Meta выпустила Muse Ember — самую маленькую и эффективную модель в своем арсенале. Она не предназначена для решения самых сложных задач рассуждения, а специализируется на наиболее частых операциях, с которыми сталкиваются агенты: последовательном вызове инструментов, поиске и извлечении информации, чтении кода, запуске тестов, локальном редактировании файлов и обработке длинных документов. Модель поддерживает контекст до 1 миллиона токенов и нативно понимает текст, изображения, аудио и видео. У Meta четкое разделение обязанностей: Muse Wonder решает сложные задачи, а Ember выполняет огромное количество рутинных операций. Наиболее примечательно — стоимость. Стандартная цена API для Muse Ember составляет 0,10 доллара за миллион входных токенов и 0,50 доллара за миллион выходных токенов. В Artificial Analysis Intelligence Index она набрала 36 баллов — столько же, сколько и у Claude Haiku 5.5, и больше, чем у всех уровней рассуждения GPT-6 Luna. Однако для выполнения одного тестового задания Ember в среднем требует всего около 0,14 доллара, тогда как Haiku 5.5 — 0,41 доллара. Интересно, что цены за входные и выходные токены у обеих моделей идентичны. Почему же Ember дешевле на две трети? Artificial Analysis объясняет это тем, что стоимость кэширования входных данных у Ember ниже, а потребление выходных токенов составляет лишь примерно треть от Haiku. Вот в чем настоящая, по-настоящему мощная эффективность в эпоху агентов: модели должны не только уметь выполнять задачи, но и говорить меньше, потреблять меньше ресурсов и снижать стоимость каждого шага при повторяющихся операциях. Еще интереснее то, что Ember уже начинает отбирать работу у собственных крупных моделей. В том же тесте Artificial Analysis Muse Spark 1.3 показала интеллектуальный индекс 37 баллов, а Ember — 36 баллов. Однако стоимость выполнения одной задачи составляет 2,39 доллара у Spark и всего 0,14 доллара у Ember — разница в ~17 раз. Конечно, Ember не превосходит Haiku 5.5 во всем. В тесте FrontierCode 2.0, оценивающем реальную пригодность сгенерированного кода к слиянию, она все еще уступает Haiku 5.5. Позже Meta развернула Ember, Wonder и Spark 1.3 на Google Cloud и Oracle Cloud. На Google Cloud модель пока находится в стадии предварительного просмотра, и Ember поддерживает только текстовые и изображения в качестве входных данных. Я считаю, что настоящий сигнал, который Meta выпустила этим анонсом, заключается в следующем: конкуренция крупных моделей переходит от одномерного соревнования интеллекта к тонкой системе распределения труда. Раньше все спорили, какая модель самая умная. В будущем разработчики будут больше интересоваться тем, какие задачи стоит поручить самой умной модели за деньги, а какие можно доверить дешевой модели, которая стоит в 17 раз дешевле. В конце концов, настоящая ценность агента определяется не редкими впечатляющими рассуждениями, а надежным выполнением сотен обычных операций. Самая умная модель определяет потенциал агента. Но самая дешевая и при этом достаточно умная модель может решить, сможет ли агент стать прибыльным бизнесом.