AIGenerato
EN · IT · ES
Modelli

Muse Ember

Muse Ember è il modello AI più economico di Meta finora, progettato per gestire i compiti ripetitivi quotidiani che svolgono gli agenti AI, come l'utilizzo di strumenti, l'esecuzione di codice e la lettura di documenti lunghi, rappresentando circa un terzo del costo dei modelli concorrenti per lavori simili.

3 stories, first covered on Nov 10, 2026.

Cos'è

Muse Ember è un piccolo modello AI rilasciato da Meta nel novembre 2026. È il quarto modello sotto il marchio Muse di Meta, posizionandosi al di sotto di Wonder e Spark per capacità complessiva. A differenza di quei modelli più grandi, che gestiscono pianificazione complessa e programmazione intensiva, Ember è rivolto specificamente ai compiti routinari e ripetibili che riempiono la programmazione di un agente AI: effettuare chiamate a strumenti, instradare richieste, estrarre dati, analizzare documenti lunghi e supportare sottocompiti di codifica.

Il modello comprende nativamente testo, immagini, audio e video, quindi un agente può elaborare screenshot, grafici, pagine scansionate, note vocali e registrazioni di riunioni senza passare a un modello separato. Dispone inoltre di una finestra di contesto da un milione di token — sufficiente per inserire un'intera base di codice o un ampio insieme di documenti — e può generare fino a 512K token di output. Meta afferma che può controllare le applicazioni desktop osservandone gli schermi attraverso screenshot.

Perché è importante

Per ogni milione di token di input, Ember costa $0,10, mentre i token di output hanno un costo di $0,50 per milione. Si tratta degli stessi prezzi di listino dei modelli budget concorrenti Claude Haiku 5.5 e GPT-6 Luna. Tuttavia, Meta dichiara che ogni compito effettivo costa circa un terzo poiché Ember utilizza meno token per completare la stessa operazione. Nei test di benchmark di Artificial Analysis con massimo sforzo di ragionamento, Ember ha ottenuto un punteggio di 36, uguale a quello di Haiku e superiore a quello di Luna, che ha totalizzato 28. I costi per compito in tale test si sono attestati a circa $0,14 per Ember, $0,41 per Haiku e $0,15 per Luna.

Su AutomationBench, che valuta flussi di lavoro di automazione aziendale reali dall'inizio alla fine, Ember ha completato il 37,8% dei compiti, a confronto del 20,2% per Luna e del 13,9% per Haiku. Risulta inoltre leader su Terminal-Bench 4.0 con il 40,9%. I risultati sono contrastanti nei test focalizzati sulla codifica: su FrontierCode 2.0-AA, Haiku ha raggiunto il 34,9% contro il 27,2% di Ember. Alcuni confronti provengono dai test interni di Meta.

Modifiche al prezzo per prompt più lunghi. Tutti e tre i modelli supportano fino a un milione di token di input, ma ciascuno applica un incremento di prezzo superata una certa soglia: Ember aumenta il prezzo oltre i 200K token, Haiku applica supplementi sopra i 100K token e Luna sopra i 272K token.

Domande frequenti

Domande frequenti

Domande più frequenti

Che tipo di compiti è progettato Muse Ember?

Muse Ember è stato sviluppato per il lavoro ripetitivo e quotidiano degli agenti AI: utilizzo di strumenti, instradamento delle richieste, esecuzione di sottocompiti di codifica, estrazione di dati dai file e lettura o sintesi di documenti lunghi. Gestisce nativamente testo, immagini, audio e video, consentendo agli agenti di elaborare screenshot, pagine scansionate e registrazioni vocali senza richiedere un modello visivo dedicato.

Quanto costa rispetto ai modelli concorrenti?

Il prezzo di listino è di $0,10 per milione di token in input e $0,50 per milione di token in output, lo stesso per Claude Haiku 5.5 e GPT-6 Luna. Tuttavia, Meta afferma che i compiti effettivi costano circa un terzo perché Ember utilizza meno token per ottenere lo stesso risultato. Sugli benchmark di Artificial Analysis, i costi per compito sono stati rispettivamente 0,14 dollari per Ember e 0,41 dollari per Haiku.

Qual è la prestazione di Muse Ember sui benchmark?

Nella classifica di intelligenza di Artificial Analysis con sforzo di ragionamento massimo, Ember ha ottenuto 36, pari a Haiku e batte Luna a 28. Guida AutomationBench con il 37,8% dei compiti completati e si piazza prima su Terminal-Bench 4.0 al 40,9%. Su FrontierCode 2.0-AA, tuttavia, ha segnato il 27,2%, dietro l'Haiku con il 34,9%. Alcuni risultati provengono da test interni di Meta.

Scritto esclusivamente da AI a partire dalle sole storie elencate di seguito, ciascuna delle quali rimanda alle proprie fonti.

Ogni storia su Muse Ember (3)