Meta Muse Ember: מודל היגיון ב-$0.10 למיליון טוקנים שבנוי לשכבת תת-המשימות של סוכנים
מטא שחררה את Muse Ember ב-9 בנובמבר: מודל היגיון קטן לקריאות כלים, תת-משימות קידוד וניתוח מסמכים, במחיר $0.10 למיליון טוקנים קלט עם חלון קונטקסט של מיליון טוקנים. מטא טוענת לרמת אינטליגנציה של Haiku 5.5 בשליש מהעלות. המספרים, הסייגים, ומתי מודל סאב-סוכן זול הגיוני.
מטא שחררה את Muse Ember ב-9 בנובמבר, והוא משלים קטגוריית מוצר שנבנתה כל השנה: שכבה ייעודית וזולה לצעדים הקטנים והמובנים שסוכנים חוזרים עליהם כל היום. Muse Ember הוא מודל היגיון קטן לקריאות כלים, תת-משימות קידוד, ניתוב, חילוץ וניתוח מסמכים ארוכים, במחיר $0.10 למיליון טוקנים קלט ו-$0.50 למיליון טוקנים פלט, עם חלון קונטקסט של מיליון טוקנים ועד 512 אלף טוקנים פלט. מטא טוענת שהוא משווה את הציון הטוב ביותר של Claude Haiku 5.5 בערך בשליש מהעלות לכל משימה ומנצח כל הגדרת היגיון של GPT-6 Luna. הוא זמין היום ב-Meta Model API כ-muse-ember-1.0, ב-Muse Code, וב-Google Cloud ו-Oracle Cloud. ה-benchmarks הם תערובת של הרצות צד-שלישי של Artificial Analysis והערכות פנימיות של מטא, ופרטי ה-harness משנים, אז קראו את האותיות הקטנות לפני שמנתבים מחדש את צי הסוכנים שלכם.
מה זה Meta Muse Ember
לפי ההכרזה של מטא:
- מודל היגיון קטן שמכוון לעבודה שסוכנים חוזרים עליה: קריאות כלים, תת-משימות קידוד, ניתוב, חילוץ, וניתוח מסמכים ארוכים. מטא ממצבת אותו במפורש כשכבת הנפח מתחת ל-Muse Wonder: "Muse Wonder plans, Muse Ember handles the volume."
- מולטימודלי natively: טקסט, תמונות, אודיו ווידאו במודל אחד, כך שסוכנים יכולים לקרוא צילומי מסך, תרשימים ומסמכים סרוקים בלי מודל ראייה נפרד.
- חלון קונטקסט של מיליון טוקנים עם עד 512 אלף טוקנים פלט, ותמיכה ב-Responses API.
- המודל הראשון שמטא אימנה באמצעות Muse Wonder Full, ומשלים תיק של Muse Wonder (הבעיות הכי קשות), Muse Spark (קידוד וזרימות סוכניות) ו-Muse Ember (משימות חוזרות בקנה מידה).
תמחור וזמינות
- $0.10 למיליון טוקנים קלט, $0.004 למיליון טוקנים קלט מהמטמון, ו-$0.50 למיליון טוקנים פלט.
- הקאץ': המחירים האלה חלים על פרומפטים עד 200 אלף טוקנים. מעבר ל-200 אלף, התמחור משתלשל ל-$0.30 למיליון קלט, $0.012 קלט מהמטמון, ו-$1.50 למיליון פלט. אם התוכנית שלכם היא לדחוף מאגרים שלמים לחלון המיליון ההוא, תמחור השכבה הזולה לא חל עליכם.
- מטא מעריכה בערך $0.14 לכל משימת Artificial Analysis, מול $2.39 ל-Muse Spark 1.3.
- זמין עכשיו ב-Meta Model API כ-muse-ember-1.0 וב-Muse Code. מטא גם אומרת ש-Muse Ember, Muse Spark ו-Muse Wonder זמינים עכשיו ב-Google Cloud וב-Oracle Cloud.
תמונת ה-benchmarks
כל המספרים למטה מפוסט של מטא. חלקם מגיעים מ-Artificial Analysis (צד שלישי, פורסם ב-9 בנובמבר), וכמה הם הערכות פנימיות של מטא. להתייחס לשניהם כמדווחי-ספק עד שיופיע שכפול עצמאי.
- יעילות עלות: במדד האינטליגנציה של Artificial Analysis, מטא אומרת שאף מודל לא משיג יותר בפחות לכל משימה. Ember משווה את הציון הטוב ביותר של Haiku 5.5 (36) בערך בשליש מהעלות, ומנצח את כל הגדרות GPT-6 Luna.
- עבודת סוכנים: AutomationBench-AA 37.8% מול 13.9% ל-Haiku ו-20.2% ל-Luna. Agents' Last Exam 61.6% מול 57.0% ו-57.1%, אבל ההרצה הזו פנימית של מטא, תת-קבוצת Linux.
