آزمایشگاه ابرهوش Meta در ۹ نوامبر ۲۰۲۶ مدل Muse Ember را معرفی کرد و آن را کوچکترین و بهصرفهترین مدل خانواده دانست. نوشته پژوهشی بدون امضای فردی گفت این مدل برای اجرای استدلال پیچیده و کاری طراحی شده که عاملها تمام روز تکرار میکنند: فراخوانی ابزار، کارهای فرعی برنامهنویسی، مسیریابی، استخراج و خواندن سندهای بلند. شناسه مدل muse-ember-1.0 است. همان روز روی رابط رسمی مدل و در محیط کدنویسی رسمی در دسترس قرار گرفت، هم با پرداخت بهازای مصرف و هم در همه طرحهای اشتراکی. قیمت اعلامشده ده سنت برای هر میلیون نشانه ورودی، چهار هزارم دلار برای هر میلیون نشانه ورودی ذخیرهشده و پنجاه سنت برای هر میلیون نشانه خروجی است و برای درخواستهای بالای دویست هزار نشانه ورودی نرخ بالاتری اعمال میشود. شرکت گفت پنجره بافت بیش از یک میلیون نشانه است، خروجی تا حدود پانصد و بیستوچهار هزار نشانه میرسد و ورودی میتواند متن، تصویر، ویدیو، صدا یا پرونده پیدیاف باشد.
شرکت این مدل را کارگر حجمی دانست که باید کنار مدلهای بزرگتر خانواده بنشیند نه اینکه جای آنها را بگیرد. نوشته گفت مدل بزرگتر برنامهریزی میکند و این مدل حجم کار را انجام میدهد و مستندات برنامهنویسی میگوید کارهای فرعی تکراری باید به آن سپرده شود در حالی که مدل برنامهریز یا مدل میانی حلقه اصلی را پیش میبرد. Meta افزود این نخستین مدل تخصصی است که با استفاده از نسخه کامل مدل بزرگتر آموزش دیده است. در مقایسه با مدل میانی هم خانواده، شرکت شاخص هوش Artificial Analysis را برای این مدل در بالاترین تلاش ۳۶ در برابر ۳۷ رقیب داخلی ذکر کرد، با هزینه تخمینی حدود ۱۴ سنت بهازای هر تکلیف شاخص در برابر ۲٫۳۹ دلار، و قیمت ورودی و خروجی ۱۰ و ۵۰ سنت در برابر ۱٫۲۵ و ۴٫۲۵ دلار برای هر میلیون نشانه.
شرکت گفت این مدل در هر سطح تلاشی که رسم کرده هوش بیشتری بهازای هر دلار نسبت به Claude Haiku 5.5 یا GPT-6 Luna میدهد، بهترین امتیاز شاخص رقیب اول را با حدود یکسوم هزینه تکرار میکند و از همه تنظیمات رقیب دوم جلو میزند. در جدول نتایج در بالاترین تلاش، ۳۷٫۸ در معیار گردشکار کسبوکار در برابر ۱۳٫۹ و ۲۰٫۲، ۶۱٫۶ در زیرمجموعه لینوکسی آزمون داخلی عاملها، ۴۶٫۸ در شاخص داخلی ابرهوش شخصی، ۴۰٫۹ در معیار پایانه در برابر ۳۹٫۲ و ۱۶٫۴، و ۴۶ در شاخص عامل کدنویسی آمده است. در معیار پذیرش وصله از رقیب اول عقب ماند: ۲۷٫۲ در برابر ۳۴٫۹ و ۲۵٫۲. امتیازهای چندرسانهای شامل ۲۲٫۸ در آزمون اسناد، ۶۹٫۵ با نمره جزئی در آزمون داخلی کار با رایانه و ۸۰٫۶ در آزمون ادراک با ابزار است. این مقایسهها اعداد Artificial Analysis به تاریخ ۹ نوامبر ۲۰۲۶ را با ارزیابیهای خود شرکت در هم میآمیزد.
آزمایشکنندگان نقلشده مدل را زیرعامل سریع و ارزان توصیف کردند. یشودا بھاونانی، معاون محصولات هوش مصنوعی در Box، گفت مدل توانست قرارداد را بندبهبند با راهنمای مذاکره بسنجد و نامزدها را با شرح شغل غربال کند. سعود رضوان، بنیانگذار Cline، آن را ویژه کارهای فرعی کد و تحلیل سند دانست. کنستانتینوس پاپامیلتیادیس از Oracle از توانایی امیدوارکننده در کارهای مهندسی پیچیده گفت. دین نکت، مدیر فناوری Cloudflare، گفت مدل در دم توزیع تا سی درصد سریعتر از مدل همرده تیمش اجرا شد. چاک پوتینا، مسئول استنباط در You.com، گفت مدل همه آزمونهای کدنویسی آنها را با تأخیر صدک نودوپنجم ۲٫۲ ثانیه تمام کرد و ۳۶ تا ۴۸ درصد کمتر از مدلهای وزنباز مرجع نشانه خروجی مصرف کرد. نوشته مکمل برنامهنویسان نمایشی با شانزده عامل را شرح داد که تحلیلگرهای واژگانی را از پایتون به راست بهصورت موازی منتقل کردند؛ این مدل حدود ۱۵۸ میلیون نشانه ورودی را در برابر ۴٫۴ میلیون نشانه مدل بزرگتر پردازش کرد و هزینه پرداختی حدود ۳٫۹۶ دلار شد.
در ایمنی، Meta گفت مدل را در چارچوب مقیاس ابرهوش خود از جمله خطرهای شیمیایی و زیستی، امنیت سایبری و ازدسترفتن کنترل ارزیابی کرده و مدل زیر آستانههای پرخطر مانده است. همان آزمونها احترام به نیت کاربر، رفتار با اطلاعات حساس، مقاومت در برابر دستورهای پنهان در صفحه و سند و خروجی ابزار، و درخواست دخالت انسان پیش از اقدامات پر اثر را پوشش داد. مستندات میگوید روی رابط رسمی این مدل فقط در حالت استاندارد اجرا میشود و گونه حالت مشارکتکننده ندارد.
پوشش مستقل با واقعیتهای اطلاعیه نخستدست همخوان بود. راسل براندوم در TechCrunch ساعت ده صبح ۹ نوامبر به وقت اقیانوس آرام و جی پیترز در The Verge همین جایگاه را گزارش کردند: مدل اجرای سبکی که باید با مدل برنامهریز جفت شود، با قیمت ده سنت برای هر میلیون نشانه ورودی، و مقایسهای که خود شرکت با دو مدل رقیب از نظر هزینه هر تکلیف مطرح کرده است. همه ارقام عملکرد، تأخیر و نسبت قیمت به کیفیت بالا ادعاهای Meta یا گواهی شرکا هستند مگر جایی که به Artificial Analysis نسبت داده شده باشد.