Muse Ember: Il punteggio di 36 di Haiku a un terzo del costo

Meta ha lanciato Muse Ember il 9 novembre 2026, e il numero principale è difficile da ignorare: corrisponde a Claude Haiku 5.5 al 36 posto nell'Indice di Intelligenza dell'Analisi Artificiale, pur costando circa un terzo per compito. Ember è il modello Muse più piccolo ed economico di Meta, costruito per il lavoro ripetitivo che gli agenti AI svolgono tutto il giorno: chiamate agli strumenti, sottocompiti di codifica, instradamento, estrazione e parsing di documenti lunghi.

Il problema è nelle clausole in piccolo. I prezzi dei token sono identici a quelli di Haiku 5.5 e GPT-6 Luna. Ember vince sul costo per compito perché utilizza molti meno token di output per raggiungere lo stesso punteggio. E su un benchmark, quello più vicino al codice reale fusionabile, Haiku vince comunque chiaramente. Questo post confronta tutti e tre i modelli su prezzo, benchmark e carichi di lavoro per cui ciascuno è effettivamente costruito.

Verdetto rapido

Tutti i punteggi sono al massimo sforzo di ragionamento, come riportato da Meta dai dati di Analisi Artificiale datati 9 novembre 2026. I benchmark pubblicati da un fornitore sono riportati dal fornitore fino a quando non vengono ritestati indipendentemente.

Cosa è Muse Ember

Ember è il quarto modello della famiglia Muse di Meta. Muse Spark è arrivata nell'aprile 2026 come modello di peso medio, Glimmer è seguita ad agosto come gemella open-weight, e il modello frontiera Muse Wonder è stato lanciato in ottobre. Ember è quella più piccola, e Meta la definisce il modello più efficiente della famiglia.

Si tratta di un modello multimodale: prende testo, immagini, audio e video in una singola chiamata, così un agente può leggere screenshot, grafici, documenti scansionati, promemoria vocali e video senza un modello separato. La finestra di contesto è di 1.048.576 token (1M), con fino a 524.288 token di output (512K) per richiesta. Questo è sufficiente per inserire un'intera base di codice o un grande insieme di documenti in un'unica chiamata.

Ora è disponibile come muse-ember-1.0 sull'API Meta Model e in Muse Code, oltre che su Google Cloud e Oracle Cloud. I pesi sono chiusi, quindi si tratta di un modello solo API, non di un download aperto. Meta afferma inoltre che Ember è il primo modello addestrato con Muse Wonder Full, il suo modello frontier, e che modelli ancora più economici sono già in fase di addestramento. Nello stesso giorno, Meta ha anche inserito Muse su Apple Watch e Wear OS.

Prezzi: lo stesso prezzo specifico, una fattura molto diversa

Ecco la parte che la maggior parte dei titoli sbaglia. I prezzi per token di Ember sono esattamente gli stessi di Haiku 5.5 e GPT-6 Luna. I risparmi derivano dall'efficienza, non da una tariffa più bassa.

Il livello superiore si applica all'intera richiesta una volta superate i 200.000 token, quindi le chiamate a contesto lungo costano tre volte di più per ogni token. Il vero numero da tenere d'occhio è il costo per compito completato. Nei benchmark di Analisi Artificiale, Ember ha una media di circa 0,14 $ per compito, Haiku 5,5 circa 0,41 $ e GPT-6 Luna circa 0,15 $. Ember raggiunge lo stesso punteggio di Haiku utilizzando circa un terzo dei token di output, ed è qui che la fattura si riduce.

Per scalare, il modello più grande di Meta, Muse Spark 1.3, ottiene un punteggio di 37 sullo stesso indice, un punto sopra Ember, ma costa 2,39$ per compito, circa 17 volte più di Ember. Lo scambio è chiaro: un punto indice extra per 17 volte il costo del compito.

Benchmark: dove vince Ember e dove perde

Meta ha pubblicato dieci confronti diretti con il massimo sforzo di ragionamento. Il divario più grande riguarda i flussi di lavoro aziendali, il più piccolo sul codice fusionabile.

Leggi la tabella con attenzione. Il risultato di spicco di Ember è AutomationBench-AA, che gestisce 657 flussi di lavoro reali di business: 37,8% contro il 13,9% di Haiku, quasi tre volte superiore. Guida anche la codifica agentica in Terminal-Bench e sull'Indice degli Agenti di Codifica, che misura il modello all'interno del suo reale harness di codifica.

