Le laboratoire de superintelligence de Meta a présenté le 9 novembre 2026 Muse Ember, qualifié de plus petit et plus efficace modèle de la famille Muse. L'article de recherche, sans signature individuelle, indique qu'Ember est conçu pour l'exécution d'un raisonnement complexe et pour le travail que les agents répètent toute la journée: appels d'outils, sous-tâches de programmation, aiguillage, extraction et lecture de longs documents. L'identifiant du modèle est muse-ember-1.0. Il est disponible le jour même sur l'interface Model API de Meta et dans Muse Code, en facturation à l'usage comme sur tous les abonnements Muse Code. Les tarifs affichés sont de 0,10 dollar par million de jetons d'entrée, 0,004 dollar par million de jetons d'entrée en cache et 0,50 dollar par million de jetons de sortie, avec des tarifs plus élevés au-delà de 200 000 jetons d'entrée. Meta a indiqué qu'Ember dispose d'une fenêtre de contexte de 1 048 576 jetons, peut émettre jusqu'à 524 288 jetons de sortie et accepte le texte, l'image, la vidéo, l'audio et les fichiers PDF.
L'entreprise a présenté Ember comme un exécutant de volume qui doit accompagner les plus grands modèles Muse, et non les remplacer. L'article dit que Muse Wonder planifie et que Muse Ember traite le volume, et la documentation destinée aux développeurs demande de confier les sous-tâches répétées à Ember tandis que Muse Wonder ou Muse Spark conduisent la boucle principale de planification. Meta a ajouté qu'Ember est le premier modèle spécialisé entraîné à l'aide de Muse Wonder Full. Face à Muse Spark 1.3, Meta a indiqué un indice d'intelligence Artificial Analysis de 36 pour Ember au niveau d'effort maximal, contre 37 pour Spark, à un coût estimé de 0,14 dollar par tâche de l'indice contre 2,39 dollars, et des prix d'entrée et de sortie de 0,10 et 0,50 dollar contre 1,25 et 4,25 dollars par million de jetons.
Meta a affirmé qu'Ember fournit plus d'intelligence par dollar que Claude Haiku 5.5 ou GPT-6 Luna à tous les niveaux d'effort présentés, égalant le meilleur score de Haiku sur l'indice pour environ un tiers du coût et dépassant toutes les configurations de Luna. Dans un tableau de résultats, au niveau d'effort maximal, elle a indiqué 37,8 sur AutomationBench-AA contre 13,9 pour Haiku et 20,2 pour Luna; 61,6 sur un sous-ensemble interne Linux d'Agents' Last Exam; 46,8 sur son indice interne de superintelligence personnelle; 40,9 sur Terminal-Bench 4.0 avec le dispositif mini-swe-agent contre 39,2 pour Haiku et 16,4 pour Luna; et 46 sur Coding Agent Index-AA. Sur FrontierCode 2.0-AA, Ember est resté derrière Haiku: 27,2 contre 34,9 pour Haiku et 25,2 pour Luna. Les scores multimodaux comprennent 22,8 sur GDP.pdf-AA, 69,5 en crédit partiel sur un essai interne OSWorld 2.1 et 80,6 sur PerceptionBench avec outils. Ces comparaisons mêlent des chiffres d'Artificial Analysis datés du 9 novembre 2026 et des évaluations internes de Meta.
Les testeurs cités dans l'article ont décrit Ember comme un sous-agent rapide et peu coûteux. Yashodha Bhavnani, vice-présidente des produits d'intelligence artificielle chez Box, a dit qu'il pouvait noter un contrat au regard d'un guide de négociation et trier des candidatures selon un brief. Saoud Rizwan, fondateur de Cline, l'a jugé conçu pour les sous-tâches de code et l'analyse de documents. Konstantinos Papamiltiadis, d'Oracle, a parlé d'une capacité encourageante sur des tâches d'ingénierie complexes. Dane Knecht, directeur technique de Cloudflare, a indiqué qu'Ember allait jusqu'à 30 pour cent plus vite sur la queue de latence que le modèle comparable testé par son équipe. Chak Pothina, responsable de l'inférence chez You.com, a dit qu'Ember avait terminé toutes les épreuves de code de leurs tests avec une latence au 95e centile de 2,2 secondes et utilisé 36 à 48 pour cent de jetons de sortie en moins que des modèles à poids ouverts de référence. Un article complémentaire pour développeurs a décrit une démonstration de 16 agents ayant porté des analyseurs lexicaux de Python vers Rust en parallèle, Ember traitant environ 158 millions de jetons d'entrée contre 4,4 millions pour Muse Wonder, pour un coût à l'usage d'environ 3,96 dollars.
Sur la sécurité, Meta a déclaré avoir évalué Ember dans son cadre d'échelle de superintelligence, y compris les risques chimiques et biologiques, de cybersécurité et de perte de contrôle, et que le modèle est resté sous les seuils de risque élevé. Les mêmes tests portaient sur le respect de l'intention de l'utilisateur, le traitement d'informations sensibles, la résistance à des instructions cachées dans des pages, des documents ou des sorties d'outils, et la demande d'un avis humain avant des actions à fort impact. La documentation précise que, sur la Model API, Ember fonctionne uniquement en mode standard, sans variante en mode contributeur.
La couverture indépendante a confirmé les faits de l'annonce. Russell Brandom, pour TechCrunch, à 10 heures le 9 novembre, heure du Pacifique, et Jay Peters, pour The Verge, ont rapporté le même positionnement: un modèle d'exécution léger destiné à accompagner Muse Wonder, facturé 10 cents par million de jetons d'entrée et comparé par Meta à Haiku et Luna sur le coût par tâche. Tous les chiffres de performance, de latence et de rapport qualité-prix ci-dessus sont des affirmations de Meta ou des témoignages de partenaires, sauf lorsqu'ils sont attribués à Artificial Analysis.