Muse Ember: 36 очков Haiku за треть стоимости

Meta запустила Muse Ember 9 ноября 2026 года, и этот заголовок трудно игнорировать: он соответствует Claude Haiku 5.5, занимающему 36-е место в Индексе искусственного аналитического интеллекта, при этом стоит примерно в три раза дороже за задачу. Ember — самая маленькая и дешёвая модель Muse от Meta, созданная для повторяющейся работы агентов ИИ весь день: вызовы инструментов, подзадачи по программированию, маршрутизация, извлечение и разбор длинных документов.

Загвоздка кроется в мелком шрифте. Цены на токены идентичны Haiku 5.5 и GPT-6 Luna. Ember побеждает по стоимости за задачу, потому что использует гораздо меньше токенов для достижения того же результата. И на одном бенчмарке, который ближе всего к реальному объединяемому коду, Haiku всё равно явно побеждает. В этом посте сравниваются все три модели по цене, бенчмаркам и нагрузкам, для которых каждая из них действительно рассчитана.

Быстрый вердикт

Все оценки оцениваются на максимальном уровне рассуждения, как сообщила Meta на основе данных Artificial Analysis от 9 ноября 2026 года. Бенчмарки, опубликованные поставщиком, отчётываются поставщиком до независимого повторного тестирования.

Что такое Muse Ember

Ember — четвёртая модель в семействе Muse от Meta. Muse Spark появилась в апреле 2026 года как средневесная модель, Glimmer — в августе как открытый twin, а модель Frontier Muse Wonder была выпущена в октябре. Ember — самая маленькая, и Meta называет её самой эффективной моделью в семье.

Это мультимодальная модель: она принимает текст, изображения, аудио и видео в одном звонке, чтобы агент мог читать скриншоты, диаграммы, отсканированные документы, голосовые записки и видео без отдельной модели. Окно контекста — 1 048 576 токенов (1 М), с до 524 288 выходных токенов (512 К) на запрос. Этого достаточно, чтобы подать целую кодовую базу или большой набор документов в один вызов.

Сейчас она доступна в виде muse-ember-1.0 на API Meta Model и в Muse Code, а также в Google Cloud и Oracle Cloud. Веса закрыты, так что это модель только с API, а не открытая загрузка. Meta также заявляет, что Ember — первая модель, обученная Muse Wonder Full, своей модели Frontier, и что даже более дешёвые модели уже проходят обучение. В тот же день Meta также выпустила Muse на Apple Watch и Wear OS.

Цены: та же цена, совсем другой счет

Вот что большинство заголовков ошибаются. Цены за токен в Ember точно такие же, как у Haiku 5.5 и GPT-6 Luna. Экономия достигается за счет эффективности, а не более дешёвых карт.

Более высокий уровень применяется ко всему запросу, когда он превышает 200 000 токенов, поэтому звонки длинного контекста стоят в три раза дороже за токен. Реальная сумма, за которой стоит следить, — это стоимость за выполненную задачу. В бенчмарках искусственного анализа Ember в среднем составляет около $0.14 за задачу, Haiku — около $0.41, а GPT-6 Luna — около $0.15. Ember достигает того же результата, что и Haiku, используя примерно треть выходных токенов, и именно здесь счет сокращается.

По масштабу, собственная крупная модель Meta Muse Spark 1.3 набирает 37 баллов по тому же индексу, на один пункт выше Ember, но стоит $2.39 за задачу, примерно в 17 раз дороже, чем у Ember. Сделка очевидна: один дополнительный индекс за 17-кратную стоимость задачи.

Ориентиры: где Ember побеждает, а где проигрывает

Meta опубликовала десять сравнений с максимальными усилиями для рассуждения. Наибольший разрыв — в бизнес-рабочих процессах, наименьший — в объединяемом коде.

Внимательно читайте таблицу. Выделяющийся результат Ember — AutomationBench-AA, который запускает 657 реальных бизнес-рабочих процессов: 37,8% против 13,9% у Haiku, что почти в три раза выше. Он также лидирует по агентному кодированию в Terminal-Bench и по индексу Coding Agent Index, который измеряет модель внутри реального кодингового жгута.

