AI & computing › Agentic AI & autonome agents
Meta lanceert Muse Ember: goedkoop AI-model voor het saaie werk van agents
Meta heeft Muse Ember gelanceerd, een klein en goedkoop AI-model dat speciaal is gebouwd voor het repetitieve werk dat AI-agents dagelijks uitvoeren. Het model moet taken als dataverwerking, kleine codeklusjes en het doorsturen van verzoeken veel voordeliger maken dan concurrenten van Anthropic en OpenAI. Op echte programmeertaken moet Muse Ember echter wel terrein inleveren.
AI-agents zijn programma's die zelfstandig taken uitvoeren door stap voor stap acties te nemen, vaak met hulp van externe tools of databases. Dat proces bestaat voor een groot deel uit kleine, voorspelbare stapjes: een stukje code testen, gegevens uit een document halen, of bepalen welke vervolgstap nodig is. Voor dat soort klusjes is een enorm en duur taalmodel niet per se nodig, stelt Meta. Het bedrijf introduceerde daarom Muse Ember, naar eigen zeggen het kleinste en meest efficiënte AI-model dat het tot nu toe heeft gebouwd.
Specialist in klein, repetitief werk
Muse Ember is bewust compact gehouden, maar levert wel in op veelzijdigheid: het model verwerkt tekst, afbeeldingen, audio en video, en kan in één keer tot een miljoen tokens aan informatie lezen. Dat maakt het ook geschikt voor het doorspitten van lange documenten, iets waar agents regelmatig op vastlopen. Meta positioneert het model niet als alleskunner, maar als werkpaard voor de achtergrond: het aanroepen van externe tools, het routeren van verzoeken naar de juiste dienst, en het uitvoeren van kleine, afgebakende programmeertaken.
Goedkoop, maar niet altijd de beste
Het belangrijkste verkoopargument van Meta is de prijs-prestatieverhouding. In de test van Artificial Analysis, een onafhankelijk platform dat AI-modellen met elkaar vergelijkt, kost een gemiddelde taak met Muse Ember ongeveer 0,14 dollar. Meta's eigen grotere model, Muse Spark 1.3, behaalt een bijna identieke score van 36 om 37 punten, maar kost daarvoor 2,39 dollar per taak: ruim zeventien keer zoveel. Volgens Meta scoort Muse Ember op bijna elke interne test beter op intelligentie per dollar dan Claude Haiku 5.5 van Anthropic en GPT-6 Luna van OpenAI, twee modellen die in hetzelfde goedkope segment concurreren.
Toch is Muse Ember niet overal de sterkste. Op echte programmeertaken, gemeten met de test FrontierCode 2.0-AA, verliest het model duidelijk van Claude Haiku: dat model haalt een score van 34,9 procent, tegenover 27,2 procent voor Muse Ember. Voor bedrijven die agents vooral inzetten om software te schrijven, blijft Haiku dus een serieus alternatief. Voor routinematiger werk, zoals het doorsturen van verzoeken of het ophalen van gegevens, lijkt Muse Ember wel de goedkopere keuze.
Beschikbaar via Meta's eigen platform
Muse Ember is per direct beschikbaar via de Meta Model API en Muse Code, het ontwikkelplatform van het bedrijf. Bedrijven betalen 0,10 dollar per miljoen tokens aan invoer en 0,50 dollar per miljoen tokens aan uitvoer die het model verwerkt. Daarmee richt Meta zich duidelijk op ontwikkelaars die grote hoeveelheden kleine AI-taken willen automatiseren, zonder dat de rekenkosten uit de hand lopen. Het past in een bredere trend in de AI-sector: naast steeds krachtigere modellen groeit ook de vraag naar kleine, snelle en goedkope varianten die het meeste routinewerk achter AI-agents kunnen afhandelen.
Achtergrond & begrippen
Wat betekent dit voor de toekomst? Nu AI-agents steeds vaker zelfstandig taken uitvoeren, groeit de behoefte aan modellen die goedkoop en snel genoeg zijn voor de vele kleine stapjes die zo'n agent moet zetten. Modellen als Muse Ember kunnen de kosten van agentic AI drastisch verlagen, waardoor bedrijven grootschaliger geautomatiseerde workflows kunnen inzetten. Dat versnelt de opmars van AI-agents in dagelijkse bedrijfsprocessen, al blijft er voor complexere taken zoals programmeren nog ruimte voor grotere, duurdere modellen.
- AI-agent
- Een AI-systeem dat zelfstandig meerdere stappen uitvoert om een taak te volbrengen, vaak door tools, databases of andere programma's aan te roepen.
- Tool calling
- Het vermogen van een AI-model om tijdens het uitvoeren van een taak externe programma's of diensten aan te roepen, bijvoorbeeld om gegevens op te zoeken.
- Token
- Een stukje tekst, vaak een deel van een woord, dat een AI-taalmodel als eenheid verwerkt. De hoeveelheid tokens bepaalt hoeveel tekst een model in één keer kan lezen.
- Context window
- De maximale hoeveelheid informatie die een AI-model in één keer kan verwerken, uitgedrukt in tokens. Muse Ember kan tot een miljoen tokens tegelijk lezen.
- Multimodaal
- Een AI-model dat meerdere soorten invoer kan verwerken, zoals tekst, afbeeldingen, audio en video, in plaats van alleen tekst.
- Artificial Analysis Intelligence Index
- Een onafhankelijke benchmark die de prestaties van AI-modellen meet en onderling vergelijkt op basis van allerlei taken.
- FrontierCode 2.0-AA
- Een testbenchmark die specifiek meet hoe goed een AI-model is in het uitvoeren van echte, praktische programmeertaken.
- API
- Application Programming Interface: een digitale koppeling waarmee ontwikkelaars een AI-model kunnen aanroepen vanuit hun eigen software.
- Intelligentie per dollar
- Een maatstaf die aangeeft hoeveel prestaties een AI-model levert in verhouding tot de kosten per uitgevoerde taak.
Bronnen
Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.