Meta lanceert Muse Ember, een goedkoop, multimodale model voor AI-agenten

Meta's nieuwste AI-model, Muse Ember, is nu beschikbaar en belooft agent-gestuurde automatisering goedkoper en flexibeler te maken. Met een prijs van 10 cent per miljoen inputtokens is het model gepositioneerd als de meest kostenefficiënte optie voor routinematige tool-aanroepen, programmeersubtaken en de verwerking van lange documenten.

Wat er is gebeurd

Volgens TechCrunch onthulde Meta's Superintelligence Lab maandag Muse Ember als het lichtste en meest kostenefficiënte model in de Muse-reeks. De aankondiging presenteert Ember als een werkpaard voor "complexe redeneertaken en het werk dat agenten de hele dag herhalen: tool-aanroepen, programmeersubtaken, routering, extractie en de verwerking van lange documenten."

Het bedrijf benadrukte een benchmark van Artificial Analysis, waarin wordt beweerd dat Ember zowel goedkoper als slimmer is dan concurrenten zoals Anthropic's Haiku en OpenAI's Luna. Met een prijs van 10 cent per miljoen inputtokens is Ember goedkoper dan die geavanceerde concurrenten en evenaart het zelfs open-source-alternatieven zoals DeepSeek V4.1 Flash en GLM 5.3 Flash wat betreft kosten.

Ember is geen op zichzelf staande chatbot; Meta positioneert het als de "volumefunctie" van een agentstructuur die wordt gekoppeld aan een groter model, Muse Wonder. In een scenario voor klantenservice zou Wonder het beleid bepalen, terwijl Ember dit toepast op tienduizenden tickets—Meta vat het samen als "Muse Wonder plant, Muse Ember verwerkt het volume."

Naast de prijsstelling is Ember getraind om meerdere mediatypes te verwerken. Het model kan tekst, afbeeldingen en audio verwerken, waardoor agenten screenshots, grafieken, gescande documenten, voicememos, vergaderopnamen en video kunnen lezen zonder van model te hoeven wisselen. Deze flexibiliteit is bedoeld om pijplijnen te vereenvoudigen waarvoor previously afzonderlijke, gespecialiseerde modellen nodig waren.

Ember is de vierde release onder het merk Muse, na Spark (april), de open-source-tweedekker Glimmer (augustus) en het geavanceerde Wonder-model (oktober). Het vlaggenschip voor consumenten, Muse Agent, debuteerde in september en kreeg recentelijk functies zoals Spaces en videochat.

Waarom het belangrijk is voor MKB-leiders

Voor eigenaren en teamleiders die lean opereren, kunnen de kosten van AI-gestuurde automatisering doorslaggevend zijn. Met 10 cent per miljoen tokens komt Ember neer op ongeveer $0,001 per 1.000 karakters aan invoer—vele malen lager dan veel propriëtaire agenten. Dat prijspunt maakt het haalbaar om taken met een hoog volume uit te voeren—zoals bulk-ticketclassificatie, factuarextractie of mediarijke contentmoderatie—zonder het budget te overschrijden.

De multimodale capaciteit verlaagt ook de technische inspanning om afzonderlijke OCR-, spraak-naar-tekst- en beeldanalysediensten aan elkaar te knopen. Een enkele door Ember aangedreven agent kan een gescand bonnetje lezen, het bedrag ophalen en dit in één keer in een boekhoudsysteem invoeren. Kleine teams kunnen daardoor sneller end-to-end-workflows bouwen en met minder leverancierscontracten.

Tot slot biedt de "twee-modellenstrategie" (Wonder + Ember) een pragmatisch schaalpad: gebruik een zwaar model voor strategisch redeneren en een lichtgewicht Ember voor repetitieve uitvoering. Dit weerspiegelt de manier waarop veel SaaS-tools orchestratie scheiden van werkkuisknooppunten, maar nu kan dit in-house worden gedaan met een enkele leveranciersstack, wat naleving en datagovernance vereenvoudigt.

Wat je deze week kunt doen

1. Meld je aan voor Meta's API-toegang en voer een snelle tokencost-test uit op een voorbeelddocument om de claim van 10¢/M-token voor jouw typische workload te verifiëren.
2. Maak een prototype van een eenvoudige agent die Ember gebruikt om tekst uit screenshots of pdf's te halen en de uitvoer naar je bestaande CRM- of boekhoudtool te sturen.
3. Breng alle processen met een hoog volume en vaste regels binnen je bedrijf in kaart en stel een plan op met twee modellen: Wijs Muse Wonder (of een andere LLM die je al gebruikt) aan voor het creëren van beleid en Ember voor bulk-uitvoering.

Bronnen

• Meta releases Muse Ember, a new lightweight model for agent execution — TechCrunch - AI