Но FrontierCode 2.0-AA, тест, который ближе всего к коду, который можно объединить без правок, работает в обратную сторону: Haiku 5.5 набирает 34,9% против 27,2% у Ember. А по самому индексу заголовков равенство округлено: не округлено, Haiku — 36,2, а Ember — 35,8. Тот же балл на графике, но под ним небольшой реальный разрыв. Meta также провела четыре из десяти сравнений и называет конкурентные результаты лучшими результатами, так что считайте цифры отчётами поставщиков.

Какую модель выбрать

Выбирайте Muse Ember, если запускаете агентов в больших объемах: поддержка сортировки, извлечение документов, маршрутизация, вызовы инструментов и повторяющиеся подзадачи по программированию. Окно контекста в 1 миллион и стоимость $0.14 за задачу делают это самым дешёвым способом запускать интеллект уровня Haiku весь день. Обратите внимание на уровень токенов 200K, где цены утрояются.

Выбирайте Claude Haiku 5.5, если ваш агент пишет код, который должен сливаться чисто, или если вам нужен устоявшийся договор об обработке данных и экосистема. За тот же индекс он стоит примерно в три раза дороже за задачу, но с большим отрывом выигрывает в бенчмарке объединяемого кода.

Выбирайте GPT-6 Luna, если хотите самый низкорисковый и дешёвый вариант в экосистеме OpenAI. Она отстаёт от обоих конкурентов в индексе — 28, но её стоимость за задачу почти такая же низкая, как у Ember, и она сравняется с Ember по работе с длинными документами.

Для команд, строящих агентов, практическим шагом является разделение: Ember — для многообъёмных повторяющихся шагов и более сильная модель для финального кода или решения, которое должно быть правильным. Именно для такой нагрузки и был создан Ember. Если вы планируете такую конфигурацию, наш гайд по сервисам разработки агентов для ИИ объясняет, сколько стоит создание системы агентов, а также вы можете нанять агентство по автоматизации ИИ , чтобы оно её создало.

Anthropic тоже не стоит на месте. Её новая модель frontier Claude Fable 5.2 заняла первое место в том же индексе с 65-м рейтингом, а флагманская модель OpenAI GPT-6 Astra — это модель, с которой оцениваются более крупные собратья Ember. Гонка малых моделей теперь сводится к стоимости за выполненное задание, а не за токен, и Ember только что установила показатель: $0.14.

FAQ

Что такое Meta Muse Ember?

Muse Ember — самая маленькая и эффективная AI-модель Meta, запущенная 9 ноября 2026 года. Она создана для повторяющейся работы агентов ИИ: вызова инструментов, программирования подзадач, маршрутизации, извлечения и разбора длинных документов. Она доступна в виде muse-ember-1.0 в API Meta Model API и Muse Code.

Сколько стоит Muse Ember?

Muse Ember стоит $0.10 за миллион входных токенов и $0.50 за миллион выходных токенов для запросов до 200 000 токенов, при кэшированном входе $0.004. Выше 200 000 токенов ставки повышаются до $0.30 входа, $0.012 кэшированного и $1.50 выхода. В бенчмарках Artificial Analysis он в среднем составляет около $0.14 за задачу.

Muse Ember лучше Claude Haiku 5.5?

В Индексе искусственного анализа оба получают 36 баллов при максимальном рассуждении, а Ember стоит примерно в треть меньше за задачу. Ember также выигрывает крупные результаты в бизнес-рабочих процессах (37,8% против 13,9% на AutomationBench-AA). Haiku 5.5 сильнее на объединяемом коде, набрав 34,9% против 27,2% у Ember на FrontierCode 2.0-AA.

Является ли Muse Ember открытым исходным кодом?

Нет. Meta не публиковала эти значения. Muse Ember — это модель, работающая только с API, доступная через Meta Model API, Muse Code, Google Cloud и Oracle Cloud.

Что такое контекстное окно Muse Ember?

Muse Ember имеет окно контекста на 1 048 576 токенов (1 М) и поддерживает до 524 288 токенов вывода (512 Кб) на один запрос. Он принимает текст, изображения, аудио и видео в качестве входа.

Источники: Meta AI Research, «Представляем нашу самую маленькую и эффективную модель: Muse Ember», 9 ноября 2026 г.; Индекс искусственного анализа интеллекта v5, 9 ноября 2026 года. Показатели бенчмарков опубликованы Meta и представлены поставщиками.

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