агенты, мы рассказывали отдельно.

В оценке Artificial Analysis Ember получила 36 баллов по Intelligence Index при максимальном уровне рассуждений — столько же, сколько Claude Haiku 5.5 при округлении. По неокруглённым данным графика Meta*, результаты составили 35,8 и 36,2 соответственно. Стоимость задания в тесте Artificial Analysis оценил примерно в 14 центов для Ember и 41 цент для Haiku. Это результаты конкретной оценки, а не гарантия таких же расходов или качества в рабочих процессах.

На AutomationBench-AA Ember полностью выполнила 37,8% заданий с первой попытки; для GPT-6 Luna показатель составил 20,2%, для Haiku — 13,9%. Другая метрика Artificial Analysis, учитывающая отдельные цели, а не только полностью пройденное задание, даёт Ember 68,1%. Эти показатели отвечают на разные вопросы: для процесса, где важен успех каждого шага, уместнее смотреть на долю полностью выполненных заданий.

API поддерживает длинный контекст, но цена резко растёт после порога

В Meta* Model API модель доступна под именем muse-ember-1.0 через Responses, Chat Completions и Messages. Она принимает текст, изображения, аудио, видео и PDF, а выдаёт текст. Контекстное окно составляет 1 048 576 токенов, максимальный объём ответа — 524 288 токенов. Уровень рассуждений можно менять от минимального до максимального; по умолчанию выбран максимальный.

Повышенный тариф применяется ко всему запросу, включая выходные токены; к порогу также относятся кэшированный ввод и история, переданная через previous_response_id. По расчёту VentureBeat, запрос с 200 000 некэшированных входных и 10 000 выходных токенов стоит 2,5 цента, а добавление ещё одного входного токена повышает стоимость примерно до 7,5 цента. Поэтому объём контекста может заметно изменить итоговый счёт.

Результаты зависят от типа задачи и способа проверки

В тесте Coding Agent Index Ember в Muse Code набрала 46 баллов, опередив Haiku в Claude Code с 37 и Luna в Codex с 31. Но на FrontierCode 2.0, где оценивают готовность изменений к слиянию, Haiku получила 34,9%, а Ember — 27,2%. В тесте компьютерных задач OSWorld 2.1 результат Ember снизился с 69,5% при частичном начислении баллов до 33,8% при оценке «всё или ничего».

Эти данные скорее поддерживают применение Ember на отдельных этапах с ясной проверкой результата, чем передачу ей целой инженерной задачи или рабочего стола без контроля. Например, модель может исследовать упавший тест, а предложенное исправление затем проверит система непрерывной интеграции; неудачные случаи можно передавать более сильной модели.

При оценке расходов важно учитывать не только цену за токены, но и повторные попытки, эскалации к другим моделям и частоту пересечения порога в 200 000 токенов. Meta* также предлагает Ember через Muse Code; для команд, которым важно держать вычисления на своей инфраструктуре, модель не подходит как замена открытым весам: её веса и число параметров остаются закрытыми.