Meta Süper YZ Laboratuvarı, şimdiye kadarki en küçük ve en verimli modeli Muse Ember'ı yayımladı: araç çağrıları, kodlama alt görevleri, yönlendirme, veri çıkarma ve uzun belge ayrıştırma gibi ajanların yüksek hacimli işleri için tasarlandı. Girdi başına milyon tokena 10 sent fiyatıyla Claude Haiku 5.5 ve GPT-6 Luna ile aynı ücret bandında, açık kaynak rakiplerle yarışır maliyette; şirket, modelin Haiku'nun en iyi sonucunu yaklaşık üçte bir maliyetle yakaladığını öne sürüyor. Şirketin formülasyonu net: 'Muse Wonder planlar, Muse Ember hacmi üstlenir.'
Meta’nın Süper YZ Laboratuvarı model ailesinin yeni ve en küçük üyesini yayımladı: Muse Ember. Şirketin tanımıyla Ember, ‘karmaşık akıl yürütme yürütmesi ve ajanların bütün gün tekrarladığı iş’ için yapıldı — araç çağrıları, kodlama alt görevleri, yönlendirme, veri çıkarma ve uzun belge ayrıştırma. Yani amiral gemisi Muse Wonder’ın planladığı işin, on binlerce kez tekrarlanan ucuz ve hızlı uygulamasını Ember üstleniyor; Meta’nın özeti ‘Muse Wonder planlar, Muse Ember hacmi üstlenir’.
Fiyat bu lansmanın ana argümanı. Ember, Meta Model API’sinde girdide milyon token başına 10 sent, çıktıda 50 sent; 200 bin token üstü uzun girdilerde bant biraz yükseliyor (30 sent/1,50 dolar). Bu ücretler Anthropic’in Claude Haiku 5.5’i ile OpenAI’nin GPT-6 Luna’sının standart kısa bağlam fiyatlarıyla birebir aynı — ve DeepSeek V4.1 Flash ya da GLM 5.3 Flash gibi açık kaynak rakiplerle yarışır düzeyde. Meta’ya göre Ember, her akıl yürütme ayarında Haiku ve Luna’dan dolar başına daha fazla zekâ sunuyor: Haiku’nun en iyi skorunu yaklaşık üçte bir maliyetle eşitliyor ve Luna’nın tüm ayarlarını geride bırakıyor.
Sayılar şirket ölçümlerine bakınca tablo iddialı ama ölçülü: Yapay zekâ değerlendirme grubu Artificial Analysis’ın bileşik endeksinde Ember 36 puan alıyor — Haiku ile eşit — ve görev başına tahmini maliyeti yaklaşık 13-14 sent, ki şirket bunu ‘her üründe, herkes için çalıştırılabilecek kadar düşük’ olarak pazarlıyor. Ajan tarafında fark büyüyor: AutomationBench iş akışı testinde Ember 37,8 puan aldığını, Haiku’nun 13,9 ve Luna’nın 20,2 kaldığını; Terminal-Bench 4.0 kodlama testinde 40,9 ile Haiku’nun 39,2’sini geçtiğini bildiriyor. Buna karşılık FrontierCode 2.0’da Haiku önde (34,9’a 27,2) — yani küçük model her yerde kazanmıyor. Erken test ortağı You.com, modelin tüm kodlama görevlerini tamamladığını ve p95 gecikmesinin 2,2 saniye olduğunu, önde gelen açık-ağırlıklı modellerden 4 ila 13 kat hızlı olduğunu ve yüzde 36-48 daha az çıktı tokenı kullandığını aktarıyor.
Ember’ın teknik profili hacim işine göre biçilmiş: 1 milyon tokenlık bağlam penceresi ve 512 bine varan çıktı; metin, görüntü, ses ve video girdisini tek modelde, ayrı bir model çağırmadan işleyebiliyor — ekran görüntüsü okuma, taranmış belgeden çıkarma, toplantı kaydından madde çıkarma gibi işler tek çağrıda. Model, büyük kardeşi Muse Wonder Full ile eğitilen ilk özelleştirilmiş model; lansmandan önce Meta’nın Süper YZ Ölçekleme Çerçevesi kapsamında kimyasal, biyolojik, siber ve kontrol kaybı riskleri altında değerlendirildi ve şirket tüm kategorilerde yüksek risk eşiklerinin altında kaldığını bildiriyor.
Büyük resim, laboratuvarların yeni ortak deseni: zor problemleri amiral modellere, tekrarlayan yürütme işini küçük ve ucuz modellere bırakan ‘planner-worker’ mimarisi. OpenAI Luna ve Anthropic Haiku bu sınıfın diğer üyeleri; Meta şimdi aynı slotu dolduruyor ve ölçek tartışmasında fiyat silahını öne sürüyor. Ağırlıklar önceki Muse modellerinde olduğu gibi kapalı kalıyor — The New Stack’in notuna göre Ember’ın OpenRouter ve bulut sağlayıcılara açılması muhtemel. Küçük model savaşında yeni tur, kelimenin tam anlamıyla sentlerle ölçülüyor.