Ein weiteres Star-Team ist auf den Lightweight-Modell-Parcours gestiegen. Meta stellte am 10. November das Muse Ember vor, das als ihr „bislang kleinster und effizientester“ Modell gilt und speziell für komplexe Rechenaufgaben sowie tägliche Aufgaben, die von KI-Systemen wiederholt ausgeführt werden, entwickelt wurde. Es konkurriert nicht um die Größe der Parameter, sondern nur um den Preis-Leistungs-Verhältnis.
Die Leistung schließt sich Haiku an, die Rechnung bleibt nur noch eine Kleinigkeit
In der Artificial Analysis-Liste kann die Gesamtleistung von Muse Ember mit Claude Haiku 5.5 konkurrieren, doch der Kostenaufwand für eine einzelne Aufgabe ist nur ein Drittel des Gegenübers, und sie hat in mehreren Tests GPT-6 Luna übertroffen. Beispielsweise erzielte sie bei AutomationBench-AA 37,8 Punkte, was weit über den 13,9 Punkten von Haiku und den 20,2 Punkten von Luna liegt; auch in Bereichen wie Programmierung von KI-Agenten und Verarbeitung langer Dokumente ist sie führend.
Einmal den gesamten Code-Bestand hinunterschlucken
Ember mit einem Kontextfenster von 1 Million Tokens kann maximal 512.000 Tokens ausgeben, was bedeutet, dass eine einzige Anfrage den gesamten Code-Stack oder einen ganzen Stapel Dokumente liefern kann. Der Agent kann in einer einzigen Sitzung Hunderte von Programmierunteraufgaben gleichzeitig ausführen – Dateien lesen, Tests durchführen und Bugs beheben – alles in einem Rutsch.
Es ist auch ein nativer Allrounder: Text, Bilder, Audio, Video – alles ist möglich. Screenshots, Diagramme, Scans, Konferenzaufnahmen und Videos werden ebenfalls unterstützt, ohne dass weitere Modelle erforderlich sind. Sicherheitshalber wurde vor der Veröffentlichung durch das Meta SI-Framework bewertet; das Risiko liegt unter der hohen Risikowarnung. Der Preis ist günstig: 0,10 US-Dollar pro Million Token für Eingabe und 0,50 US-Dollar für Ausgabe – die Lösung ist bereits in der Meta Model API, Google Cloud und Oracle Cloud verfügbar.