Meta vient de dévoiler Muse Ember, un modèle présenté comme « le plus petit et le plus efficace pour l’exécution de raisonnements complexes » dans le cadre de tâches répétitives confiées à des agents. Ces agents sont des programmes d’intelligence artificielle capables d’enchaîner plusieurs actions seuls. Parmi les exemples cités par Meta figurent les appels d’outils, les sous-tâches de code, le routage, l’extraction de données et l’analyse de longs documents.
- Meta lance Muse Ember, un modèle léger conçu pour les tâches répétitives des agents IA.
- Il traite texte, images, audio et vidéo sur une fenêtre de contexte d’un million de tokens.
- Il égale Claude Haiku 5.5 sur l’indice Artificial Analysis, pour environ un tiers du coût, mais reste derrière sur FrontierCode 2.0.
- Il coûte 0,10 $ par million de tokens en entrée et reste disponible via la Meta Model API.
Muse Ember accepte en entrée du texte, des images, de l’audio et de la vidéo. Un agent peut ainsi lire une capture d’écran ou un document scanné, ou traiter un mémo vocal et l’enregistrement d’une réunion, sans passer par un second modèle. Sa fenêtre de contexte, c’est-à-dire la quantité d’informations qu’il peut traiter en une fois, atteint 1 million de tokens, soit des fragments de mots, avec jusqu’à 512 000 tokens en sortie. Selon Meta, un code source complet ou un ensemble de documents tient ainsi dans un seul appel.
Pour les tâches les plus difficiles, Meta recommande d’associer Ember à Muse Wonder, son modèle de pointe. Le groupe résume la répartition des rôles ainsi : « Muse Wonder planifie, Muse Ember gère le volume ». Ember est le premier modèle entraîné à partir de Muse Wonder Full, la version la plus puissante de la famille. Il complète une gamme qui compte désormais trois niveaux : Muse Wonder pour les problèmes les plus difficiles, Muse Spark pour le code et les workflows agentiques, et Muse Ember pour les tâches répétables à grande échelle.
Des résultats comparés à Claude Haiku 5.5 et GPT-6 Luna
Meta compare Ember à Claude Haiku 5.5 et à GPT-6 Luna sur l’indice d’Artificial Analysis, en rapportant le score au coût par tâche pour chaque niveau de raisonnement. Au réglage maximal, Ember obtient 36 points, comme Haiku 5.5, et devance Luna, qui en obtient 28. Meta affirme qu’il égale le meilleur score de Haiku pour environ un tiers du coût, ce que l’entreprise présente comme le meilleur rapport efficacité-coût.
Sur FrontierCode 2.0, un test qui évalue des tâches d’ingénierie réelles selon leur capacité à être fusionnées dans une base de code, Claude Haiku 5.5 garde l’avantage. Il obtient 35 %, contre 27 % pour Ember.
Accès et tarifs
Muse Ember est disponible dans Muse Code et via la Meta Model API, sous l’identifiant muse-ember-1.0. Il prend en charge la Responses API. Meta le propose également sur Google Cloud et Oracle Cloud, comme Muse Spark et Muse Wonder.
Pour les prompts, c’est-à-dire les requêtes envoyées au modèle, de 200 000 tokens maximum, Meta facture par million de tokens : 0,10 $ en entrée, 0,004 $ en entrée en cache et 0,50 $ en sortie. Au-delà de 200 000 tokens, les tarifs passent à 0,30 $ en entrée, 0,012 $ en entrée en cache et 1,50 $ en sortie.
