Meta AI представила Muse Ember 1.0 — модель для повторяющейся работы ИИ-агентов: обращения к другим программам, небольших задач по написанию кода и разбора длинных документов. Компания называет её своей самой маленькой и эффективной моделью. Начальная цена невысока, но при запросах длиннее 200 тысяч токенов тариф повышается.
Для какой работы нужна Ember
По описанию Meta, Ember рассчитана на сложные рассуждения и операции, которые агенты выполняют многократно в течение дня. Среди них — выбор дальнейшего обработчика задачи, извлечение нужных сведений, вызов инструментов и разбор документов. Речь о модели для таких систем, а не об анонсе отдельного бытового приложения.
Модель поддерживает до миллиона входных токенов — фрагментов текста, которыми измеряют объём запроса. Однако вместимость запроса и цена его обработки — разные вещи: максимальный объём не означает сохранения базового тарифа.
Сколько стоит обработка текста
Согласно приведённым тарифам, при запросе до 200 тысяч токенов включительно Muse Ember стоит $0,10 за миллион входных токенов и $0,50 за миллион выходных, то есть сгенерированных моделью. При запросе свыше 200 тысяч эти ставки составляют $0,30 и $1,50 соответственно.
Для повторно используемой части входа предусмотрена отдельная ставка: $0,004 за миллион токенов при запросе до 200 тысяч и $0,012 — выше этого порога. Сам принцип такого повторного использования объясняем в материале про кэширование запросов и экономию на повторяющемся тексте.
На коротких запросах базовые входная и выходная ставки Ember совпадают с GPT-6 Luna и Claude Haiku 5.5. Но пороги повышения цены разные: у Luna — 272 тысячи токенов, у Haiku — 100 тысяч. Поэтому сравнивать модели по одной начальной цене недостаточно.
Низкая ставка ещё не означает дешёвую готовую задачу
Саймон Уиллисон обращает внимание на другое ограничение сравнения: на одну и ту же задачу модели могут расходовать сильно разное количество токенов, в том числе на рассуждения. Для выбора полезнее сопоставлять стоимость решения с качеством результата, а не только цену единицы текста.
Meta заявляет, что на диаграмме Artificial Analysis нет модели с более высокой оценкой и одновременно меньшей стоимостью одной задачи, чем Ember. Это утверждение о соотношении двух показателей в конкретном рейтинге, а не обещание превосходства в любой работе.
Шесть уровней рассуждений — без гарантии лучшего ответа
У Ember шесть уровней рассуждений: minimal, low, medium, high, xhigh и max. В небольшом эксперименте Уиллисон попросил модель на каждом уровне нарисовать пеликана на велосипеде в формате SVG — изображении, описанном кодом. На high она не вернула полный код рисунка; у остальных вариантов качество не росло последовательно вместе с уровнем.
Один такой опыт не измеряет все способности Ember. Но он даёт полезную оговорку к анонсу: максимальный уровень рассуждений сам по себе не гарантирует лучший результат. При выборе модели стоит проверять и качество, и полный расход на своей задаче — особенно если предстоит много повторяющихся операций.
