Meta bracht op 9 november Muse Ember uit, een klein model voor het herhalende werk van AI-agents, zoals tools aanroepen en gegevens uit documenten halen. Ember kost per token evenveel als Claude Haiku 5.5 en GPT-6 Luna, maar is volgens Meta per taak ongeveer drie keer goedkoper dan Haiku. Waar Ember je gegevens verwerkt, vermeldt Meta niet, en Europa komt in de aankondiging niet voor.
Meta noemt Ember zijn kleinste en zuinigste model. Het is gemaakt om onder een groter model te werken: Muse Wonder maakt het plan, Ember voert de vele kleine stappen uit. Meta noemt tools aanroepen, deeltaken bij het programmeren, routering, extractie en lange documenten als hoofdtaken. Ember leest tekst, afbeeldingen, audio, video en pdf’s en antwoordt in tekst.
- Model-ID: muse-ember-1.0
- Waar: Muse Code en de Meta Model API, plus Google Cloud en Oracle Cloud. Ook OpenRouter biedt het aan, met Meta als enige aanbieder.
- Context window (wat het model in één keer leest): 1 miljoen tokens, met antwoorden tot 512.000 tokens
- Gewichten: Meta biedt Ember alleen als gehost model aan en noemt geen download
Meta traint niet op je prompts, maar noemt geen EU-regio voor Ember
Volgens de documentatie voor ontwikkelaars draait Ember alleen in de Standard-modus. Daarin gebruikt Meta je content niet om modellen te trainen. Waar je prompts worden verwerkt en hoe lang Meta ze bewaart, staat er niet in. OpenRouter meldt dat Ember niet beschikbaar is via de EU in-region routing, die verzoeken op Europese servers houdt. Ook de Meta-pagina van Google Cloud noemt geen regio’s.
Voor Nederlandse organisaties telt dat zodra er persoonsgegevens in een prompt staan, zoals een klantmail of een factuur met een naam erop. Onder de AVG moet je weten waar die gegevens heen gaan en welke waarborgen gelden als ze de EU verlaten.
Voor organisaties die agents bouwen, bepalen juist dit soort kleine modellen het grootste deel van de rekening. In een gemiddelde agentworkflow zijn de meeste modelaanroepen kleine stappen: een ticket sorteren, een tool kiezen, een bedrag van een factuur lezen. Die stappen kunnen duizenden keren per dag draaien. Met Ember komt er een derde optie bij tegen dezelfde tokenprijs. De keuze hangt dus af van wat een afgeronde taak kost en hoe vaak het model een stap fout doet.
Het verschil per taak zit in tokens, caching en lange prompts
De drie modellen rekenen voor korte prompts hetzelfde, maar verschillen in caching, lange prompts en de kosten van een afgeronde taak.
| Wat er gemeten is | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| Input, per miljoen tokens | $0,10 | $0,10 | $0,10 |
| Output, per miljoen tokens | $0,50 | $0,50 | $0,50 |
| Gecachete input, per miljoen tokens | $0,004 | $0,01 | $0,01 |
| Hoger tarief vanaf | 200.000 tokens | 100.000 tokens | 272.000 tokens |
| Input en output boven die grens | $0,30 en $1,50 | $0,50 en $2,50 | $0,20 en $0,75 |
| Artificial Analysis Intelligence Index | 36 | 36 | 28 |
| Kosten per indextaak | $0,14 | $0,41 | $0,15 |
| AutomationBench-AA | 37,8% | 13,9% | 20,2% |
| Coding Agent Index-AA | 46 | 37 | 31 |
De prijzen komen van Meta, Anthropic en OpenAI. De scores en kosten per taak zijn metingen van Artificial Analysis bij maximale redeneerinzet, gepubliceerd door Meta, dat de kosten van Ember zelf schattingen noemt.
Omdat de tarieven gelijk zijn, kan Ember op drie manieren goedkoper uitvallen. Het kan minder tokens nodig hebben voor een taak. Gecachete input is goedkoper, wat agents helpt die bij elke aanroep dezelfde instructies meesturen. En lange prompts kosten minder. Haiku 5.5 rekent vijf keer het basistarief zodra een prompt boven de 100.000 tokens komt. Ember rekent drie keer zoveel, en pas boven de 200.000. Welke factor de grafiek van Meta verklaart, zegt Meta niet.
Tegenover GPT-6 Luna ligt het anders: Ember kost per taak iets minder en scoort acht punten hoger op de index.
Op automatiseringstaken van Zapier wint Ember ruim van Haiku 5.5, op FrontierCode niet
De onafhankelijke cijfers zijn het sterkste deel van het verhaal. Artificial Analysis test AutomationBench op een besloten set van 657 Zapier-taken: werk in meerdere stappen in zakelijke software, precies wat agents doen. Ember rondde 37,8% af, Haiku 5.5 13,9%. Op de codeertest FrontierCode 2.0 wint Haiku 5.5 juist, met 34,9% tegen 27,2%.
Bij de rest van de resultaten past meer voorzichtigheid. Vier tests heeft Meta zelf gedraaid, en Meta schrijft dat de concurrerende modellen daarbij mogelijk niet optimaal zijn afgesteld. Op Terminal-Bench 4.0 draaide elk model in een andere tool, en twee van de drie scores komen van andere partijen. Ook partners die snelheid claimen, zoals Cloudflare, dat Ember bij de traagste antwoorden tot 30% sneller zag, noemen niet met welk model ze vergeleken.
Test Ember eerst op je eigen werk. Laat honderd echte deeltaken door Ember en je huidige kleine model lopen. Vergelijk de kosten per afgeronde taak en het aantal fouten, niet de prijs per token. Gebruik je Haiku 5.5 met prompts die vaak boven de 100.000 tokens uitkomen, dan valt er het meest te winnen. Houd persoonsgegevens buiten die tests tot Meta zegt waar Ember ze verwerkt.
Voor meer informatie, bekijk de officiële aankondiging van Muse Ember op de blog van Meta.
