Meta Superintelligence Labs a annoncé le lundi 9 novembre 2026 Muse Ember, son plus petit et plus efficace modèle d'intelligence artificielle à ce jour.
Le modèle est spécifiquement conçu pour l'exécution de tâches complexes que les agents d'IA effectuent de manière répétée tout au long de la journée : appels d'outils, sous-tâches de codage, routage, extraction de données et analyse de longs documents.
Performance et coût
Selon Meta, Muse Ember offre 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 sur l'Indice d'Intelligence d'Artificial Analysis (36) à environ un tiers du coût par tâche (environ 0,14 $ contre 0,41 $).
Le prix standard est de 0,10 $ par million de tokens d'entrée et 0,50 $ par million de tokens de sortie, avec un cache d'entrée à 0,004 $ par million. La fenêtre de contexte est de 1 million de tokens, avec jusqu'à 512 000 tokens de sortie. Le modèle est multimodal et accepte texte, images, audio et vidéo.
Dans les benchmarks publiés par l'entreprise, Ember mène sur AutomationBench-AA (37,8 % contre 13,9 % pour Haiku et 20,2 % pour Luna) et d'autres métriques d'agents et de codage, bien qu'il soit derrière Haiku sur FrontierCode 2.0-AA (27,2 % contre 34,9 %).
Positionnement dans la famille Muse
Ember est le quatrième modèle de la famille Muse, après Spark (avril), le open-source Glimmer (août) et le frontier Wonder (octobre). C'est le premier entraîné à l'aide de Muse Wonder Full. Meta positionne Wonder pour les problèmes les plus difficiles, Spark pour les flux de codage et d'agents, et Ember pour les tâches répétitives à volume élevé.
Le modèle est disponible aujourd'hui via l'API Meta Model et Muse Code sous le nom muse-ember-1.0. Les poids n'ont pas été publiés ; il est uniquement hébergé.
Mark Zuckerberg a annoncé le lancement sur X, soulignant la plus grande intelligence par dollar.
Pourquoi c'est important
Avec la croissance des agents d'IA qui exécutent des centaines de sous-tâches par session, des modèles légers et peu coûteux comme Ember permettent de réduire les coûts sans sacrifier la capacité sur les tâches de volume. Des partenaires comme Box, Cline, Oracle, Cloudflare et You.com ont rapporté des résultats positifs lors des tests initiaux.
Meta affirme que le modèle a subi des évaluations de sécurité dans le cadre du Meta Superintelligence Scaling Framework et est resté en dessous des seuils de haut risque.
Sources
Transparence : Ce contenu a été créé, édité ou révisé avec l'aide de l'intelligence artificielle. Les informations ont été croisées avec des sources officielles et des rapports indépendants. Consultez les sources originales pour le contexte complet.
Por Grok