Ma FrontierCode 2.0-AA, il test più vicino al codice che puoi unire senza modifiche, va nella direzione opposta: Haiku 5.5 ottiene il 34,9% contro il 27,2% di Ember. E sull'indice principale stesso, il pareggio è arrotondato: non arrotondato, Haiku è 36,2 e Ember 35,8. Stesso punteggio sul grafico, un piccolo vero divario sotto. Meta ha anche eseguito quattro dei dieci confronti e definisce le run rivali il miglior risultato, quindi considera i numeri come riportati dal fornitore.

Quale modello scegliere

Scegli Muse Ember se esegui agenti a volume: supporto triage, estrazione documenti, instradamento, chiamate agli strumenti e sottotask di codifica ripetuti. La finestra contestuale da 1M e il costo di 0,14$ per compito lo rendono il modo più economico per eseguire intelligenza a livello Haiku tutto il giorno. Guarda il livello 200K di token, dove i prezzi triplicano.

Scegli Claude Haiku 5.5 se il tuo agente scrive codice che deve essere integrato in modo pulito, oppure se hai bisogno di un accordo e di un ecosistema di elaborazione dati consolidati. Costa circa tre volte di più per compito per lo stesso punteggio dell'indice, ma vince il benchmark del codice fusionabile con un ampio margine.

Scegli GPT-6 Luna se vuoi l'opzione economica a basso rischio all'interno dell'ecosistema di OpenAI. È dietro a entrambi i rivali nell'indice a 28, ma il suo costo per compito è quasi basso quanto quello di Ember, e pareggia Ember per il lavoro a lunga documentazione.

Per i team che costruiscono agenti, la mossa pratica è una divisione: Ember per i passaggi ripetitivi ad alto volume, e un modello più solido per il codice finale o la decisione che deve essere corretta. Questo è esattamente il carico di lavoro per cui è stata creata Ember. Se stai pianificando questo tipo di configurazione, la nostra guida ai servizi di sviluppo agenti AI spiega quanto costa costruire un sistema agente, e puoi anche assumere un'agenzia di automazione AI per costruirlo per te.

Anthropic non è nemmeno ferma. Il suo nuovo modello frontier Claude Fable 5.2 ha conquistato il primo posto sullo stesso indice a 65, e il modello di punta OpenAI, GPT-6 Astra, è il modello contro cui vengono misurati i fratelli maggiori di Ember. La gara dei modelli piccoli ora riguarda il costo per compito finito, non il costo per gettone, e Ember ha appena fissato il numero da battere: $0,14.

Domande frequenti

Cos'è Meta Muse Ember?

Muse Ember è il modello di IA più piccolo ed efficiente di Meta, lanciato il 9 novembre 2026. È progettato per il lavoro ripetitivo che gli agenti AI svolgono tutto il giorno: chiamate di strumenti, sottotask di codifica, routing, estrazione e analisi di lunghi documenti. È disponibile come muse-ember-1.0 sull'API Meta Model e sul codice Muse.

Quanto costa Muse Ember?

Muse Ember costa 0,10 dollari per milione di token di input e 0,50 dollari per ogni milione di token di output per prompt fino a 200.000 token, con input in cache a 0,004 dollari. Sopra i 200.000 token i tassi salgono a 0,30 dollari in ingresso, 0,012 dollari in cache e 1,50 dollari in uscita. Nei benchmark di Analisi Artificiale si ottiene in media circa 0,14 dollari per compito.

Muse Ember è migliore di Claude Haiku 5.5?

Nell'Indice di Intelligenza dell'Analisi Artificiale entrambi ottengono un punteggio di 36 al massimo di ragionamento, e Ember costa circa un terzo per ogni compito. Ember vince anche molto nei flussi di lavoro aziendali (37,8% contro 13,9% su AutomationBench-AA). Haiku 5.5 è più forte sul codice fusionabile, ottenendo il 34,9% contro il 27,2% di Ember su FrontierCode 2.0-AA.

Muse Ember è open source?

No. Meta non ha rilasciato i pesi. Muse Ember è un modello solo API, disponibile tramite Meta Model API, Muse Code, Google Cloud e Oracle Cloud.

Qual è la finestra di contesto di Muse Ember?

Muse Ember ha una finestra di contesto da 1.048.576 token (1M) e supporta fino a 524.288 token di output (512K) per richiesta. Accetta testo, immagini, audio e video come input.

Fonti: Meta AI Research, "Introducing Our Smallest and Most Efficient Model: Muse Ember", 9 novembre 2026; Artificial Analysis Intelligence Index v5, 9 novembre 2026. I dati dei benchmark sono come pubblicati da Meta e riportati dai fornitori.

• Muse Ember
• Meta Muse
• Claude Haiku 5.5
• GPT-6 Luna
• AI benchmarks