Inilabas ni Meta ang Muse Ember, na itinuturing na pinakamaliit at pinakaepektibong modelo nito. Hindi ito para sa paghahambing sa pinakakomplikadong mga gawain sa pag-iisip, kundi espesyal na disenyo para sa mga karaniwang gawain ng isang Agent—tulad ng tuloy-tuloy na paggamit ng mga kasangkapan, paghahanap at pagkuha ng impormasyon, pagbabasa ng code, pagpapatakbo ng mga pagsubok, lokal na pagbabago sa mga file, at paghawak ng mahahabang dokumento. Ang modelo ay may 1 milyong token na konteksto at may native na pag-unawa sa teksto, imahe, audio, at video. Malinaw ang paghahati ng gawain ni Meta: ang Muse Wonder ay responsable sa paglutas ng mga mahirap na problema, habang ang Ember ay nagtatapos sa malaking bilang ng mga espesipikong gawain. Ang totoo nang napapansin ay ang gastos. Ang standard na presyo ng API para sa Muse Ember ay $0.10 bawat milyong token na input at $0.50 bawat milyong token na output. Sa Artificial Analysis Intelligence Index, nakakuha ito ng 36 puntos, na katumbas ng pinakamataas na antas ng Claude Haiku 5.5 at mas mataas kaysa sa lahat ng antas ng pag-iisip ng GPT-6 Luna. Ngunit para sa isang benchmark task, ang Ember ay nangangailangan lamang ng halos $0.14, habang ang Haiku 5.5 ay nangangailangan ng $0.41. Kakaibang detalye: ang presyo ng input at output tokens ng parehong modelo ay eksaktong magkakapareho. Bakit mas mura ng tatlong-kahon ang Ember? Ayon sa Artificial Analysis, mas mura ang presyo ng cached input nito, at ang paggamit ng output tokens nito ay lamang isang-katlo ng Haiku. Ito ang tunay na makapagpapalakas na pagpapababa ng gastos sa panahon ng Agent. Dapat hindi lamang makapagtrabaho ang modelo, kundi dapat din maging maingat sa pagsasalita at paggamit ng resources—at bawasan ang bawat hakbang sa paulit-ulit na pagpapatupad. Mas kakaibang detalye: ang Ember ay nagsisimula nang kumita sa sariling malalaking modelo. Sa parehong pagsubok ng Artificial Analysis, ang Muse Spark 1.3 ay may 37 puntos, habang ang Ember ay 36 puntos—ngunit ang bawat task cost ay $2.39 para sa Spark at $0.14 para sa Ember, isang pagkakaiba ng halos 17 beses. Siyempre, hindi ganap na nananalo ang Ember. Sa FrontierCode 2.0 test na sinusukat ang practical na pagkakasundo ng code, nananatili pa rin itong paa sa likod ng Haiku 5.5. Pagkatapos ay dinala ni Meta ang Ember, Wonder, at Spark 1.3 sa Google Cloud at Oracle Cloud. Sa kasalukuyan, nasa preview stage pa lamang ang Google Cloud, at ang Ember ay kumikilos lamang para sa teksto at imahe. Sa palagay ko, ang tunay na mensahe na inilabas ni Meta ay: ang kompetisyon sa malalaking modelo ay nagbabago mula sa isang simpleng pagsusuri ng intelektuwal na kapasidad, patungo sa isang detalyadong paghahati ng puwersa. dati, pinag-uusapan kung aling modelo ang pinakamatalino. Sa hinaharap, mas mahalaga para sa mga developer kung aling mga gawain ay dapat ibigay sa pinakamatalinong modelo, at aling mga gawain ay sapat na ibigay sa isang mura—17 beses mas mura—na modelo. Sapagkat ang isang Agent ay hindi nagdadala ng halaga dahil sa isang makabuluhang pag-iisip—kundi dahil sa daan-daang simpleng operasyon na maingat at tiyak na natutupad. Ang pinakamatalinong modelo ang tumutukoy sa limitasyon ng kakayahan ng Agent; subalit ang pinakamura at sapat na matalinong modelo—ay maaaring tumukoy kung magiging isang kita-pananagutan ba ito.