Meta Superintelligence Lab анонсировала Muse Ember — новую облегчённую модель в портфеле Muse. По позиционированию это самая экономичная версия: Meta позиционирует Ember для выполнения повторяющихся рутинных операций агентами: вызовы функций, кодирование, маршрутизация, извлечение данных, обработка длинных документов. Расценка в 10 центов за миллион входящих токенов делает модель заметно дешевле конкурентов вроде Anthropic Haiku и OpenAI Luna, а по цене попадает в диапазон открытых моделей типа DeepSeek V4.1 Flash.
Архитектура Ember явно рассчитана на роль рабочей лошадки в составе более крупной системы. Идея такая: более мощная модель (например, Muse Wonder) планирует стратегию решения задачи и устанавливает правила, затем Ember применяет эти правила на масштабе. Meta сама описывает это так: «Wonder планирует, Ember выполняет объём». На практике это означает, что в агенте для поддержки клиентов тяжёлая модель один раз проанализирует проблему и определит алгоритм, а лёгкая обработает тысячи однотипных случаев.
Ещё одна фишка Ember — поддержка мультимодальности. Модель натренирована работать с текстом, изображениями и аудио в едином потоке, что даёт агентам способность читать скриншоты, графики, сканы документов, анализировать голосовые записи и видео без переключения на отдельный специализированный инструмент. Это упрощает интеграцию: агент может полностью обойтись одной моделью для разных входных данных.
Ember становится четвёртой моделью в семействе Muse. До неё вышли: середнячок Spark (апрель), его открытый аналог Glimmer (август) и флагманский Wonder (октябрь). Основной потребительский продукт Meta Muse Agent, запущенный в сентябре, получил неожиданное признание и за этот месяц обзавёлся несколькими новыми фичами типа Spaces и видеозвонков.
С точки зрения рынка происходит то, что и ожидалось после волны больших моделей: консолидация вокруг двухуровневых архитектур. Когда один универсальный LLM перестаёт быть экономичным, компании переходят на стратегию «тяжелый + лёгкий», где дорогая модель решает сложные задачи, а дешёвая берёт на себя операционную нагрузку. Google уже пошёл этим путём с Gemini, OpenAI намекает на эту логику, а Meta теперь явно это артикулирует. Для клиентов это хорошо: падает средняя стоимость обработки запроса при сохранении качества на критичных этапах.
Для российского бизнеса это потенциально полезный сценарий. Например, в автоматизации документооборота или поддержке клиентов можно использовать многоуровневый подход: сложные вопросы маршрутить на мощную модель, рутину (классификация, извлечение данных, форматирование) поручить Ember. Платформы вроде AI Studio уже позволяют комбинировать разные модели в одном workflow, что даёт возможность оптимизировать затраты при масштабировании. Правда, пока доступ к Ember остаётся в основном для интеграций через API, а не для экспериментов в интерфейсе, так что полезность зависит от того, как быстро Ember появится в сервисах для конечных пользователей.
Meta Platforms Inc. признана экстремистской организацией, её деятельность запрещена на территории РФ; это относится и к принадлежащим ей социальным сетям Instagram и Facebook.
Алексей Мартыненко
Главный редактор SPV News
Ember это не столько прорыв, сколько логичный шаг после того как размер моделей перестал быть главным конкурентным преимуществом. Дешёвая лёгкая модель нужна каждому, кто масштабирует агентов на реальные объёмы работы, и Meta это понимает. Интересно не столько сама цифра в 10 центов, сколько то что это заставляет всех конкурентов играть в эту же игру по цене и эффективности, а не по рекламному шуму.