Проприетарная модель Muse Ember от Meta почти не уступает Claude Haiku 5.5 при втрое меньшей расчетной стоимости одной задачи

Meta выпустила Muse Ember в понедельник, предложив разработчикам более дешёвую модель для той работы, из-за которой эксплуатация ИИ-агентов в больших масштабах может обходиться дорого.

Например, одно обращение в службу поддержки может заставить агента выполнить серию поисковых запросов, прочитать документы и вызвать инструменты, прежде чем он выдаст ответ. Ember создана для выполнения этих шагов, а также таких задач, как запуск тестов и мелкие исправления кода.

В стартовой оценке независимой аналитической компании Artificial Analysis Ember набрала 36 баллов по индексу Intelligence Index при максимальном уровне рассуждений — столько же после округления, сколько Claude Haiku 5.5 от Anthropic. При этом Ember обошлась примерно в 14 центов за задачу бенчмарка против 41 цента у Haiku.

Согласно исходному графику Meta, неокруглённые результаты составляют 35,8 и 36,2 соответственно. GPT-6 Luna от OpenAI набрала 27,8 балла примерно при 15 центах за задачу на максимальной настройке, хотя на более низкой настройке её стоимость опускалась примерно до 7 центов при результате 21,4.

Генеральный директор Meta Марк Цукерберг в посте в X назвал Ember «нашей самой компактной моделью, которая даёт больше интеллекта на каждый доллар, чем другие модели своего класса».

«[Muse W]onder умеет планировать, ember справится с объёмом», — написал директор Meta по ИИ Александр Ванг в своей ветке в X, посвящённой запуску.

Окно в миллион токенов и скачок цены после 200 000 токенов

Meta Model API предоставляет эту проприетарную модель как muse-ember-1.0 через эндпоинты Responses, Chat Completions и Messages.

Модель принимает текст, изображения, аудио, видео и PDF-файлы и возвращает текст. Meta указывает контекстное окно в 1 048 576 токенов и максимальный объём вывода в 524 288 токенов. Уровень рассуждений варьируется от minimal до max, по умолчанию — max. Ember также доступна в Muse Code. Meta называет ещё одним вариантом доступа Oracle Cloud, а в предварительной версии Google Cloud задокументирован ввод текста и изображений.

При объёме до 200 000 входных токенов Meta взимает за Muse Ember 0,10 доллара за миллион некэшированных входных токенов, 0,004 доллара за миллион кэшированных входных токенов и 0,50 доллара за миллион выходных токенов.

Свыше 200 000 токенов тарифы вырастают до 0,30, 0,012 и 1,50 доллара соответственно.

Заявленные цены API делают Muse Ember одной из самых дешёвых моделей уровня foundation или близких к нему в мире: цена на некэшированные запросы до 200 тыс. токенов совпадает с ценами Claude Haiku 5.5 от Anthropic и GPT-6 Luna от OpenAI.

Повышенные тарифы применяются ко всему запросу, включая вывод. Кэшированный ввод и история диалога, переносимая через previous_response_id, учитываются при достижении порога. За запрос с 200 000 некэшированных входных токенов и 10 000 оплачиваемых выходных токенов плата за модель составит 2,5 цента. Всего один дополнительный входной токен поднимает стоимость того же запроса примерно до 7,5 цента.

Стандартные цены API Anthropic для Haiku начинаются с тех же 0,10 доллара за ввод и 0,50 доллара за вывод, а при превышении 100 000 входных токенов растут до 0,50 и 2,50 доллара.

Чтение из кэша у неё стоит от 0,01 доллара за миллион. Стандартные цены OpenAI указывают для Luna те же стартовые тарифы на ввод и вывод, а кэшированный ввод — 0,01 доллара. Тарифы для длинного контекста у неё составляют 0,20 доллара за ввод, 0,02 доллара за кэшированный ввод и 0,75 доллара за вывод.

Поэтому при нагрузке с большими промптами и длинными ответами GPT-6 Luna от OpenAI может оказаться выгоднее по тарифам за токены, даже если Ember обходится дешевле на наборе бенчмарков.

Artificial Analysis объясняет преимущество Ember в стоимости на бенчмарках отчасти более дешёвым чтением из кэша и сообщает, что при максимальном уровне рассуждений Ember использовала примерно втрое меньше выходных токенов, чем Haiku.

