Name: GPT-6 Luna
Author: OpenAI

Mark Zuckerberg presenterade Metas senaste AI-modell med en enda mening på X: ”Muse Ember släpps i dag – vår minsta modell, med högre intelligens per dollar än andra i samma klass.” Många av rapporterna om lanseringen tolkade det som en prissänkning: att Meta skulle pressa priserna på de små, billiga modeller som Anthropic och OpenAI säljer till utvecklare som bygger AI-agenter.

Det handlar inte om en prissänkning, åtminstone inte enligt prislistan. Muse Ember tar exakt lika mycket som de två namngivna konkurrenterna för varje token som matas in och kommer ut. Besparingen Meta talar om är verklig, men den ligger någon annanstans: i hur mycket modellen skriver innan den kommer fram till ett svar. Det är ett mer intressant påstående än en rabatt – och svårare för köparen att kontrollera innan fakturan kommer.

Vad Meta har släppt

Muse Ember är den fjärde modellen i Metas Muse-familj, efter Spark, Glimmer och Wonder, och den minsta. Meta Superintelligence Labs har byggt den för de repetitiva momenten i en agent; med Zuckerbergs ord: ”kodningsuppgifter, dirigering, extrahering och tolkning av långa dokument”. Meta beskriver arbetsfördelningen utan omsvep: ”Muse Wonder planerar, Muse Ember hanterar volymen.” Alexandr Wang, som leder Meta Superintelligence Labs, säger att Ember är den första lanserade modellen som tränats med Muse Wonder Full, Metas största modell.

Enligt Meta kan Ember läsa text, bilder, ljud och video, hantera ett kontextfönster på en miljon token och skriva upp till 512 000 token i ett enda svar. Modellen är sluten. Vikterna går inte att ladda ned, och den körs via Metas driftade Model API och i Muse Code, Metas kodningsagent. Även Google Cloud och Oracle Cloud anges som tillgängliga vägar.

Varifrån ”per dollar” kommer

Meta listar Ember till 0,10 dollar per miljon indatatoken och 0,50 dollar per miljon utdatatoken. Anthropic listar samma grundpriser för Claude Haiku 5.5, liksom OpenAI för GPT-6 Luna, vilket både MarkTechPost och Fello AI påpekar. Den enda fördelen i listpriset gäller cachad indata – text som modellen redan har sett och kan återanvända. Ember tar 0,004 dollar per miljon token för detta, jämfört med 0,01 dollar för båda konkurrenterna.

Skillnaden visar sig per uppgift. I Artificial Analysis Intelligence Index, en oberoende uppsättning benchmarktester, får Ember 36 poäng, lika mycket som Haiku 5.5 med högsta inställningen, till en kostnad på omkring 0,14 dollar per uppgift mot Haikus 0,41 dollar. Fello AI:s genomgång av data från Artificial Analysis förklarar varför: sett till hela indexet producerade Ember omkring 115 miljoner utdatatoken och Haiku omkring 298 miljoner, till samma pris per utdata. Samma pris per token, men betydligt färre token. GPT-6 Luna kostar ungefär lika mycket per uppgift som Ember, 0,15 dollar, men får 28 poäng.

Det här spelar roll eftersom tokenantalet inte står på någon prislista. En utvecklare som jämför listpriser ser tre identiska modeller. Skillnaden märks först när agenten körs, och den varierar med uppgiften, ramverket och inställningen för resonemang. Metas jämförelse använder högsta resonemangsnivå, vilket också anges som standardinställning för Ember i utvecklardokumentationen.

Priset som tredubblas

På Metas utvecklarsida finns en andra prisnivå som inte nämns i lanseringsbudskapet. När indata överstiger 200 000 token kostar Ember 0,30 dollar per miljon indata och 1,50 dollar per miljon utdata – tre gånger så mycket som grundpriset. Meta varnar i sin dokumentation för att en begäran med en lång konversationshistorik kan passera gränsen. I sin lanseringsartikel skrev MarkTechPost att Meta inte anger någon prisnivå för långa kontexter för Ember. Metas egen prislista säger något annat.

Den prisnivån gäller just den användning Zuckerberg lyfte fram. ”Tolkning av långa dokument” och ett kontextfönster på en miljon token lockar utvecklare att mata in hela kodbaser och dokumentsamlingar – sådana förfrågningar som sannolikast passerar gränsen. Ember är ändå billigare än Haiku 5.5 även där, eftersom Haiku tar 0,50 dollar för indata och 2,50 dollar för utdata över 100 000 prompttoken, enligt MarkTechPost. Men ”billig” blir då ”billigare än alternativet”, vilket är ett annat löfte.

Vad testerna visar – och vem som utförde dem

Meta publicerade tio jämförelser med Haiku 5.5 och GPT-6 Luna. Embers starkaste resultat kommer i AutomationBench, Artificial Analysis test av 657 affärsflöden i Zapier, där modellen slutför 37,8 procent av uppgifterna. Motsvarande siffror är 13,9 procent för Haiku och 20,2 procent för Luna. Den enda tydliga förlusten gäller FrontierCode 2.0, som bedömer verkliga kodändringar utifrån om en underhållsansvarig skulle godkänna dem: Haiku får 34,9 poäng och Ember 27,2.

Fello AI har räknat ut vem som tog fram respektive resultat. Fem tester kommer från Artificial Analysis, fyra är Metas egna körningar och testet Terminal-Bench blandar olika upplägg: en körning från Artificial Analysis för Ember ställs mot konkurrenternas självrapporterade siffror. Fello påpekar också att Ember på Artificial Analysis modellsida bara anges ha stöd för text och bilder, så stödet för ljud och video bygger tills vidare på Metas egna uppgifter.

Vem Muse Ember är till för

I Metas lanseringsinlägg står det att Ember är ”tillräckligt billig för att köras i varje produkt, för alla”. Än så länge finns den inte i någon av Metas konsumentprodukter: Fello AI uppger att den saknas i Meta AI-appen, WhatsApp och Muse-agenten. Den är en komponent för andra företags agenter, vilket också framgår av partnercitat som Meta valt ut. Cline-grundaren Saoud Rizwan riktade in sig på ”team som sänker kostnaderna genom att köra den som underagent i sitt ramverk”. Cloudflares teknikchef Dane Knecht sa att den ”var upp till 30 procent snabbare i slutet av körningen än den jämförbara modell vi testade”.

Det är vad Ember-satsningen bygger på. Meta försöker inte vinna chattfönstret med den. Företaget vill bli anropet som körs tusen gånger i timmen inuti någon annans agent, medan en större modell står för tänkandet. I den rollen avgörs kostnaden av en siffra som ingen leverantör publicerar: hur många token modellen behöver för att bli klar.

Taggar: meta, Mark Zuckerberg, AI-modeller, Claude Haiku, Muse Ember