Meta a présenté le 9 novembre Muse Ember. Selon l'entreprise, c'est son modèle le plus petit et le plus efficace à ce jour, conçu pour que les agents IA gèrent les tâches courantes et fréquentes : appels d'outils, sous-tâches de programmation, routage, extraction d'informations et analyse de longs documents. Le modèle prend en charge nativement le texte, l'image, l'audio et la vidéo, avec un contexte de 1 million de tokens et jusqu'à 512 000 tokens générés par requête.
Ember est actuellement proposé via la Meta Model API (nom du modèle muse-ember-1.0, compatible avec la Responses API) et Muse Code. Google Cloud et Oracle Cloud l'ont aussi déjà mis en ligne, et les développeurs peuvent l'essayer sur dev.meta.ai. L'annonce ne mentionne pas de poids ouverts ; d'après les informations disponibles, il s'agit d'un modèle accessible uniquement par API. Meta précise aussi qu'Ember est le premier modèle entraîné avec Muse Wonder Full.
Une tarification à deux paliers
Ember est facturé par paliers selon la longueur du prompt, par million de tokens :
| Poste | Jusqu'à 200 000 tokens | Au-delà de 200 000 tokens |
|---|---|---|
| Entrée | 0,10 dollar | 0,30 dollar |
| Entrée en cache | 0,004 dollar | 0,012 dollar |
| Sortie | 0,50 dollar | 1,50 dollar |
Muse Spark 1.3, du même catalogue, coûte 1,25 dollar en entrée et 4,25 dollars en sortie. Sur l'indice d'intelligence d'Artificial Analysis, les deux obtiennent 36 et 37, soit un seul point d'écart, mais le coût par tâche d'évaluation est de 0,14 dollar contre 2,39 dollars, soit un rapport d'environ 17.
Des benchmarks avec des victoires et des défaites
Meta a comparé Ember, avec l'effort de raisonnement réglé sur max, à Claude Haiku 5.5 et à GPT-6 Luna. L'écart le plus marqué concerne AutomationBench-AA : Ember obtient 37,8 %, Haiku 5.5 13,9 % et GPT-6 Luna 20,2 %. Sur OSWorld 2.1, qui mesure l'utilisation d'un ordinateur, avec une notation binaire, Ember atteint 33,8 % et Haiku 5.5 27,8 %. Sur Terminal-Bench 4.0, Ember fait 40,9 %, soit seulement 1,7 point de pourcentage de plus que les 39,2 % de Haiku 5.5.
La défaite se situe en programmation. Sur FrontierCode 2.0-AA, Ember obtient 27,2 % contre 34,9 % pour Haiku 5.5 ; sur GDP.pdf-AA, il fait jeu égal avec GPT-6 Luna à 22,8 %. Pour l'Artificial Analysis Index global, Ember et Haiku 5.5 sont tous deux à 36, et Luna à 28.
Le nuage de points des coûts donne des chiffres plus précis. Les deux niveaux de raisonnement d'Ember coûtent 0,116 et 0,136 dollar, pour des indices de 33,9 et 35,8 ; Haiku 5.5 n'atteint l'indice 36,2 qu'au niveau à 0,411 dollar. À indice égal, la dépense par tâche d'Ember représente environ un tiers de celle de Haiku 5.5.
Estimation de la facture quotidienne d'un sous-agent
Faisons un calcul approximatif avec les prix de l'annonce. Supposons qu'un sous-agent de programmation lise 30 000 tokens et en produise 2 000 à chaque appel, dont 20 000 tokens de prompt système et de contexte de code qui sont servis par le cache :
- 10 000 tokens d'entrée hors cache : environ 0,001 dollar
- 20 000 tokens d'entrée en cache : environ 0,00008 dollar
- 2 000 tokens de sortie : environ 0,001 dollar
Chaque appel coûte environ 0,002 dollar, et 10 000 appels par jour reviennent à environ 21 dollars. Il ne s'agit que du tarif du palier jusqu'à 200 000 tokens ; dès que l'analyse de longs documents franchit ce seuil, les trois prix unitaires triplent en même temps. La facture réelle dépend aussi des tokens de raisonnement générés selon le niveau d'effort, et l'annonce ne précise pas séparément comment cette part est facturée.
Les retours des partenaires portent surtout sur la vitesse. You.com donne un chiffre de latence précis :
"with the lowest latency of any model we tested: a p95 of 2.2 seconds"
(La latence la plus basse de tous les modèles que nous avons testés : un p95 de 2,2 secondes.)
Cline estime pour sa part que le modèle convient aux travaux de sous-agents comme la programmation et l'analyse de documents. Côté sécurité, Meta affirme avoir évalué le modèle avant sa sortie selon son cadre de mise à l'échelle de la superintelligence, et que les trois catégories de risque, chimique et biologique, cybersécurité et perte de contrôle, restent sous le seuil de risque élevé. Tous les résultats de benchmark ci-dessus sont des données publiées par Meta ; aucun test indépendant n'est encore disponible.
Sources : CocoLoop, blog de recherche officiel de Meta ; le blog confirme les prix par palier, les scores de chaque évaluation, le coût par tâche et les citations des partenaires, tandis que la facture quotidienne est une estimation fondée sur les prix unitaires publics.