- קידוד: Terminal-Bench 4.0 ב-40.9% מול 39.2% ל-Haiku ו-16.4% ל-Luna, עם סייג אמיתי: כל מודל רץ ב-harness הטוב ביותר שפורסם לו (mini-swe-agent ל-Ember, Claude Code ל-Haiku, Codex ל-Luna), אז זה מודד מודל-ועוד-harness, לא המודל לבדו. Coding Agent Index-AA 46 מול 37 ו-31.
- נקודות הנגד הכנות בטבלה של מטא עצמה: ב-FrontierCode 2.0-AA (משימות הנדסה אמיתיות שנשפטות על mergeability), Haiku 5.5 מנצח עם 34.9% מול 27.2% ל-Ember. ב-GDP.pdf, Ember תיקו עם Luna ב-22.8%. Ember לא טוב יותר מ-Haiku באופן אחיד; הוא זול יותר באיכות ממוצעת דומה.
- דיווחי שותפים: Cloudflare אומרת ש-Ember רץ עד 30% מהר יותר בזנב מהמודל המקביל שהם בדקו; You.com מדווחת p95 של 2.2 שניות במשימות הקידוד שלה, פי 4 עד 13 מהר יותר ממודלי קוד-פתוח מובילים, עם 36 עד 48% פחות טוקנים פלט.
למה שכבת הסאב-סוכנים משנה
מערכות סוכניות מוציאות את רוב הטוקנים שלהן על הרבה צעדים קטנים מובנים, לא על היגיון עמוק. עד עכשיו, התבנית הרגילה הייתה להריץ מודל חזית אחד על הכל ולספוג את העלות, או לארח עצמאית מודל קוד-פתוח ולספוג את הנטל התפעולי. מודל מתארח ב-$0.10 למיליון טוקנים קלט עם benchmarks סוכניים תחרותיים משנה את חשבון הניתוב: המתכנן יכול להישאר יקר בזמן שחילוץ, קריאות קבצים, הרצות בדיקות ותיקונים נקודתיים עוברים לשכבה הזולה. מייסד Cline אומר בדיוק את זה בהכרזה של מטא, ומתאר את Ember כבנוי-לייעוד לעבודת סאב-סוכנים בתוך harness. השקת Fable 5.2 השבוע מצביעה לאותו כיוון מהקצה העליון: Anthropic מתארת את Fable כמנצח (Orchestrator) שמאציל למודלים קטנים יותר. התעשייה מתכנסת על היררכיות מודלים מפורשות בתוך מערכת סוכנית אחת.
מה אני הייתי בודק
ההצעות שלא נבדקו שלי לפני שמאמצים:
- להכיל benchmark על Ember על עקבות הסוכנים שלכם, במיוחד המשימות שאתם חוזרים עליהן הכי הרבה: חילוץ, הרצת בדיקות, סיכום קבצים. המדדים המצרפיים מסתירים שונות בין משימות.
- לשים לב לצוק התמחור של 200 אלף הטוקנים. קריאות קונטקסט ארוך עולות פי 3, אז אסטרטגיית חלוקה לצ'אנקים משנה יותר מהמחיר הראשי.
- לבדוק את תעריף הקלט מהמטמון ($0.004 למיליון) עם קידומות יציבות; במחיר הזה, משמעת prompt caching מחזירה את עצמה מהר.
- לשחזר את טענות ההשהיה על עומס העבודה שלכם. השהיית זנב היא מה שמשתמשים מרגישים, וציטוטי שותפים נאצרים.
- לשמור את Haiku 5.5 בתערובת למשימות קוד-mergeable; הטבלה של מטא עצמה מראה את Haiku מקדים ב-FrontierCode 2.0-AA.
מה לא הייתי מסיק
לא להסיק ש-Ember מנצח את Haiku 5.5 בכלליות: במדד הראשי של Artificial Analysis הם תיקו ב-36, ו-Haiku מנצח את benchmark ה-mergeability בטבלה של מטא עצמה. לא להתייחס להערכות הפנימיות (Agents' Last Exam, PSI, OSWorld) כראיה עצמאית. לא להניח שההובלה ב-Terminal-Bench עוברת ל-harness שלכם, כיוון שכל מודל נבדק ב-harness אחר. ולא לתכנן סביב משקלים פתוחים: הפוסט של מטא מתאר גישת API מתארחת בלבד, בלי אזכור לשחרור משקלים.
שאלות נפוצות
מה זה Meta Muse Ember?
המודל הקטן והיעיל ביותר של מטא, ששוחרר ב-9 בנובמבר, ומתוכנן לצעדים החוזרים והמובנים שסוכנים מבצעים: קריאות כלים, תת-משימות קידוד, ניתוב, חילוץ, וניתוח מסמכים ארוכים. הוא מולטימודלי natively על פני טקסט, תמונות, אודיו ווידאו.
כמה עולה Muse Ember?
