- Muse Ember adalah model AI terkecil dari Meta, dirancang untuk menangani tugas sehari-hari dengan biaya rendah.
- Model ini menunjukkan kinerja yang lebih baik dalam indeks kecerdasan dan biaya dibandingkan dengan Claude Haiku 5.5 dan GPT-6 Luna.
- Muse Ember dapat melakukan berbagai operasi kecil dan memiliki kemampuan pemrosesan konteks yang kuat.
- Model ini mendukung pemrosesan berbagai jenis media dan telah melalui evaluasi keamanan, tetap berada di bawah ambang risiko tinggi.
Meta telah meluncurkan model terkecilnya, Muse Ember, yang dirancang untuk menangani tugas pengkodean dan inferensi berulang yang dilakukan oleh agen AI, sambil menjaga biaya operasional tetap rendah. Model kompak ini cocok untuk beban kerja agen sehari-hari, termasuk pemanggilan alat, sub-tugas pengkodean, ekstraksi informasi, pengalihan permintaan, dan analisis dokumen panjang. Meta menyatakan bahwa Muse Ember memberikan kecerdasan lebih dari $1 per dolar dalam pengaturan inferensi dibandingkan dengan Claude Haiku 5.5 dari Anthropic dan GPT-6 Luna dari OpenAI.
Menurut laporan Artificial Analysis, Muse Ember mendapatkan skor 36 dalam indeks kecerdasannya, sama dengan Claude Haiku 5.5, sementara biaya per tugas sekitar $0.14 (sekitar HK$1.09), hampir tiga kali lipat dari estimasi biaya Haiku sebesar $0.41 (sekitar HK$3.20). Model ini juga menunjukkan kinerja yang cukup baik dibandingkan dengan Muse Spark 1.3 yang lebih besar dari Meta.
Artificial Analysis memperkirakan biaya per tugas indeks kecerdasan Muse Ember adalah $0.14 (sekitar HK$1.09), sedangkan biaya Spark adalah $2.39 (sekitar HK$18.63), dengan skor indeks kecerdasan 37.
Fleksibilitas Muse Ember
Meta merancang Muse Ember untuk menangani berbagai operasi kecil yang dilakukan oleh agen dalam alur kerja yang diperpanjang, bukan hanya fokus pada masalah inferensi yang kompleks. Model ini mampu menjalankan alur kerja bisnis dari awal hingga akhir, menyelesaikan tugas dengan mengambil catatan, melakukan pemanggilan alat secara berurutan, dan memperbarui informasi dalam aplikasi. Model ini juga dilengkapi dengan jendela konteks yang memiliki 1 juta token, dan dapat menghasilkan hingga 512,000 token output, memungkinkan untuk memproses seluruh basis kode atau kumpulan dokumen besar dalam satu pemanggilan. Dalam evaluasi, Muse Ember mendapatkan skor 37.8% di AutomationBench-AA, yang mengukur alur kerja bisnis end-to-end, dibandingkan dengan GPT-6.
Luna mendapatkan skor 20.2%, sementara Claude Haiku 5.5 mendapatkan 13.9%. Selain itu, Muse Ember mendapatkan skor 61.6% di Ujian Terakhir Agen, sedikit lebih tinggi dari Luna yang mendapatkan 57.1% dan Haiku yang mendapatkan 57%. Dalam indeks kecerdasan super pribadi Meta, Muse Ember mendapatkan skor 46.8%, mengungguli Luna yang mendapatkan 37% dan Haiku yang mendapatkan 36.1%. Kinerja pengkodeannya juga kompetitif, dengan Muse Ember mendapatkan skor 40.9% di Terminal-Bench 4.0, sedangkan Haiku mendapatkan 39.2%,
Luna hanya mendapatkan 16.4%. Namun, dalam FrontierCode 2.0-AA, Haiku menunjukkan kinerja yang lebih baik dengan skor 34.9%, sementara Muse Ember mendapatkan 27.2%.
Harga dan Cara Penggunaan
Muse Ember, selain untuk pengkodean dan eksekusi agen, juga dapat menangani teks, gambar, audio, dan video. Ini memungkinkannya untuk menginterpretasikan tangkapan layar, grafik, dan dokumen yang dipindai, serta rekaman suara dan konten video. Dalam OSWorld 2.1, model ini menggunakan sebagian kredit untuk penilaian, dengan skor 69.5%. Skor di PerceptionBench adalah 80.6%, yang mengevaluasi kemampuan pemahaman visual yang halus. Meta menyatakan bahwa model ini telah melalui evaluasi keamanan yang mencakup risiko kimia dan biologis, keamanan siber, dan skenario tidak terkendali, dan perusahaan melaporkan bahwa Muse Ember selalu tetap di bawah ambang risiko tinggi dalam kerangka kerjanya.
Model ini dapat digunakan melalui Muse Code dan Meta Model API dengan nama muse-ember-1.0, dengan harga mulai dari $0.10 (sekitar HK$0.78) per juta token input dan $0.50 (sekitar HK$3.90) per juta token output, sementara biaya untuk input cache adalah $0.004 (sekitar HK$0.03) per juta token. Muse Ember adalah model pertama dari Meta yang mengklaim menggunakan pelatihan Muse Wonder Full.
Model ini diluncurkan bersamaan dengan Muse Wonder yang dirancang untuk masalah inferensi yang paling sulit dan Muse Spark yang ditujukan untuk alur kerja pengkodean dan agen. Tujuan lebih luas Meta adalah untuk menurunkan biaya fitur canggih agar dapat beroperasi dalam produk dan layanan sehari-hari, dengan Muse Ember ditujukan untuk menangani beban kerja berulang yang diproses secara besar-besaran oleh agen.
Dampak Muse Ember di Bidang AI
Peluncuran Muse Ember menandai kemajuan penting bagi Meta dalam pengembangan model AI, terutama dalam menurunkan biaya dan meningkatkan efisiensi. Model ini tidak hanya dapat menangani tugas pengkodean dan inferensi, tetapi juga mendukung interpretasi multimedia seperti teks, gambar, dan audio, menunjukkan fleksibilitasnya. Dengan semakin luasnya penerapan teknologi AI dalam kehidupan sehari-hari, karakteristik biaya rendah Muse Ember akan membantu mendorong adopsi bisnis yang lebih luas dan dapat mengubah strategi perusahaan dalam otomatisasi dan pemrosesan data.

