Muse Ember di Meta: modello per agenti a 0,10 $ per milione di token
Leggere file, lanciare test, applicare una correzione mirata: sono i sottotask ripetuti su cui Meta ha costruito Muse Ember. Nel post di Meta Superintelligence Labs è il modello più piccolo ed efficiente della famiglia Muse, pensato anche per chiamate a strumenti, routing, estrazione di dati e lettura di documenti lunghi.
Per chi sviluppa agenti o automazioni ad alto volume l’ID è muse-ember-1.0, si usa su Meta Model API e Muse Code e costa 0,10 dollari per milione di token in input e 0,50 in output per richieste fino a 200.000 token di input; oltre la soglia le tariffe salgono. Prezzi in euro e disponibilità per l’Italia non sono indicati nella fonte.
Cosa fa: flussi aziendali, coding e input multimodali
Secondo Meta, Ember può portare a termine un flusso di lavoro aziendale: recupera record, chiama gli strumenti in sequenza e aggiorna sistemi su più applicazioni.
Il modello è multimodale in modo nativo: accetta testo, immagini, audio e video. Meta dice che può leggere screenshot, grafici e documenti scansionati, lavorare da memo vocali e registrazioni di riunioni e usare un computer a partire dagli screenshot.
La finestra di contesto (la quantità di testo che il modello tiene sotto mano in una sola chiamata) è di 1 milione di token, con un massimo di 512mila token in output. Meta la presenta come sufficiente per un’intera codebase o una raccolta di documenti in una richiesta.
Il posto di Ember accanto a Wonder e Spark
Ember è il primo modello addestrato con Muse Wonder Full. Nell’idea di Meta, Muse Wonder serve per i problemi più difficili, Muse Spark per coding e flussi agentici, Ember per compiti ripetibili su larga scala. Per i casi più duri Meta suggerisce di affiancarli: Wonder pianifica, Ember gestisce il volume.
I numeri contro Haiku 5.5 e GPT-6 Luna
Il confronto è di Meta e usa dati di Artificial Analysis del 9 novembre 2026, con i costi di Ember calcolati come stime ai prezzi proposti. Meta sostiene che Ember eguagli il miglior punteggio di Claude Haiku 5.5 a circa un terzo del costo e batta ogni impostazione di GPT-6 Luna. Nei grafici, Ember arriva a 35,8 punti con 0,136 dollari per task; Haiku 5.5 a 36,2 con 0,411; Luna a 27,8 con 0,152.
| Test (al massimo reasoning) | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| Indice generale Artificial Analysis | 36 | 36 | 28 |
| AutomationBench-AA (strict pass@1) | 37,8 | 13,9 | 20,2 |
| Agents’ Last Exam (valutazione interna Meta, sottoinsieme Linux) | 61,6 | 57,0 | 57,1 |
| Personal Superintelligence Index (indice composito interno Meta) | 46,8 | 36,1 | 37,0 |
| Terminal-Bench 4.0 (miglior harness pubblicato per ciascun modello) | 40,9 | 39,2 | 16,4 |
| Coding Agent Index-AA | 46 | 37 | 31 |
| OSWorld 2.1 (credito parziale, valutazione interna Meta) | 69,5 | 68,9 | 50,5 |
| PerceptionBench (con strumenti, valutazione interna Meta) | 80,6 | 78,6 | 62,8 |
Su OSWorld 2.1 in modalità binaria i valori sono più bassi: 33,8 per Ember, 27,8 per Haiku 5.5 e 17,0 per Luna. Molti test sono valutazioni interne di Meta o indici compositi.
Dove Ember non è davanti
- Su FrontierCode 2.0-AA, che giudica compiti di ingegneria reali in base alla possibilità di integrare il codice, Ember fa 27,2: sotto Haiku 5.5 (34,9) e sopra GPT-6 Luna (25,2).
- Su GDP.pdf-AA, lavoro professionale su documenti lunghi, Ember e Luna sono pari a 22,8; Haiku 5.5 è a 20,8.
- Sulla velocità Meta riporta test preliminari dei partner: Cloudflare parla di una coda fino al 30% più rapida rispetto a un modello comparabile; You.com misura un p95 di 2,2 secondi, da 4 a 13 volte più veloce dei modelli open-weight di punta che ha provato.
Sulla sicurezza, Meta dice di aver valutato Ember con il Meta Superintelligence Scaling Framework, che copre rischi chimici, biologici, informatici e di perdita di controllo, e che il modello resta sotto le soglie di rischio elevato. Lo ha testato anche contro istruzioni nascoste in pagine web, documenti e output di strumenti.
Prezzi e come provarlo
Per richieste fino a 200.000 token di input, il listino per milione di token è di 0,10 dollari in input, 0,004 per l’input in cache e 0,50 in output. Oltre questa soglia, contando nell’input anche cache e cronologia della conversazione, l’intera richiesta viene fatturata a 0,30, 0,012 e 1,50 dollari, come indica la pagina prezzi di Meta.
Muse Ember è disponibile su Muse Code e su Meta Model API come muse-ember-1.0 e supporta la Responses API. Meta aggiunge che Ember, Spark e Wonder sono ora disponibili anche su Google Cloud e Oracle Cloud, senza indicare prezzi per questi canali.
I prezzi di altri modelli già coperti
Claude Haiku 5.5, il riferimento scelto da Meta, è stato lanciato il 7 ottobre 2026, come si legge nelle note di rilascio di Claude, che lo descrivono come il modello piccolo più economico, veloce e capace di Anthropic. Ne abbiamo parlato qui. Sul fronte dei prezzi API, MiniMax indica per M3.1 Flash 0,15 dollari in input e 0,60 in output (il nostro pezzo), mentre OpenAI chiede per GPT-6.1 Terra 1 dollaro in input e 5 in output (il nostro pezzo).
| Modello | Input (per milione di token) | Output (per milione di token) |
|---|---|---|
| Muse Ember (fino a 200.000 token di input; oltre 0,30 $ / 1,50 $) | 0,10 $ | 0,50 $ |
| MiniMax M3.1 Flash | 0,15 $ | 0,60 $ |
| GPT-6.1 Terra | 1 $ | 5 $ |
Nessuna delle fonti ha misurato questi modelli insieme a Ember: i prezzi sono quelli dichiarati da ciascuna azienda e il confronto di prestazioni resta quello pubblicato da Meta con Haiku 5.5 e GPT-6 Luna.
