Meta выпустила Muse Ember: самую компактную модель для ИИ‑агентов. llm.. llm. meta.. llm. meta. muse.. llm. meta. muse. Muse Ember.. llm. meta. muse. Muse Ember. Блог компании SpeShu.AI.. llm. meta. muse. Muse Ember. Блог компании SpeShu.AI. ии-агенты.. llm. meta. muse. Muse Ember. Блог компании SpeShu.AI. ии-агенты. ии-ассистент.. llm. meta. muse. Muse Ember. Блог компании SpeShu.AI. ии-агенты. ии-ассистент. искуственный интеллект.. llm. meta. muse. Muse Ember. Блог компании SpeShu.AI. ии-агенты. ии-ассистент. искуственный интеллект. нейросети.. llm. meta. muse. Muse Ember. Блог компании SpeShu.AI. ии-агенты. ии-ассистент. искуственный интеллект. нейросети. новая модель.. llm. meta. muse. Muse Ember. Блог компании SpeShu.AI. ии-агенты. ии-ассистент. искуственный интеллект. нейросети. новая модель. новая модель meta.

Meta представила Muse Ember — свою самую компактную модель для работы с инструментами, документами и кодом. Компания делает ставку на стоимость: Ember должна удешевить и ускорить небольшие задачи, которые ИИ-агенты выполняют сотни и тысячи раз.

Meta выпустила Muse Ember: самую компактную модель для ИИ‑агентов - 1

Почти уровень Spark, но дешевле

По опубликованным Meta данным Artificial Analysis, Ember набрала 36 баллов в Intelligence Index против 37 у Muse Spark 1.3. Расчётная стоимость задания составила $0,14 против $2,39 — примерно в 17 раз меньше. Сравнение проводилось при максимальном уровне вычислительных усилий; такая экономия относится к этому тесту.

Claude Haiku 5.5 получила те же округлённые 36 баллов, но со стоимостью задания около $0,41. GPT-6 Luna набрала 28 баллов.

Впрочем, Ember лидирует не везде. В тесте программирования FrontierCode 2.0-AA она получила 27,2% против 34,9% у Haiku. Зато в AutomationBench-AA, проверяющем выполнение бизнес-процессов, результат составил 37,8% против 13,9% у Haiku и 20,2% у Luna.

Meta выпустила Muse Ember: самую компактную модель для ИИ‑агентов - 2

Что умеет модель

Ember принимает текст, изображения, аудио, видео и PDF. Контекстное окно — около миллиона токенов. Модель можно использовать для разбора скриншотов, извлечения данных из документов, классификации обращений и небольших правок в коде.

Meta предлагает сочетать её с Muse Wonder или Muse Spark: более мощная модель планирует работу и разбирает сложные вопросы, а Ember выполняет отдельные задания. Например, один агент определяет, что нужно изменить в проекте, а несколько агентов на Ember обрабатывают выделенные им участки кода.

Текст, изображения и записи встреч в одном запросе

Согласно спецификации Muse Ember, модель принимает текст, изображения, аудио, видео и PDF, а возвращает текст. Контекстное окно составляет 1 048 576 токенов, максимальный объём вывода — 524 288 токенов.

Такая поддержка форматов позволяет использовать Ember для обработки разных материалов в одном рабочем процессе. В числе примеров Meta — разбор скриншота вместе с описанием ошибки, извлечение полей из отсканированного счёта и подготовка списка поручений по записи встречи.

При этом доступ к API сам по себе не превращает модель в автономного сотрудника. Приложение должно предоставить ей инструменты, выполнить запрошенные действия и вернуть результаты. В Muse Code соответствующую среду предоставляет сам инструмент; при собственной интеграции её создаёт разработчик.

Цена и доступ

Muse Ember уже доступна в Meta Model API под именем muse-ember-1.0 и в Muse Code.

Базовый тариф — $0,10 за миллион входных и $0,50 за миллион выходных токенов. Для запросов длиннее 200 тысяч входных токенов цены повышаются до $0,30 и $1,50 соответственно.

Ember дополняет старшие модели Muse: сложное планирование остаётся за ними, а массовые повторяющиеся операции можно передать более дешёвому исполнителю.

Автор: molniya_ai

Источник