Meta toont Muse Ember: kleinste model voor goedkopere AI-agents

Meta heeft Muse Ember gepresenteerd, naar eigen zeggen het kleinste en meest efficiënte AI-model tot nu toe. Volgens The Decoder en Hipertextual, die beide verslag doen van de aankondiging van Meta, is het model bedoeld voor het routinewerk dat AI-agents op de achtergrond uitvoeren, niet voor open gesprekken of zwaar redeneren.

Muse Ember is een klein taalmodel, dus een bewust compact gehouden model waarvan elke aanvraag minder kost om te verwerken. Meta noemt het aanroepen van tools, kleine programmeertaken, het doorsturen van aanvragen, het onttrekken van gegevens uit bestanden en het analyseren van lange documenten. Het bedrijf stelt dat juist deze herhalende stappen het grootste deel van de middelen opslokken wanneer een AI-agent zelfstandig werkt, en dat een apart, goedkoop model daarom zinvol is.

Wat Meta over Muse Ember heeft aangekondigd

Volgens Hipertextual sluit Ember aan bij de Muse-familie die het superintelligentieteam van Meta ontwikkelt, naast onder meer Spark, Glimmer en Wonder. Het model is direct beschikbaar via de Meta Model API en via Muse Code, het programmeergereedschap van Meta. De twee media melden de volgende cijfers, die allemaal afkomstig zijn van Meta of van tests die Meta aanhaalt:

• Prijs: 0,10 dollar per miljoen invoertokens en 0,50 dollar per miljoen uitvoertokens, volgens The Decoder en Hipertextual.
• Contextvenster: tot een miljoen tokens invoer tegelijk en volgens Hipertextual tot 512.000 tokens uitvoer, genoeg om een hele codebase of een verzameling documenten in één aanvraag te verwerken.
• Modaliteiten: native begrip van tekst, beelden, audio en video, zodat een agent schermafbeeldingen, diagrammen, gescande documenten of spraakopnames kan analyseren zonder een tweede model aan te roepen.
• Kosten per taak: ongeveer 0,14 dollar in de test van Artificial Analysis, volgens The Decoder.

Een token is de teksteenheid die een model leest of schrijft, ongeveer een woorddeel, en een prijs per miljoen tokens is de gebruikelijke manier waarop AI-aanbieders toegang tot hun modellen via een API in rekening brengen. Met deze prijzen hoort Ember bij de goedkoopste opties voor agents met een groot taakvolume, al vergelijken de twee artikelen ze niet met gepubliceerde tarieven van concurrenten.

Hoe Muse Ember zich verhoudt tot Claude Haiku 5.5 en GPT-6 Luna

Volgens Meta, zoals The Decoder meldt, levert Muse Ember op elk redeneerniveau meer intelligentie per dollar dan Claude Haiku 5.5 of GPT-6 Luna. In de test van Artificial Analysis kost het ongeveer 0,14 dollar per taak en is het het goedkoopste model met een Intelligence Index-score van 36 of hoger. Claude Haiku 5.5 haalt dezelfde score voor 0,41 dollar per taak, bijna het drievoudige. Het grotere Muse Spark 1.3 scoort 37, bijna evenveel, maar voor 2,39 dollar per taak.

Op AutomationBench-AA, een test voor bedrijfsprocessen, scoort Muse Ember 68,1 procent, op het niveau van Muse Wonder en GPT-6 Astra, meldt The Decoder. Hipertextual voegt toe dat Ember volgens Meta op sommige benchmarks gelijkwaardig is aan Claude Haiku 5.5 en op andere GPT-6 Luna verslaat, steeds tegen lagere kosten per taak. Op OSWorld, dat meet hoe goed een agent zelfstandig een computer bedient, verslaat Ember GPT-6 Luna en Claude Haiku 5.5, allemaal met maximaal redeneren. Op Terminal Bench 4.0, dat echte engineeringtaken test, scoort Ember meer dan het dubbele van GPT-6 Sol, maar Hipertextual wijst erop dat de top van de ranglijst bij modellen van Anthropic ligt (Opus, Astra en Sonnet), terwijl Ember in het middenveld strijdt met andere grote opensourcemodellen.

Een taakverdeling tussen kleine en grote modellen

Meta beschrijft een aanpak op twee niveaus. Geavanceerd werk, zoals het plannen van een algemene strategie, kan naar Muse Wonder gaan, terwijl Ember het operationele werk doet. Volgens Hipertextual hebben de ingenieurs van Meta het model afgestemd op programmeersubtaken zoals bestanden lezen, tests uitvoeren en gerichte reparaties doen, die in één ontwikkelsessie vaak honderden keren worden herhaald. Bij zo'n frequentie lopen een paar cent verschil per taak snel op.

Over veiligheid zegt Hipertextual, onder verwijzing naar een bericht op het blog van Meta, dat het model dezelfde beveiligingsmaatregelen bij training en uitvoering heeft als de andere Muse-modellen, wat betekent dat het geen hackvaardigheden of andere verboden mogelijkheden heeft. Het medium raadt niettemin voorzichtigheid aan met de rechten die je een AI geeft die met je bestanden werkt.

Wat nog niet is geverifieerd

Alle prestatiecijfers hierboven komen van Meta of van tests die zij aanhaalt, en de twee gelezen artikelen vermelden geen onafhankelijke controle. De kosten per taak van Artificial Analysis combineren de prijs per token met het aantal tokens dat een model werkelijk verbruikt en kunnen dus per werklast verschillen. Geen van beide artikelen noemt het aantal parameters van Muse Ember of zegt of de gewichten openliggen. De vergelijkingen met Claude Haiku 5.5 en GPT-6 Luna blijven beweringen van de leverancier totdat derden eigen metingen publiceren.

Wat het verandert voor bedrijven met AI-agents

Voor een bedrijf dat agents inzet, zit de praktische les in het doorsturen van taken: bewaar de dure modellen voor planning en stuur herhalende stappen zoals extractie, triage en kleine codecorrecties naar een goedkoper model. Muse Ember maakt het makkelijker die keuze te testen, want de gepubliceerde prijs is 0,10 en 0,50 dollar per miljoen tokens. Meet vóór je overstapt de kosten en het slagingspercentage per taak op je eigen documenten en code, want de benchmarks van Meta weerspiegelen je werklast mogelijk niet. Stel ook een budget per agent in, zodat goedkope tokens niet uitmonden in een onbeheersbare rekening.