Meta meluncurkan Muse Ember, yang diklaim sebagai model terkecil dan paling efisien di bawah naungannya. Model ini tidak dirancang untuk menantang tugas penalaran paling kompleks, tetapi secara khusus ditujukan untuk menangani pekerjaan paling sering dilakukan oleh Agent—seperti pemanggilan alat berulang, pencarian dan ekstraksi informasi, pembacaan kode, menjalankan pengujian, modifikasi sebagian file, serta penanganan dokumen panjang. Model ini memiliki konteks hingga 1 juta token dan secara native memahami teks, gambar, audio, dan video. Pembagian peran Meta sangat jelas: Muse Wonder bertanggung jawab menyelesaikan masalah sulit, sementara Ember menangani sejumlah besar tugas spesifik. Yang benar-benar patut diperhatikan adalah biayanya. Harga standar API Muse Ember adalah $0,10 per juta token input dan $0,50 per juta token output. Di Artificial Analysis Intelligence Index, model ini mendapat skor 36, setara dengan tingkat tertinggi Claude Haiku 5.5, dan lebih tinggi daripada semua tingkat penalaran GPT-6 Luna. Namun, untuk menyelesaikan satu tugas benchmark, Ember rata-rata hanya membutuhkan sekitar $0,14, sedangkan Haiku 5.5 membutuhkan $0,41. Yang menarik, harga per token input dan output kedua model sebenarnya identik. Mengapa Ember bisa lebih murah hingga dua pertiga? Artificial Analysis menjelaskan bahwa harga cache input Ember lebih rendah, dan konsumsi token outputnya hanya sekitar sepertiga dari Haiku. Inilah peningkatan efisiensi yang benar-benar mematikan di era Agent. Model tidak hanya harus bisa bekerja, tetapi juga harus berbicara lebih sedikit dan mengonsumsi lebih sedikit sumber daya—menekan biaya setiap langkah dalam eksekusi berulang. Yang lebih menarik lagi, Ember bahkan mulai merebut bisnis model besar miliknya sendiri. Dalam pengujian Artificial Analysis yang sama, indeks kecerdasan Muse Spark 1.3 adalah 37, Ember adalah 36, tetapi biaya per tugas masing-masing adalah $2,39 dan $0,14—selisih sekitar 17 kali lipat. Tentu saja, Ember tidak unggul secara menyeluruh. Dalam pengujian FrontierCode 2.0 yang mengukur kelayakan penggabungan kode teknis nyata, ia masih kalah dari Haiku 5.5. Setelah itu, Meta juga membawa Ember, Wonder, dan Spark 1.3 ke Google Cloud dan Oracle Cloud. Saat ini Google Cloud berada dalam tahap preview, dan Ember hanya tersedia untuk input teks dan gambar. Saya merasa sinyal sejati yang dilepaskan oleh peluncuran ini dari Meta adalah: persaingan model besar sedang berubah dari kompetisi kecerdasan tunggal menjadi pembagian tenaga kerja yang halus. Dulu kita memperdebatkan model mana yang paling cerdas; di masa depan, pengembang mungkin lebih peduli pada hal-hal apa yang layak dibayar dengan model paling cerdas, dan hal-hal apa yang cukup ditangani oleh model kecil yang harganya 17 kali lebih murah. Toh, nilai nyata yang diciptakan oleh sebuah Agent tidak selalu berasal dari sekali penalaran luar biasa, tetapi dari ratusan operasi biasa yang dapat dilakukan secara andal. Model paling cerdas menentukan batas kemampuan Agent; model paling murah namun cukup cerdas—mungkin yang menentukan apakah Agent bisa menjadi bisnis yang menghasilkan keuntungan.