Meta lance Muse Ember pour les tâches que les agents répètent à grande échelle

Meta a lancé Muse Ember le 9 novembre 2026. Dans son annonce de lancement, le groupe présente ce modèle comme le plus léger de sa gamme Muse. Il vise les opérations qu’un agent répète souvent. Meta cite les appels d’outils et les petites tâches de code ainsi que le tri ou l’extraction d’informations dans des documents. Le modèle est disponible dans la Meta Model API et dans Muse Code selon la documentation de l’éditeur.

Séparer la préparation d’un travail de son exécution

La documentation de Muse Ember décrit un fonctionnement à deux niveaux. Un modèle comme Muse Wonder ou Muse Spark peut préparer le plan d’une tâche. Ember peut ensuite exécuter les étapes répétées du plan. On peut aussi l’employer seul pour une opération dont le périmètre est bien défini.

Imaginez un agent qui doit traiter une série de demandes entrantes. Un premier modèle peut définir les catégories et préciser les exceptions à traiter à part. Ember peut ensuite lire chaque demande et proposer une catégorie. Ce scénario illustre la répartition envisagée par Meta. Pour en mesurer l’intérêt, il faudrait notamment vérifier les erreurs de classement et le nombre de demandes qui doivent repartir vers le modèle principal.

Le prix dépend de la longueur de la demande

La grille tarifaire de Meta indique 0,10 dollar par million de jetons d’entrée et 0,50 dollar par million de jetons de sortie au tarif standard. Pour les demandes qui dépassent 200 000 jetons d’entrée, les tarifs affichés passent à 0,30 et 1,50 dollar par million. Meta affiche un prix distinct pour les entrées mises en cache. La documentation annonce une fenêtre de contexte d’un million de jetons et une sortie maximale de 512 000.

Un plafond de contexte indique le volume que le modèle peut traiter. Le seuil tarifaire indique à partir de quelle longueur le prix par jeton change. Une demande peut donc rester très en dessous de la limite technique tout en relevant du tarif long. Pour une suite d’appels, il faut aussi compter les réponses et le contexte que chaque appel renvoie au modèle.

Les résultats d’un test ne donnent pas le coût de chaque usage

Meta s’appuie notamment sur des résultats d’Artificial Analysis pour comparer le coût par tâche. Dans son graphique, l’entreprise précise que les coûts d’Ember sont des estimations calculées aux tarifs proposés. Une comparaison dans ce cadre peut aider à choisir des modèles à évaluer. Le coût réel dépend ensuite des requêtes envoyées et du nombre de fois où une tâche doit être reprise ou transmise à un modèle plus puissant.

Le canal d’accès change les possibilités

Meta décrit plusieurs modalités en entrée dans sa présentation. Sur la fiche Google Cloud de Muse Ember 1.0, le modèle est en préversion avec texte et images en entrée et texte en sortie. Cette fiche illustre la nécessité de vérifier les modalités effectivement prises en charge par l’interface utilisée. L’article sur la publication des poids de Muse Spark Open porte sur une autre version de la gamme. Ember est ici annoncé comme un modèle accessible par des services hébergés.