Meta a dévoilé lundi 9 novembre 2026 Muse Ember, son plus petit et plus efficace modèle d'intelligence artificielle à ce jour. Il est spécialement conçu pour les tâches répétitives que les agents IA effectuent toute la journée, telles que les appels d'outils, les sous-tâches de codage, le routage, l'extraction de données et l'analyse de longs documents.
Ce qu'offre Muse Ember
Selon Meta, Ember fournit plus d'intelligence par dollar que Claude Haiku 5.5 d'Anthropic ou GPT-6 Luna d'OpenAI dans n'importe quel réglage de raisonnement. Il égale le meilleur score de Haiku à environ un tiers du coût et dépasse toutes les configurations de Luna. Le modèle se situe à la frontière d'efficacité du classement Artificial Analysis.
Le prix est de 0,10 $ par million de tokens d'entrée et 0,50 $ par million de tokens de sortie. Il dispose d'une fenêtre de contexte de 1 million de tokens et peut générer jusqu'à 512 000 tokens de sortie. Il est multimodal natif, traitant texte, images, audio et vidéo sans modèles séparés.
Performances en benchmarks
Sur l'Artificial Analysis Intelligence Index, Ember atteint 36 au niveau maximum de raisonnement, comme Haiku 5.5, mais à environ 0,14 $ par tâche contre 0,41 $ pour le concurrent. Dans les tests d'agents et de codage, il mène sur plusieurs métriques, bien que Haiku se débrouille mieux sur certaines tâches d'ingénierie réelles comme FrontierCode.
Meta suggère d'associer Ember à des modèles plus grands comme Muse Wonder : Wonder gère la planification complexe tandis qu'Ember exécute le travail répétitif à grand volume.
Disponibilité et contexte
Le modèle est disponible aujourd'hui sur la Meta Model API et Muse Code sous le nom muse-ember-1.0. C'est le quatrième modèle de la gamme Muse, après Spark, Glimmer et Wonder, et le premier entraîné à l'aide de Muse Wonder Full.
Des partenaires comme Box, Cloudflare et Oracle l'ont déjà testé sur des tâches d'entreprise et rapportent une bonne précision, vitesse et efficacité des tokens.
Par Grok
