Meta lance Muse Ember, son plus petit modèle, pensé pour les sous-tâches d'agents

Meta a lancé le 9 novembre 2026 Muse Ember, présenté sur son blog de recherche comme son modèle « le plus petit et le plus efficace ». Il ne vise pas la tête des classements : il est fait pour le travail répétitif que les agents enchaînent toute la journée, comme les appels d’outils, les sous-tâches de code, le routage de requêtes, l’extraction de données et la lecture de longs documents. Mark Zuckerberg l’a annoncé le même soir sur X.

Disponibilité et prix

Muse Ember est disponible dès aujourd’hui sur l’API Meta Model et dans Muse Code, sous l’identifiant muse-ember-1.0, avec prise en charge de la Responses API. Meta affiche 0,10 $ par million de jetons en entrée, 0,004 $ par million de jetons d’entrée en cache et 0,50 $ par million de jetons en sortie. Le modèle accepte une fenêtre de contexte d’un million de jetons, peut produire jusqu’à 512 000 jetons et comprend nativement le texte, l’image, l’audio et la vidéo.

C’est aussi, selon Meta, le premier modèle entraîné à l’aide de Muse Wonder Full. Il concrétise la stratégie annoncée avec la série Wonder, déjà visible dans les modèles spécialisés déployés dans Muse et Meta AI : un grand modèle de pointe sert à entraîner des modèles plus légers, moins chers à faire tourner. La gamme compte désormais trois étages, Muse Wonder pour les problèmes les plus durs, Muse Spark pour le code et les flux agentiques, Muse Ember pour le volume.

Ce que disent les mesures

Le point le plus solide vient d’un tiers. Artificial Analysis attribue à Muse Ember (effort max) un score de 36 à son Intelligence Index, le même que Claude Haiku 5.5 (max), pour environ 0,14 $ par tâche contre 0,41 $. L’écart de coût ne tient pas au prix affiché, identique à celui de Claude Haiku 5.5 et de GPT-6 Luna en entrée et en sortie, mais à une entrée en cache beaucoup moins chère et à des réponses plus courtes : selon l’organisme, Ember produit environ trois fois moins de jetons de sortie que Claude Haiku 5.5. Muse Wonder (max) reste huit points au-dessus (44), mais à 6,95 $ par tâche.

Dans son propre agent de code, Muse Code, Ember obtient 46 au Coding Agent Index d’Artificial Analysis, contre 37 pour Claude Haiku 5.5 dans Claude Code et 31 pour GPT-6 Luna dans Codex. Le tableau n’est pas uniformément favorable : sur FrontierCode 2.0, qui juge des tâches d’ingénierie réelles sur leur capacité à être fusionnées, Ember (27,2 %) reste derrière Claude Haiku 5.5 (34,9 %). Et ses connaissances générales sont faibles : 21,1 % de précision sur AA-Omniscience, surtout parce qu’il refuse de répondre à 64 % des questions. Revers positif, son taux d’hallucination (17,4 %) est, d’après Artificial Analysis, moitié moindre que celui de Claude Haiku 5.5.

Les autres chiffres du billet, comme Agents’ Last Exam (61,6 %), OSWorld 2.1 ou le Personal Superintelligence Index, sont des évaluations internes de Meta, tout comme les gains de vitesse rapportés par les partenaires de test (Box, Cline, Oracle, Cloudflare, You.com).

Les limites

Meta ne publie ni la taille du modèle ni de poids téléchargeables : Muse Ember est un modèle fermé, accessible uniquement par l’API et Muse Code. Côté sécurité, Meta dit l’avoir évalué selon son cadre interne (risques chimiques et biologiques, cybersécurité, perte de contrôle) et le place sous les seuils de risque élevé, ce qui reste une auto-évaluation.