Meta Muse Ember cilja jeftinije izvršavanje AI agenata

Meta Superintelligence Lab objavio je Muse Ember, najlakši i najisplativiji model u svojoj Muse porodici, namenjen izvršavanju složenog rezonovanja i ponavljajućih zadataka AI agenata. Meta navodi cenu od 10 centi za milion ulaznih tokena, a Ember je predviđen za pozive alata, podzadatke programiranja, rutiranje, ekstrakciju podataka i parsiranje dugih dokumenata.
Model za rad velikog obima
Meta Ember pozicionira kao model za operativni sloj agentnih sistema, gde je važan odnos cene i tačnosti pri velikom broju zahteva. U poređenju zasnovanom na kompozitnom merilu Artificial Analysis, kompanija ga prikazuje kao povoljniji i sposobniji izbor od modela Anthropic Haiku i OpenAI Luna, dok mu je cena konkurentna otvorenim modelima DeepSeek V4.1 Flash i GLM 5.3 Flash.
Namena nije da jedan model obavlja sve delove procesa. Meta opisuje kombinaciju u kojoj snažniji Muse Wonder utvrđuje pravila za rešavanje konkretnog problema, a Muse Ember zatim primenjuje ta pravila na desetine hiljada slučajeva. Takva podela odgovara, na primer, sistemu korisničke podrške sa velikim brojem sličnih zahteva.
U tom rasporedu Muse Wonder služi za planiranje, dok Ember preuzima obim posla. Povezivanje lakšeg izvršnog modela sa većim modelom za odlučivanje može biti značajno kada se trošak ne meri samo cenom tokena, već ukupnim brojem obrađenih zadataka.
Tekst, slike i zvuk u istom toku rada
Ember je obučen i za rad sa više vrsta ulaza. Meta navodi tekst, slike i audio, pa agent može da čita snimke ekrana, grafikone i skenirane dokumente, ali i da radi na osnovu glasovnih beleški, snimaka sastanaka i videa bez posebnog modela za svaki od tih formata.
Ovo je četvrti model pod brendom Muse. Pre njega su predstavljeni model srednje veličine Spark u aprilu, njegov otvoreni pandan Glimmer u avgustu i napredni Wonder u oktobru. Potrošački proizvod Muse Agent stigao je u septembru, a Meta je početkom meseca počela da uvodi funkcije Spaces i video-ćaskanja.
Šta to znači za poslovnu primenu
Za kompanije koje uvode agente, korisna je podela rada između planiranja i izvršavanja. U okviru predstavljene Muse Wonder modele jači modeli mogu da postave smernice za složenije slučajeve, dok Ember obrađuje standardizovane i učestale korake uz niži trošak po zahtevu.
Praktičan zaključak je da arhitekturu agenata treba projektovati prema vrsti posla: model za odlučivanje treba birati za zahtevne izuzetke, a lakši model za proverljive, obimne radnje koje se neprestano ponavljaju.

