Zuckerberg wypuszcza Muse Ember. Najmniejszy model AI Mety kosztuje za token tyle co Haiku

Mark Zuckerberg zapowiedział najnowszy model AI Meta jednym zdaniem opublikowanym w serwisie X: „Dziś udostępniamy Muse Ember — nasz najmniejszy model, który zapewnia większą inteligencję w przeliczeniu na dolara niż inne modele w swojej klasie”. Wiele relacji z premiery odczytało tę deklarację jako obniżkę cen: Meta miała zaoferować stawki niższe niż w przypadku małych, tanich modeli Anthropic i OpenAI, sprzedawanych deweloperom budującym agentów AI.

To jednak nie obniżka cen — przynajmniej nie tych z cennika. Muse Ember pobiera za każdy token wejściowy i wyjściowy dokładnie tyle samo, co dwaj wskazani konkurenci. Oszczędność, którą reklamuje Meta, jest realna, ale wynika z czegoś innego: z tego, ile tekstu model generuje, zanim dotrze do odpowiedzi. To ciekawsza obietnica niż rabat, a zarazem trudniejsza do zweryfikowania przez kupującego, zanim otrzyma rachunek.

Co wypuściła Meta

Muse Ember to czwarty i najmniejszy model z rodziny Muse, po Spark, Glimmer i Wonder. Meta Superintelligence Labs stworzyło go z myślą o powtarzalnych etapach pracy agenta; jak ujął to Zuckerberg, chodzi o „pomocnicze zadania programistyczne, kierowanie zapytań, ekstrakcję danych i analizę długich dokumentów”. Meta bez ogródek opisuje podział zadań: „Muse Wonder planuje, Muse Ember obsługuje dużą liczbę zadań”. Alexandr Wang, który kieruje Meta Superintelligence Labs, powiedział, że Ember jest pierwszym udostępnionym modelem wytrenowanym z wykorzystaniem Muse Wonder Full, największego modelu Meta.

Polecana lekturaMeta publikuje bezpłatny model AI i oskarża OpenAI o koncentrację władzy

Meta informuje, że Ember obsługuje tekst, obrazy, dźwięk i wideo, ma okno kontekstowe o wielkości miliona tokenów i może wygenerować do 512 000 tokenów w jednej odpowiedzi. To model zamknięty. Nie udostępniono wag do pobrania; działa za pośrednictwem hostowanego przez Meta interfejsu Model API oraz w Muse Code, agencie programistycznym Meta. Jako dodatkowe drogi dostępu wymieniono też Google Cloud i Oracle Cloud.

Skąd bierze się „więcej za dolara”

Meta wycenia Ember na 0,10 dolara za milion tokenów wejściowych i 0,50 dolara za milion tokenów wyjściowych. Jak zauważają MarkTechPost i Fello AI, Claude Haiku 5.5 od Anthropic oraz GPT-6 Luna od OpenAI mają identyczne stawki podstawowe. Jedyną przewagą widoczną w cenniku jest cena za buforowane dane wejściowe — tekst, który model już widział i może wykorzystać ponownie. Ember kosztuje w tym przypadku 0,004 dolara za milion tokenów, a obaj konkurenci po 0,01 dolara.

Różnica ujawnia się w koszcie pojedynczego zadania. W niezależnym zestawie testów Artificial Analysis Intelligence Index Ember uzyskuje 36 punktów — tyle samo co Haiku 5.5 przy najwyższym ustawieniu — a koszt zadania wynosi w jego przypadku około 0,14 dolara wobec 0,41 dolara dla Haiku. Analiza danych Artificial Analysis przeprowadzona przez Fello AI wyjaśnia przyczynę: w całym indeksie Ember wygenerował około 115 milionów tokenów wyjściowych, a Haiku około 298 milionów, przy identycznej stawce za tokeny wyjściowe. Cena za token jest taka sama, ale tokenów potrzeba znacznie mniej. GPT-6 Luna kosztuje za zadanie mniej więcej tyle samo co Ember — 0,15 dolara — lecz zdobywa 28 punktów.

Ma to znaczenie, bo liczby tokenów nie znajdziemy na żadnej karcie z cennikiem. Deweloper porównujący stawki katalogowe zobaczy trzy identyczne modele. Różnica wychodzi na jaw dopiero po uruchomieniu agenta i zależy od zadania, środowiska wykonawczego oraz ustawień rozumowania. W porównaniu Meta zastosowała maksymalny poziom wysiłku przy rozumowaniu; dokumentacja dla deweloperów wskazuje go również jako ustawienie domyślne Ember.