$0.10 למיליון טוקנים קלט, $0.004 למיליון טוקנים קלט מהמטמון, ו-$0.50 למיליון טוקנים פלט, לפרומפטים עד 200 אלף טוקנים. פרומפטים ארוכים יותר עולים $0.30 למיליון קלט ו-$1.50 למיליון פלט.
איפה אפשר להשתמש בו?
ב-Meta Model API כ-muse-ember-1.0, ב-Muse Code, וב-Google Cloud ו-Oracle Cloud. הוא תומך ב-Responses API ומציע חלון קונטקסט של מיליון טוקנים עם עד 512 אלף טוקנים פלט.
האם Muse Ember טוב יותר מ-Claude Haiku 5.5?
במספרים של מטא, הם תיקו במדד האינטליגנציה של Artificial Analysis ב-36, ו-Ember עולה בערך שליש לכל משימה. Ember מוביל ברוב benchmarks הסוכנים והקידוד שמטא פרסמה, אבל Haiku מנצח ב-FrontierCode 2.0-AA, ה-benchmark הכי קרוב לעבודת הנדסה אמיתית הניתנת למיזוג. הטענה של Ember היא יעילות, לא עליונות.
האם Muse Ember קוד פתוח?
ההכרזה של מטא מתארת גישה מתארחת דרך ה-API שלה ושותפי ענן בלבד. היא לא מזכירה שחרור משקלים.
האם ה-benchmarks עצמאיים?
חלקית. נתוני Artificial Analysis הם תוצאות צד שלישי שפורסמו ב-9 בנובמבר, אבל הרצות Agents' Last Exam, מדד Personal Superintelligence ו-OSWorld הן הערכות פנימיות של מטא, ו-Terminal-Bench 4.0 השתמש ב-harness שונה לכל מודל.
מהו צוק התמחור של 200 אלף הטוקנים?
המחירים הראשיים מכסים פרומפטים עד 200 אלף טוקנים. מעל זה, טוקני קלט משתלשלים ל-$0.30 למיליון וטוקני פלט משתלשלים ל-$1.50 למיליון. אם אתם מתכננים להשתמש בחלון המיליון המלא באופן קבוע, תקצבו לפי השכבה הגבוהה.
מקורות
- Introducing Our Smallest, Most Efficient Model: Muse Ember | Meta Research - 9 בנובמבר 2026, נקרא ב-10 בנובמבר 2026. ההכרזה, התמחור, הזמינות, טבלאות ה-benchmark, הערות ה-harness, סיכום הערכת הבטיחות, וציטוטי השותפים.
- ניוזלטר TLDR AI, 10 בנובמבר 2026 - הטיפ שהעלה את ההשקה ואת מסגור ההשוואה ל-Claude Haiku 5.5.
לא נקרא: דוח ההערכה של Muse Ember שמצוטט בפוסט, לוח המובילים של Artificial Analysis עצמו, ומסמך Superintelligence Scaling Framework של מטא. כל נתוני ה-benchmarks מדווחים או נאצרו על ידי הספק; לא הרצתי את המודל.
קריאה נוספת
- Claude Fable 5.2 ו-Mythos 5.2: דגמי השיא של Anthropic זולים יותר, מהירים ב-30%, ועם מצב מהיר פי 2.5
Anthropic שחררה את Claude Fable 5.2 ו-Mythos 5.2 ב-9 בנובמבר: אותו מודל בסיסי, $8/$40 למיליון טוקנים, מצב מהיר אופציונלי פי 2.5, ו-benchmarks שמובילים על Opus 5.5 בערך בחצי מהעלות לכל משימה. מה שוגר, מתי להשתמש, והקאצ'ים.
- Google TPU 8tx ו-8i Max: הסקה מסווגת וקונטקסט של מיליון טוקנים מקבלים מערכות ייעודיות
גוגל הכריזה על TPU 8tx ו-TPU 8i Max ב-9 בנובמבר והשלימה ארבע מערכות TPU מהדור השמיני בשנה אחת: 8t לאימון, 8i להיגיון, 8tx להסקה מסווגת ברמת החומרה, ו-8i Max לחלונות קונטקסט ענקיים. מה כל מערכת עושה, סטאק התוכנה הפתוח סביבן, ומה עדיין לא הוכרז.
- ממצאי זיכרון הסוכנים של Anthropic: פתק שגוי אחד יכול ללולא את הסוכן שלכם, ו-'חלימה' מתקנת את זה
Anthropic פרסמה איך היא בונה זיכרון לסוכני Claude: היררכיית ארבע שכבות, מעברי 'חלימה' לא מקוונים שמתקנים פתקים מול התמלילים, והערכות שמראות שפתק שגוי אחד לכד סוכן בלולאה. הכללים המעשיים לכל מי שבונה זיכרון לסוכנים.
יומן הבנייה
לעקוב אחרי העבודה.
מאמרים ואבטיפוסים חדשים, ישר לקורא ה-RSS שלכם. מנויי המייל בהשהיה זמנית, עד שאחבר שירות משלוח עובד. לא נאסף כאן אימייל.
עקבו ב-RSS