Un modello compatto pensato per gli agenti
Meta ha annunciato Muse Ember, descritto dall'azienda come il proprio modello di intelligenza artificiale più piccolo ed efficiente finora realizzato. Secondo quanto riportato da IT之家, il modello è pensato per l'esecuzione di compiti di ragionamento complessi e per il lavoro ripetitivo che gli agenti software svolgono quotidianamente. L'annuncio sposta quindi l'attenzione dal solo punteggio di riferimento a due aspetti concreti per chi sviluppa applicazioni: il costo per singola operazione e la capacità di gestire sessioni lunghe senza cambiare modello.
Il dato centrale è economico. Meta afferma che, nella graduatoria di Artificial Analysis, Muse Ember si colloca allo stesso livello di Claude Haiku 5.5 ma con un costo per singola attività pari a circa un terzo; l'azienda sostiene inoltre che il modello superi GPT-6 Luna in diverse prove. Si tratta di dichiarazioni del produttore, riportate dalla fonte, e non di verifiche indipendenti: i valori vanno attribuiti a Meta e alle sue valutazioni.
I numeri del confronto e le capacità tecniche
L'articolo elenca i risultati del modello rispetto a Claude Haiku 5.5 e GPT-6 Luna in diverse aree. Muse Ember ottiene 37,8 su AutomationBench-AA, prova sui flussi di lavoro aziendali end-to-end, contro 13,9 e 20,2; 61,6 su Agents' Last Exam (57,0 e 57,1); 46,8 sul Personal Superintelligence Index (36,1 e 37,0). Nel campo della programmazione segna 40,9 su Terminal-Bench 4.0 (39,2 e 16,4) e 46 sull'indice Coding Agent-AA (37 e 31), mentre su FrontierCode 2.0-AA, che valuta la possibilità di integrare il codice prodotto, si ferma a 27,2 contro i 34,9 di Claude Haiku 5.5. Sulle competenze multimodali ottiene 22,8 su GDP.pdf-AA, 69,5 su OSWorld 2.1 e 80,6 su PerceptionBench. Nell'indice complessivo Artificial Analysis Index i due modelli risultano appaiati a 36, davanti ai 28 di GPT-6 Luna. Il confronto mostra quindi un quadro disomogeneo più che una superiorità netta: il modello di Meta prevale in alcune prove operative, ma non in tutte.
Sul piano delle capacità, Muse Ember dispone di una finestra di contesto da un milione di token e può produrre fino a 512.000 token di output, quantità che secondo la fonte consentono di trattare un intero archivio di codice o una serie completa di documenti in un'unica chiamata. Il modello è inoltre descritto come nativamente in grado di comprendere testo, immagini, audio e video, così da leggere schermate, grafici e documenti scansionati, elaborare registrazioni vocali e video e operare sul computer a partire da una schermata. Queste caratteristiche spiegano l'orientamento verso l'uso agentico: un solo modello può seguire più passaggi di lavoro senza ricorrere a componenti separati.
Sicurezza, disponibilità e punti ancora da chiarire
Meta dichiara che Muse Ember è stato sottoposto, prima della pubblicazione, al proprio quadro di valutazione SI e che tutti i test hanno indicato un livello di rischio inferiore alla soglia alta fissata dal quadro stesso. Anche in questo caso si tratta di una valutazione interna all'azienda, riportata dalla fonte e non di un audit esterno.
Il modello è disponibile da subito tramite Meta Model API, Google Cloud e Oracle Cloud. Il prezzo indicato è di 0,10 dollari per milione di token in ingresso e 0,50 dollari per milione di token in uscita. Resta da verificare in modo indipendente l'effettiva equivalenza con Claude Haiku 5.5 e il rapporto di costo citato, così come la tenuta delle prestazioni nelle applicazioni reali rispetto ai test presentati.