Cena, która rośnie trzykrotnie

Na stronie dla deweloperów Meta podaje drugi próg cenowy, pominięty w komunikatach o premierze. Po przekroczeniu 200 000 tokenów wejściowych Ember kosztuje 0,30 dolara za milion tokenów wejściowych i 1,50 dolara za milion wyjściowych — trzy razy więcej niż wynika ze stawki nagłówkowej. Meta ostrzega w dokumentacji, że żądanie obejmujące długą historię rozmowy może przekroczyć ten próg. W relacji z premiery MarkTechPost napisał, że Meta nie podaje dla Ember stawki za długi kontekst; tabela cenowa samej Meta pokazuje coś innego.

Ten próg dotyczy dokładnie tych zastosowań, które reklamował Zuckerberg. „Analiza długich dokumentów” i milion tokenów w oknie kontekstowym zachęcają deweloperów do przekazywania całych baz kodu i zestawów dokumentów — czyli żądań, które najłatwiej mogą przekroczyć limit. Ember nadal jest wtedy tańszy od Haiku 5.5, ponieważ Haiku pobiera 0,50 dolara za milion tokenów wejściowych i 2,50 dolara za milion wyjściowych po przekroczeniu 100 000 tokenów w zapytaniu, jak podaje MarkTechPost. „Tani” zmienia się jednak w „tańszy od alternatywy” — a to już inna obietnica.

Co pokazują testy i kto je przeprowadził

Meta opublikowała dziesięć porównań z Haiku 5.5 i GPT-6 Luna. Najlepszy wynik Ember osiąga w AutomationBench, teście Artificial Analysis obejmującym 657 firmowych procesów pracy w Zapier: model wykonuje 37,8% zadań, wobec 13,9% w przypadku Haiku i 20,2% w przypadku Luna. Jedyną wyraźną porażkę ponosi w FrontierCode 2.0, który ocenia rzeczywiste zmiany w kodzie pod kątem tego, czy opiekun projektu zaakceptowałby je do wdrożenia. Haiku zdobywa 34,9 punktu, a Ember 27,2.

Fello AI sprawdziło, kto odpowiada za poszczególne wyniki. Pięć pochodzi z testów Artificial Analysis, cztery z własnych pomiarów Meta, a wiersz dotyczący Terminal-Bench łączy różne metody: wynik Ember pochodzi z testu Artificial Analysis, natomiast dane dla konkurentów zostały podane przez nich samych. Fello zwraca też uwagę, że na stronie modelu w Artificial Analysis jako obsługiwane wejścia Ember wymieniono wyłącznie tekst i obrazy. Na razie o obsłudze dźwięku i wideo musimy więc polegać na zapewnieniach Meta.

Dla kogo jest Muse Ember

We wpisie zapowiadającym premierę Meta stwierdza, że Ember jest „na tyle tani, by działać w każdym produkcie, dla każdego”. Na razie nie działa jednak w żadnym z konsumenckich produktów Meta: według Fello AI nie ma go w aplikacji Meta AI, WhatsAppie ani agencie Muse. To komponent przeznaczony dla agentów innych firm — potwierdzają to wypowiedzi partnerów wybranych przez Meta. Saoud Rizwan, założyciel Cline, przedstawił go jako rozwiązanie dla „zespołów obniżających koszty przez uruchamianie go jako podagenta w swoim środowisku”. Dane Knecht, dyrektor techniczny Cloudflare, powiedział, że „w końcowej fazie działał nawet o 30% szybciej niż porównywalny model, który testowaliśmy”.

Na tym polega zakład Meta związany z Ember. Firma nie próbuje dzięki niemu podbić okna czatu. Chce, by model był wywoływany tysiąc razy na godzinę wewnątrz agenta innej firmy, podczas gdy większy model zajmuje się rozumowaniem. W takim zastosowaniu o rachunku decyduje liczba, której nie podaje żaden dostawca: ile tokenów model potrzebuje, by dokończyć zadanie.

Tagi: meta, Mark Zuckerberg, modele AI, Claude Haiku, Muse Ember

Więcej podobnych

Zuckerberg uruchamia Muse Spark Open we współpracy z Apple — konfiguracji z dwóch Mac Studio nie da się jeszcze kupić

Meta wydaje Muse Glimmer — agent AI 30B, który działa na twoim GPU

Mark Zuckerberg o Muse Charm: „W tego maluszka wpakowaliśmy mnóstwo technologii”

Meta sprzedaje akcje za 35 mld dolarów na AI, kolejne 60 mld będzie bez prawa głosu

Agent Muse od Meta zarządza twoją skrzynką i kalendarzem — i Meta wciąż może zajrzeć

Meta zwalnia 8 tys. pracowników —10 proc. załogi— a wydatki na sztuczną inteligencję przekraczają 115 mld dolarów