Meta Superintelligence Labs (MSL) засега се справя отлично. След успехите на Muse Spark през октомври представи върховите модели Muse Wonder и Wonder Full, а сега пристигна и другата крайност — Ember, най-малкият представител на семейството Muse досега.
Meta отделя огромни суми за развитието и разпространението на езиковите си модели и предоставя на потребителите щедри лимити за ползване дори без абонамент. Новият Muse Ember се вписва отлично в тази стратегия, тъй като работата с него ще струва много по-малко, отколкото с който и да е предишен модел Muse. Както ще видим, разликата наистина може да бъде драстична.
„Разработихме новия модел за задачи със сложни логически разсъждения и за дейностите, които агентите повтарят през целия ден: силните му страни ще бъдат извикването на инструменти, програмирането на подзадачи, маршрутизирането, извличането на данни и анализът на дълги документи“, заяви Meta.
„Muse Ember предлага повече интелигентност за всеки долар от Anthropic Claude Haiku 5.5 или OpenAI GPT-6 Luna при всяка настройка за разсъждение.“
През тази година Meta напредна с бързи темпове благодарение на Superintelligence Labs. Muse Ember постигна 36 точки в Artificial Analysis Intelligence Index, докато значително по-големият и по-скъп за използване Muse Spark 1.3 събра едва 37 точки — съвсем малка преднина в тази оценка. За постигането на този резултат Muse Ember генерира сметка от едва 0,14 долара, докато Muse Spark 1.3 изразходва токени за 2,39 долара. Така минимално по-доброто представяне излезе над 17 пъти по-скъпо.
Muse Ember е първият модел, обучен с помощта на Muse Wonder Full. При представянето на Muse Wonder и Muse Wonder Full Meta заяви, че ще ги използва, наред с друго, за разработването на специализирани модели, които да намират по-широко приложение. Сега виждаме първия осезаем резултат от това.
Muse Ember е разработен и обучен като изначално мултимодален модел и съответно поддържа текст, изображения, аудио и видео. Той може самостоятелно да обхваща и изпълнява цели работни процеси, без да са необходими няколко модела, което го прави подходящ и за използване като агент. Meta подчерта, че новият модел без затруднения разчита екранни снимки, диаграми и сканирани документи, обработва гласови бележки и записи на срещи и обобщава документи от стотици страници. Съществено е и че може самостоятелно да управлява компютри.
Meta показа възможностите на Muse Ember в сравнение с Claude Haiku 5.5 и GPT-6 Luna. В набиращия популярност тест OSWorld 2.1 Muse Ember постигна резултат от 69,5 %, докато конкурентът от семейството Claude отчете 68,9 %, а моделът на OpenAI завърши с едва 50,5 % успеваемост. При по-строгата, бинарна оценка в същия тест GPT-6 Luna достигна само 17 %, Claude Haiku 5.5 постигна 27,8 %, а Muse Ember се отличи с 33,8 %.
Muse Ember доминира и в AutomationBench, където завърши с 37,8 % успеваемост, докато Claude Haiku 5.5 постигна едва 13,9 %, а GPT-6 Luna — 20,2 %. Този тест оценява способностите на моделите конкретно в корпоративни работни процеси. При задачите по програмиране с агенти Terminal-Bench (4.0) позволява ефективна оценка на потенциала на тези инструменти. В него Muse Ember постигна 40,9 %, следван плътно от силния си конкурент Claude Haiku 5.5 с 39,2 %, докато GPT-6 Luna се представи слабо с 16,4 %.
Сред публикуваните от Meta резултати единствено FrontierCode 2.0 не се оказа благоприятен за Muse Ember. Той постигна едва 27,2 % успеваемост, а Claude Haiku 5.5 се представи значително по-добре с 34,9 %.
Целта на Meta е да създаде персонализиран свръхинтелект чрез модели, които помагат на хората да постигат желанията си, да реализират идеите си, да задълбочават взаимоотношенията си и да действат в подкрепа на важните за тях неща. Muse Ember ще играе много важна роля за добрата мащабируемост и динамичната работа в бъдеще. Компанията загатна също, че в момента обучава още няколко модела с акцент върху ефективността.
Meta подчерта, че моделът е преминал строги проверки за безопасност, насочени към откриване на рискове за киберсигурността и автономно поведение.
След като се представи добре на тестовете, моделът получи зелена светлина за пускане. Той разполага с подходящи защити срещу използването му за създаване на химически и биологични оръжия и представлява ниска заплаха за киберсигурността. Стана ясно също, че въпреки по-малкия си размер трябва да покрива същите изисквания за безопасност и надеждност като по-големите модели.
Muse Ember стана достъпен за разработчиците веднага чрез Meta Model API и в средата за програмиране Muse Code. Той разполага с контекстен прозорец от 1 милион токена, който позволява обработването на цяла кодова база или колекция от документи в рамките на един работен процес. Поддържа до 512 хиляди изходни токена, което е добра новина за модел от този клас.
Meta съобщи също, че достъп е осигурен и през инфраструктурата на Google Cloud и Oracle Cloud. Накрая — разходите: според съобщението обработката на 1 милион входни токена ще струва едва 0,10 долара, а същото количество изходни токени ще струва 0,5 долара. Предлага се и кеширане, при което повторното използване на данните може да свали разходите до 0,004 долара.

































