Muse Ember : Meta sert son plus petit modèle à 0,10 dollar
Meta met en ligne le 9 novembre Muse Ember, son plus petit modèle à ce jour, facturé 0,10 dollar le million de tokens d'entrée et 0,50 dollar le million en sortie sur son API. Sur l'index Intelligence d'Artificial Analysis il marque 36, au niveau de Claude Haiku 5.5, pour un tiers du coût par tâche.
par Gyom 10 novembre 2026 à 13:10 3 min de lecture rubrique : Automatiser
etiquettes : En entreprise · Hébergé · Coût
Meta met en ligne le 9 novembre Muse Ember, son plus petit modèle à ce jour. Il se sert par l'API de Meta au tarif de 0,10 dollar le million de tokens d'entrée et de 0,50 dollar le million en sortie, et le laboratoire le destine aux appels d'outils, à l'extraction de champs, à l'analyse de documents longs, aux sous-tâches de code et aux sous-agents. Pas à la conversation longue, pas au raisonnement difficile.
36 sur l'index d'Artificial Analysis, au niveau de Claude Haiku 5.5
Sur l'index Intelligence d'Artificial Analysis, Muse Ember atteint 36. Claude Haiku 5.5 monte à 36,2 dans son meilleur réglage, et GPT-6 Luna s'arrête à 28. Le score ne dit rien du prix, et c'est là que le modèle de Meta se place :
- 0,136 dollar par tâche pour un score de 35,8 chez Muse Ember, contre 0,411 dollar pour 36,2 chez Claude Haiku 5.5 ;
- 0,116 dollar par tâche pour un score de 33,9, là où Claude Haiku 5.5 demande 0,248 dollar pour 34,3 ;
- 0,152 dollar pour GPT-6 Luna, qui plafonne à 27,8.
Les trois écarts se lisent dans le même sens : la même intelligence, mesurée par la même société de benchmarks, coûte environ un tiers du prix chez Meta.
L'écart se creuse sur les tâches d'agent, pas sur le raisonnement
Les bancs qui mesurent ce qu'un agentIA agentiqueModèle qui boucle : il choisit une action, le plus souvent un appel d'outil, en lit le résultat, puis recommence jusqu'à l'objectif ou l'abandon. La boucle est ce qui distingue un agent d'une réponse unique.Fiche du lexique fait, et non ce qu'un modèle sait, séparent davantage les trois modèles.
- AutomationBench-AA : 37,8 pour Muse Ember, 13,9 pour Claude Haiku 5.5, 20,2 pour GPT-6 Luna ;
- Terminal-Bench 4.0 : 40,9, puis 39,2 et 16,4 ;
- Agents' Last Exam : 61,6, puis 57,0 et 57,1 ;
- OSWorld 2.1 : 69,5 en score partiel, puis 68,9 et 50,5.
Sur Terminal-Bench 4.0 et OSWorld 2.1, les deux modèles se tiennent à un point ou deux. Sur AutomationBench-AA l'écart s'ouvre pour de bon, 37,8 contre 13,9, et GPT-6 Luna reste à 20,2. C'est cette comparaison que Meta met en avant : un modèle d'entrée de gamme qui tient les tâches d'outil d'un modèle plus cher, à un prix d'appel.
Un cran sous Muse Spark 1.1, un cran au-dessus de l'auto-hébergement
Muse Ember ne remplace rien dans la gamme. Muse Spark 1.1 se facture 1,25 dollar le million en entrée et 4,20 dollars en sortie, et Muse Glimmer reste le 30B que Meta laisse télécharger pour faire tourner un agent de bout en bout sur sa propre machine. Ember comble le segment intermédiaire : trop gros pour un usage domestique, trop petit pour le tarif d'un modèle de tête.
Cinq partenaires annoncent sa prise en charge le jour de la sortie : Box, Cline, Oracle, Cloudflare et You.com. Yashodha Bhavnani, vice-présidente des produits d'IA chez Box, résume l'usage visé : envoyer chaque requête au plus petit modèle qui la traite correctement, et réserver les gros modèles aux cas qui les exigent.
Ce que le prix déplace dans une chaîne d'agents
Une chaîne d'agents passe l'essentiel de son temps dans des appels courts : choisir un outil, remplir ses paramètrespoids du modèleNombre de valeurs apprises par un modèle. À quantification égale, plus de paramètres veut dire plus de mémoire occupée, et en général de meilleures réponses.Fiche du lexique, lire une réponse, décider de l'étape suivante. Le coût par tâche y pèse plus lourd que le score d'un modèle de tête, parce que ces appels se répètent à chaque tour de boucle. Un modèle à 0,10 dollar le million d'entrée rend économiquement possible ce qui ne l'était pas avec un modèle à 1,25 dollar : router chaque sous-tâche vers un modèle distinct, plutôt que de tout confier à un seul.
Reste une limite que le prix ne règle pas. Ember s'utilise par l'API de Meta, donc en dehors de la machine, avec les données de l'agent qui transitent par un tiers. Les équipes qui gardent leurs documents en local n'y gagneront que le jour où des poids équivalents sortiront, et Meta n'en annonce pas pour ce modèle.
Source primaire Meta Research, « Introducing Muse Ember, our smallest, most efficient model to date », 9 novembre 2026