Meta stellt Muse Ember für günstige KI-Agentenaufgaben vor

Meta hat mit Muse Ember ein kompaktes multimodales KI-Modell veröffentlicht. Es soll vor allem wiederkehrende Aufgaben von KI-Agenten übernehmen, etwa Tool-Aufrufe, Datenextraktion, Weiterleitung von Anfragen, Teilaufgaben beim Programmieren und die Auswertung langer Dokumente.

Das Modell richtet sich an Unternehmen und Entwickler, die sehr viele ähnliche Arbeitsschritte automatisieren wollen. Meta sieht Ember dabei nicht als Ersatz für sein leistungsstärkeres Modell Muse Wonder. Wonder soll komplexe Aufgaben planen, während Ember die daraus entstehenden Einzelschritte in großer Zahl ausführt. TechCrunch beschreibt dieses Zusammenspiel als mögliches Muster für Agentensysteme, etwa im Kundenservice.

Für Eingaben bis 200.000 Tokens verlangt Meta 0,10 Dollar pro Million Eingabe-Tokens und 0,50 Dollar pro Million Ausgabe-Tokens. Zwischengespeicherte Eingaben kosten weniger. Das Kontextfenster umfasst bis zu 1 Million Tokens. Das Modell kann laut Meta Antworten mit bis zu 512.000 Tokens erzeugen.

Leistung und Einsatzgebiete

Meta gibt für Muse Ember einen Wert von 36 im Intelligence Index von Artificial Analysis an. Die geschätzten Kosten liegen dabei bei 0,14 Dollar pro Aufgabe. Nach Darstellung des Unternehmens bietet Ember in diesem Vergleich ein günstigeres Verhältnis aus Kosten und Leistung als Claude Haiku 5.5 und GPT-6 Luna. Die Ergebnisse unterscheiden sich jedoch je nach Benchmark.

Bei Programmieraufgaben meldet Meta bessere Werte als GPT-6 Luna in Terminal-Bench 4.0 und im Coding Agent Index-AA. Bei FrontierCode 2.0-AA liegt Claude Haiku 5.5 vor Ember. Neben Text verarbeitet Ember auch Bilder, Audio und Video. Agenten können damit etwa Screenshots, eingescannte Unterlagen, Besprechungsaufnahmen oder Videomaterial auswerten.

Muse Ember ist über die Meta Model API und Muse Code als muse-ember-1.0 verfügbar. Meta erklärt, das Modell vor der Veröffentlichung unter anderem auf Risiken in den Bereichen Biologie, Chemie, Cybersicherheit und Kontrollverlust geprüft zu haben. Es habe die unternehmenseigenen Schwellen für hohe Risiken nicht erreicht.

Quellen

• Introducing Our Smallest, Most Efficient Model: Muse Ember – Meta AI
• Meta releases Muse Ember, a new lightweight model for agent execution – TechCrunch
• Meta’s best AI model now trains the one most of its users get – The New Stack