Это различие важно при оценке счёта в продакшене. Одна и та же прейскурантная цена может обернуться совершенно разными расходами, как только агент начинает рассуждать, извлекать записи и переносить результаты с одного шага на следующий.

Наиболее явное преимущество Ember — в бизнес-процессах

Согласно опубликованным при запуске результатам Meta, Ember полностью выполнила с первой попытки 37,8% задач AutomationBench-AA против 20,2% у Luna и 13,9% у Haiku. Этот тест заставляет агентов работать в симулированных бизнес-приложениях.

Основной показатель Artificial Analysis, начисляющий баллы за отдельные выполненные цели без нарушения правил бенчмарка, оценивает Ember в 68,1%. Эти два числа отвечают на разные вопросы. Для процесса, который засчитывается только при выполнении всех шагов, значима первая цифра.

Результаты в программировании неоднозначнее. В индексе Coding Agent Index от Artificial Analysis Ember в Muse Code набирает 46 баллов, опережая Haiku в Claude Code с 37 баллами и Luna в Codex с 31.

Однако в FrontierCode 2.0, где оценивается готовность изменений к слиянию, лидирует Haiku — 34,9% против 27,2% у Ember. А в оценке Meta по работе с настольными приложениями, OSWorld 2.1, результат Ember с частичным зачётом в 69,5% падает до 33,8%, если задачи оцениваются по принципу «всё или ничего».

В совокупности эти результаты говорят скорее в пользу того, чтобы поручать Ember ограниченную задачу с понятной проверкой, чем доверять ей без присмотра целый инженерный тикет или процесс в настольном приложении.

Как выглядят альтернативы с открытыми весами

Ember ближе всего сравнивать по типу нагрузки и цене. Meta не раскрывает веса и число параметров Ember, поэтому напрямую сопоставить её размер с моделями, веса которых можно скачать, нельзя. Приведённые ниже результаты получены по текущей методологии v5 Artificial Analysis. Компания пересмотрела индекс в октябре, поэтому некоторые оценки в более ранних материалах о запусках выше и относятся к предыдущей версии.

DeepSeek-V4.1-Flash-1017 — близкая альтернатива для недорогой работы агентов в облаке с возможностью самостоятельно запускать веса под лицензией MIT. API DeepSeek предлагает окно в миллион токенов и ввод изображений и берёт 0,15 доллара за ввод и 0,60 доллара за вывод вне пиковых часов или 0,30 и 1,20 доллара в пиковые часы за миллион токенов. Попадания в кэш стоят 0,003 или 0,006 доллара.

В сравнении Artificial Analysis, опубликованном к запуску Ember, DeepSeek Flash набирает 33 балла примерно при 0,60 доллара за задачу бенчмарка против 36 баллов и 0,14 доллара у Ember. Тем не менее более дешёвое чтение из кэша вне пиковых часов и более низкий тариф на вывод при очень длинных промптах у DeepSeek могут иметь значение для конвейера, который многократно отправляет один и тот же большой объём контекста.

Muse Spark Open — собственный вариант Meta для запуска мультимодальной модели Muse с окном в миллион токенов на контролируемой вами инфраструктуре. Документация Meta указывает 816 млрд параметров в общей сложности и 42 млрд активных на токен. Веса распространяются по специальной лицензии Muse Model License и политике допустимого использования.

Даже четырёхбитный чекпойнт весит около 537 ГБ без учёта накладных расходов на обслуживание. Together AI берёт 1,25 доллара за ввод и 4,25 доллара за вывод за миллион токенов. Artificial Analysis указывает текущий результат 25 баллов на уровне рассуждений xhigh и 2,02 доллара за задачу бенчмарка.

Аргумент в пользу Spark Open — контроль над тем, где работает модель, и возможность её адаптировать. Командам, которые хотят запускать гораздо меньшую модель Muse локально, доступна Muse Glimmer от Meta на 30 млрд параметров под лицензией Apache 2.0.

MiMo-V2.6-Pro от Xiaomi предлагает веса под лицензией MIT, окно в миллион токенов и нативный ввод текста, изображений, аудио и видео.

У модели около одного триллиона параметров, из которых 42 млрд активны на токен. API Xiaomi указывает 0,435 доллара за ввод и 0,87 доллара за вывод за миллион, а кэшированный ввод — 0,0036 доллара. Artificial Analysis сейчас оценивает её в 30 баллов при 0,26 доллара за задачу.

