Meta'nın Muse Ember modeli, Vercel AI Gateway üzerinden yüksek hacimli agent görevlerine ucuz ve verimli akıl yürütmeye getiriyor

Meta, en küçük ve en verimli modeli olarak nitelendirdiği Muse Ember'ı tanıttı. Model, yazılım agent'larının tüm gün gerçekleştirdiği tekrarlanan yapılandırılmış işler için tasarlandı: tool çağrıları, kodlama alt görevleri, yönlendirme, bilgi çıkarma ve uzun belgeleri ayrıştırma. Vercel de aynı gün, modelin meta/muse-ember adıyla AI Gateway üzerinde kullanıma açıldığını duyurdu.

Agent çalışmasının yüksek hacimli orta kısmı için tasarlandı

Meta'ya göre agent'lar token'larının çoğunu zor akıl yürütme üzerine değil, çok sayıda küçük ve yapılandırılmış adım üzerine harcıyor: kayıt getirme, tool'ları sırayla çağırma, uygulamalar genelinde sistemleri güncelleme. Muse Ember tam olarak bu katmanı hedefliyor ve Meta, onu daha büyük olan Muse Wonder modelinin bir yol arkadaşı olarak konumlandırıyor — Wonder planlamayı yaparken Ember yüksek hacimli yürütmeyi üstleniyor.

Model 1M token'lık bir bağlam penceresi sunuyor ve 512K'ya kadar çıktı token'ı üretebiliyor; bu, tek bir çağrıda tüm bir kod tabanını veya belge kümesini içine almak için yeterli. Meta, modelin metin, görsel, ses ve video genelinde doğal olarak multimodal olduğunu, dolayısıyla bir agent'ın ekran görüntüleri, grafikler, taranmış sözleşmeler veya toplantı kayıtlarıyla ayrı bir modele yönlendirme olmadan çalışabileceğini söylüyor.

Vercel'in duyurusu aynı 1M token'lık pencereyi metin, görsel ve video girdisiyle, minimal ile maksimum arasında ayarlanabilir akıl yürütme çabasıyla ve bir uygulamanın her sonucu bir sonraki adıma beslemesini sağlayan tool çağırma özelliğiyle anlatıyor.

Meta'nın yayımladığı rakamlar

Meta, modelin her akıl yürütme ayarında Anthropic'in Claude Haiku 5.5'inden veya OpenAI'nin GPT-6 Luna'sından dolay başına daha iyi zekâ sunduğunu iddia ediyor ve Artificial Analysis'in liderlik tablosunda başka hiçbir modelin görev başına daha düşük maliyetle daha yüksek puan vermediğini söylüyor. Meta'nın Artificial Analysis'ten yeniden ürettiği grafiklerde Muse Ember'ın en iyi ayarı görev başına tahmini 0,136 dolara 35,8 puan alırken, Haiku 5.5'in en iyisi 0,411 dolara 36,2 puan aldı — harcamanın kabaca üçte biriyle benzer çıktı.

Maksimum akıl yürütmede Meta'nın rakamları Muse Ember'ı AutomationBench-AA'de (yüzde 37,8; Luna için yüzde 20,2 ve Haiku 5.5 için yüzde 13,9), Agents' Last Exam'de (Linux alt kümesinde yüzde 61,6), Terminal-Bench 4.0'da (yüzde 40,9) ve Coding Agent Index'te (37 ve 31'e karşı 46) iki rakibin de önüne koyuyor. Tam bir galibiyet değil: Haiku 5.5, FrontierCode 2.0-AA'de yüzde 34,9 ile Muse Ember'ın yüzde 27,2'sinin önünde. Meta, bazı sonuçların Artificial Analysis'ten, diğerlerinin ise dahili değerlendirmelerden geldiğini belirtiyor.

Erken test edenler arasında Box, Complex Work Eval üzerinde güçlü doğruluk, hız ve token verimliliği rapor etti; buna bir şirketin müzakere kılavuzuna göre sözleşmeleri madde madde puanlama da dahil.

Fiyatlandırma, güvenlik ve kullanılabilirlik

Meta, modeli Model API'si üzerinden ve Muse Code içinde muse-ember-1.0 olarak sunuyor; fiyatı milyon girdi token'ı başına 0,10 dolar ve milyon çıktı token'ı başına 0,50 dolar, önbelleğe alınmış girdi ise milyon başına 0,004 dolar olarak listeleniyor. Güvenlik tarafında Meta, Muse Ember'ın Superintelligence Scaling Framework değerlendirmelerinden geçtiğini — kimyasal, biyolojik, siber güvenlik ve kontrol kaybı risklerini kapsayan — ve framework'ün yüksek risk eşiklerinin altında kaldığını, ayrıca bir kullanıcı adına hareket ederken nasıl davrandığına dair testleri — belgelere veya tool çıktılarına gizlenmiş talimatlara direnme gibi — paylaşıyor.

Vercel tarafından ise model AI Gateway'e eklendi. Geliştiriciler npx vercel ai-gateway setup komutunu çalıştırıp modeli seçtikten sonra AI SDK, Chat Completions, Responses ve Anthropic Messages API'leri ya da Claude Code, Codex ve Cursor gibi kodlama agent'ları üzerinden erişebiliyor. Vercel, gateway'in sağlayıcı fiyatlandırmasını ek ücret ve çıkarım üzerinde platform ücreti olmadan geçirdiğini — kendi anahtarını getir (bring-your-own-key) istekleri dahil — ve üstüne kullanım izleme, yeniden deneme ve yük devretme (failover) eklediğini söylüyor.

Neden önemli

Agent'ların ekonomisi hacme göre belirlenir: tek bir çalışma yüzlerce küçük tool çağrısı, dosya düzenlemesi ve özetleme tetikleyebilir ve bu adımların maliyeti, iş akışının hiç uygulanabilir olup olmadığını belirler. Tam olarak bu iş yüküne ayarlanmış küçük bir model — uzun bağlam, multimodal girdi, agresif fiyatlandırma — birim maliyet sorununa doğrudan saldırıyor ve Wonder artı Ember eşleşmesi, planlama modelleri ile yürütme modelleri arasında daha geniş bir sektör ayrışmasına işaret ediyor. Uyarılar gerçek: karşılaştırma kümesi dar, rakamlar Meta'nın kendi rakamları ve en az bir kıyaslama bir rakibi destekliyor. Ancak tarafsız bir gateway üzerinden sağlayıcı fiyatıyla hazır bulunması, ekiplerin bu iddiaları kendi agent iş yükleriyle test etmesini ucuz kılıyor.