Meta lancia Muse Ember, il suo modello più compatto pensato per i sottocompiti degli agenti

Meta ha lanciato il 9 novembre 2026 Muse Ember, presentato sul suo blog di ricerca come il suo modello «più piccolo ed efficiente». Non punta al vertice delle classifiche: è pensato per il lavoro ripetitivo che gli agenti svolgono continuamente, come le chiamate a strumenti, i sottocompiti di programmazione, l’instradamento delle richieste, l’estrazione dati e la lettura di documenti estesi. Mark Zuckerberg lo ha annunciato la sera stessa su X.

Disponibilità e prezzi

Muse Ember è disponibile da oggi sulla Meta Model API e all’interno di Muse Code, sotto l’identificatore muse-ember-1.0, con supporto per la Responses API. Meta indica 0,10 $ per milione di token in input, 0,004 $ per milione di token di input in cache e 0,50 $ per milione di token in output. Il modello gestisce una finestra di contesto di un milione di token, può generare fino a 512.000 token e comprende nativamente testo, immagini, audio e video.

Si tratta inoltre, secondo Meta, del primo modello addestrato con l’ausilio di Muse Wonder Full. Concretizza la strategia annunciata con la serie Wonder, già visibile nei modelli specializzati distribuiti in Muse e Meta AI: un grande modello di punta serve ad addestrare modelli più compatti, meno costosi da eseguire. La gamma comprende ora tre livelli: Muse Wonder per i problemi più complessi, Muse Spark per il codice e i flussi agentici, Muse Ember per i grandi volumi.

Cosa dicono i test

Il dato più solido arriva da terze parti. Artificial Analysis attribuisce a Muse Ember (sforzo massimo) un punteggio di 36 nel suo Intelligence Index, lo stesso di Claude Haiku 5.5 (max), a circa 0,14 $ per attività contro 0,41 $. La differenza di costo non dipende dal prezzo nominale, identico a quello di Claude Haiku 5.5 e GPT-6 Luna in input e in output, ma da un input in cache nettamente più economico e da risposte più sintetiche: secondo la società di analisi, Ember genera circa un terzo dei token di output rispetto a Claude Haiku 5.5. Muse Wonder (max) rimane otto punti sopra (44), ma a 6,95 $ per attività.

Nel proprio agente di programmazione, Muse Code, Ember ottiene 46 nel Coding Agent Index di Artificial Analysis, contro il 37 di Claude Haiku 5.5 in Claude Code e il 31 di GPT-6 Luna in Codex. Il quadro non è del tutto favorevole: su FrontierCode 2.0, che valuta compiti ingegneristici reali in base alla loro idoneità all’integrazione nel codice, Ember (27,2%) resta indietro rispetto a Claude Haiku 5.5 (34,9%). Inoltre, la sua conoscenza generale è limitata: 21,1% di accuratezza su AA-Omniscience, soprattutto a causa del rifiuto di rispondere al 64% delle domande. Di contro, il suo tasso di allucinazione (17,4%) è, stando ad Artificial Analysis, pari alla metà di quello di Claude Haiku 5.5.

Gli altri dati presenti nel post, come quelli su Agents’ Last Exam (61,6%), OSWorld 2.1 o il Personal Superintelligence Index, sono valutazioni interne di Meta, così come i miglioramenti di velocità riferiti dai partner coinvolti nei test (Box, Cline, Oracle, Cloudflare, You.com).

I limiti

Meta non rende nota la dimensione del modello né distribuisce pesi scaricabili: Muse Ember è un modello proprietario, accessibile unicamente tramite API e Muse Code. Sul fronte della sicurezza, Meta afferma di averlo valutato in base al proprio framework interno (rischi chimici e biologici, cybersicurezza, perdita di controllo) e lo colloca al di sotto delle soglie di rischio elevato, elemento che resta comunque un’autovalutazione.