Лаборатория Meta Superintelligence Labs представила свою новую модель Muse Ember, которая на данный момент является самой компактной моделью ИИ в семействе Muse. Эта модель была разработана специально для того, чтобы стать исполнительным движком для цифровых агентов (AI Agents), фокусируясь на выполнении повторяющихся и конкретных задач в рамках рабочих процессов, таких как написание простого программного кода, извлечение данных из документов и классификация запросов клиентов, при очень низких эксплуатационных расходах по сравнению с крупными моделями.
Стратегия планирования и исполнения: интеграция моделей
В своей новой философии Meta опирается на разделение труда между различными уровнями искусственного интеллекта. В этой системе крупные модели, такие как Muse Wonder или Muse Spark, берут на себя задачи стратегического планирования и принятия сложных решений. Например, модель Wonder может определять политику возврата средств для клиента, в то время как Muse Ember занимается исполнением этих правил для тысяч запросов, проверкой журналов заказов и направлением случаев, требующих вмешательства человека, в соответствующие отделы.
Такое разделение на «планирующий разум» и «исполнительные мышцы» направлено на снижение общих затрат для разработчиков, поскольку использование небольшой модели для рутинных задач значительно сокращает стоимость каждой операции (Inference) по сравнению с использованием огромной модели для каждого шага.
Технические возможности и мультимодальность
Muse Ember не ограничивается только обработкой текста, но и обладает мультимодальными возможностями. Она может принимать входные данные, включая изображения, аудио, видео и PDF-файлы, выдавая при этом текстовые результаты. Это делает ее идеальной для таких задач, как извлечение дат платежей из отсканированных счетов или обобщение ключевых моментов из аудиозаписей встреч.
- Контекстное окно (Context Window): достигает одного миллиона токенов, что позволяет модели анализировать огромные массивы документов или базы программного кода за один запрос.
- Лимит вывода: модель может генерировать до 524 тысяч токенов за один ответ.
Стоимость и производительность в эталонных тестах
Meta представила конкурентоспособную структуру ценообразования через Meta Model API и Muse Code. Стоимость одного миллиона входных токенов начинается от 0,10 доллара (для запросов, не превышающих 200 тысяч токенов), в то время как стоимость одного миллиона выходных токенов составляет 0,50 доллара. Эти цены увеличиваются, если запрос превышает лимит в 200 тысяч токенов, достигая 0,30 доллара за входные данные и 1,50 доллара за выходные.
Тесты показали заметное превосходство Muse Ember в некоторых областях. В тесте AutomationBench-AA, который измеряет многошаговые процессы, модель достигла уровня успеха 37,8%, опередив модель GPT-6 Luna от OpenAI (20,2%) и модель Claude Haiku 5.5 от Anthropic (13,9%). Однако в тесте по программированию FrontierCode 2.0-AA модель Claude Haiku 5.5 показала лучший результат — 34,9% против 27,2% у Muse Ember.
Что меняется на практике?
Запуск Muse Ember знаменует собой сдвиг в том, как создаются приложения на базе ИИ. Вместо того чтобы полагаться на одну огромную и дорогую модель для выполнения всех задач, разработчики переходят к гибридной инфраструктуре. Этот подход решает проблему высокой стоимости и медлительности при выполнении рутинных задач, открывая путь для цифровых агентов, способных работать в масштабе (Scale) с экономической эффективностью, что делает полную автоматизацию административных и простых программных задач реалистичной и коммерчески выгодной.