Muse Ember؛ کوچیکترین و بهصرفهترین مدل متا برای ایجنتها
خلاصهٔ کاملتر
متا تو این پست Muse Ember رو معرفی کرده، کوچیکترین و کممصرفترین مدلش. این مدل برای کارهایی ساخته شده که ایجنتها کل روز تکرارشون میکنن: صدا زدن ابزارها، تسکهای کوچیک کدنویسی، routing، استخراج داده و خوندن اسناد طولانی. به گفته متا، این مدل به ازای هر دلار هوش بیشتری از Claude Haiku 5.5 و GPT-6 Luna تو هر تنظیم reasoning داره.
طبق ادعای متا، Muse Ember به بهترین امتیاز Haiku با حدود یکسوم هزینه میرسه و از همه تنظیمات Luna بهتره. روی leaderboard کامل Artificial Analysis هم روی مرز بهرهوری قرار گرفته، یعنی هیچ مدلی با هزینه کمتر امتیاز بالاتری نگرفته. هزینه هر تسک Artificial Analysis براش حدود 0.14 دلاره.
از نظر قابلیت، context یک میلیون توکنی داره و تا 512K توکن خروجی میده، پس میتونه یه codebase یا مجموعه سند کامل رو تو یه درخواست بخونه. متن، تصویر، صدا و ویدیو رو هم بهصورت native میفهمه. یعنی ایجنت بدون مدل جداگونه میتونه اسکرینشات، نمودار یا جلسه ضبطشده رو بخونه و حتی کامپیوتر رو از روی اسکرینشات کنترل کنه. متا پیشنهاد میده برای مسائل سخت، Muse Wonder برنامهریزی کنه و Muse Ember حجم کار رو انجام بده.
متا میگه این مدل با وجود کوچیک بودن، همون آموزش و تست ایمنی اصلی رو گذرونده و تو ارزیابیهای Meta Superintelligence Scaling Framework زیر آستانههای پرخطر مونده. مقاومتش در برابر دستورهای مخفی تو صفحههای وب، اسناد و خروجی ابزارها هم بررسی شده. Muse Ember اولین مدلیه که با کمک Muse Wonder Full آموزش دیده.
این مدل با شناسه muse-ember-1.0 روی Muse Code و Meta Model API در دسترسه و از Responses API پشتیبانی میکنه. قیمتش 0.10 دلار برای هر میلیون توکن ورودی، 0.004 دلار برای ورودی کششده و 0.50 دلار برای خروجیه. خانواده Muse روی Google Cloud و Oracle Cloud هم عرضه شده.
نکات کلیدی:
- شناسه مدل تو API برابر muse-ember-1.0 هست.
- قیمت برای هر میلیون توکن: 0.10 دلار ورودی، 0.004 دلار ورودی کششده و 0.50 دلار خروجی.
- context یک میلیون توکنی و حداکثر 512K توکن خروجی داره.
- طبق ادعای متا، به بهترین امتیاز Claude Haiku 5.5 با حدود یکسوم هزینه میرسه.
- اولین مدل متا که با Muse Wonder Full آموزش دیده.