По цене ближе MiMo-V2.6-Flash от Xiaomi под лицензией MIT. Она набирает 27 баллов и стоит около 0,13 доллара за задачу бенчмарка при заявленных тарифах примерно 0,14 доллара за ввод, 0,28 доллара за вывод и 0,0028 доллара за попадания в кэш.

LongCat-2.5 от Meituan также предлагает веса под лицензией MIT. Модель с 1,6 трлн параметров, из которых около 48 млрд активны на токен, ориентирована на длительные задачи программирования и визуальные задачи. Её API с окном в миллион токенов поддерживает до 256 000 выходных токенов, а временные цены Meituan составляют 0,30 доллара за некэшированный ввод, 0,006 доллара за кэшированный ввод и 1,20 доллара за вывод за миллион токенов.

Meituan сообщает о результате 38,5% в Terminal-Bench 4.0 с использованием Claude Code, а Meta — о 40,9% у Ember с mini-swe-agent. Из-за разных конфигураций эти цифры служат лишь приблизительным ориентиром. Прямое сравнение на одной и той же кодовой базе и с одинаковыми инструментами подскажет командам больше о том, какую модель выбрать.

Как Meta пришла от Spark к Ember

Meta Superintelligence Labs представила исходную Muse Spark в апреле. После нескольких лет распространения весов Llama Meta поначалу сохранила Spark проприетарной и встроила её в Meta AI и закрытую предварительную версию API. Spark 1.1 в июле открыла этот API в рамках публичного превью.

В августе Spark 1.2 вышла вместе с Muse Code — терминальным агентом Meta для программирования с постоянными фоновыми задачами. Пятью днями позже Muse Glimmer вернула в линейку моделей Meta загружаемые веса.

В начале сентября Spark 1.3 улучшила работу с кодом и многошаговыми процессами, причём лучшие результаты при запуске показала конфигурация с максимальным уровнем рассуждений, доступ к которой поначалу был ограничен.

В октябре Muse Wonder и Wonder Full сформировали более высокий уровень для сложных задач. Wonder стала доступна через API и Muse Code, а Wonder Full на момент запуска предлагалась подписчикам Muse Code.

Через несколько дней Spark Open расширила линейку Meta с открытыми весами более крупной мультимодальной моделью. В пятницу Meta начала развёртывание специализированных моделей, обученных с помощью серии Wonder, для пользователей своего персонального агента Muse и Meta AI. По словам Meta, Ember — первая модель, которую компания обучила с помощью Wonder Full.

Место Ember в рабочем процессе

Ember может взять на себя отдельные шаги, даже если остальная часть процесса уже работает на Spark. В сравнении Meta со Spark 1.3 Ember набрала 36 баллов против 37 у Spark при максимальном уровне рассуждений, а стоимость на бенчмарке составила около 0,14 и 2,39 доллара за задачу соответственно.

Практичный вариант первого внедрения — шаг, который команда уже умеет оценивать. Агент для программирования может поручить Ember разобраться с одним падающим тестом, затем прогнать патч через непрерывную интеграцию и передавать неудачи более сильной модели.

Агент поддержки может использовать Ember для классификации обращения и извлечения нужных записей, оставив изменения в аккаунтах за этапом согласования. Конвейер обработки документов может передать ей пакет отсканированных страниц и сверять каждое извлечённое поле с оригиналом.

Такие схемы позволяют командам измерять стоимость одного принятого результата с учётом повторных попыток и эскалаций, а также задержку и то, как часто объём контекста переводит запросы в более дорогой тарифный диапазон.

Командам, оценивающим чувствительные нагрузки, стоит учесть, что, по словам Meta, контент API в режиме Standard не используется для обучения моделей. У Meta есть отдельные условия нулевого хранения данных для аккаунтов с включённой соответствующей настройкой. Командам, которым нужно выполнять инференс на собственной инфраструктуре, придётся сопоставить затраты на оборудование и эксплуатацию загружаемой модели с тарифами облачной Ember.

Для команд, которые могут пользоваться облачным сервисом, самый очевидный первый тест — частая, чётко определённая задача с уже существующей проверкой успешности и достаточным объёмом, чтобы небольшая экономия на каждом вызове складывалась в ощутимую сумму.