Meta a annoncé le lancement de Muse Ember le 9 novembre, positionnant le nouveau modèle comme une solution économique pour le travail répétitif qui fait fonctionner les agents IA. Contrairement à son frère plus haut de gamme Muse Wonder, Ember est conçu pour gérer des actions à fort volume et faible complexité, comme l’acheminement des requêtes, l’extraction de données de documents, le traitement de fichiers longs et l’exécution de tâches de codage modestes. L’entreprise présente le modèle comme un « moteur de volume » qui travaille en tandem avec Muse Wonder, lequel prend les décisions stratégiques pendant qu’Ember exécute les étapes nécessaires.

Capacités et tarification du modèle

Muse Ember est le quatrième modèle de la série Muse de Meta, après Muse Spark, Muse Glimmer et Muse Wonder. Il est accessible via l’API Meta Model et Muse Code, avec une fenêtre de contexte d’un million de jetons et une prise en charge multimodale des images, de l’audio et de la vidéo. La tarification est fixée à 0,10 $ par million de jetons d’entrée, 0,004 $ par million de jetons d’entrée mis en cache et 0,5 $ par million de jetons de sortie, une structure qui, selon Meta, rend les opérations d’agents à grande échelle nettement moins chères que les alternatives existantes.

Benchmarks de performance indépendants

Artificial Analysis a évalué Ember face aux principaux modèles. La suite de tests a attribué à Ember un score d’Intelligence Index de 36, identique à celui de Claude Haiku 5.5 d’Anthropic, mais le coût estimé d’Ember par tâche de benchmark était de 0,14 $ contre 0,41 $ pour Claude Haiku. Sur AutomationBench‑AA, Ember a obtenu 68,1 %, égalant Muse Wonder, tandis que ses performances en codage étaient mitigées : il a surpassé Claude Haiku sur Terminal‑Bench 4.0 (40,9 % contre 32,8 %) mais a été distancé sur FrontierCode 2.0 (27,2 % contre 34,9 %). Les connaissances générales restaient un point faible, Ember n’atteignant que 21,1 % d’exactitude sur AA‑Omniscience et ignorant 64 % des requêtes. Le taux d’hallucination du modèle était relativement faible, à 17,4 %, ce qui reflète un style de réponse conservateur.

Réactions du secteur et contexte de marché

Les premiers partenaires ont souligné la vitesse d’Ember et son utilité pour des tâches spécifiques. Dane Knecht, CTO de Cloudflare, a signalé des temps d’inférence rapides, tandis que Chak Pothina, responsable de l’inférence chez You.com, a noté la capacité du modèle à évaluer des contrats clause par clause par rapport à un manuel de négociation. Malgré ces anecdotes prometteuses, les analystes avertissent que des coûts de jetons plus faibles ne se traduisent pas automatiquement par une valeur commerciale supérieure. Gartner prévoit que les dépenses liées aux agents IA atteindront 29,2 milliards de dollars en 2026, et IDC s’attend à une baisse de 95 % des coûts par action d’ici 2030, même si les dépenses globales de livraison de jetons augmentent fortement. Les préoccupations concernant la confidentialité des données, la sécurité et la gouvernance restent répandues, 73 % des entreprises interrogées exprimant des inquiétudes, selon le FII Institute.