Muse Ember: najmniejszy model Mety kosztuje 0,10 USD za milion tokenów, ale wag nie udostępnia

👁 114 przeczytań

Meta wypuściła Muse Ember, najmniejszy model z rodziny Muse, i wyceniła go w API na 0,10 USD za milion tokenów wejściowych oraz 0,50 USD za milion wyjściowych (ok. 0,39 zł i ok. 1,96 zł po kursie średnim NBP z 9 listopada 2026). Token to kawałek słowa, w którym modele liczą tekst, a więc i rachunek. Model działa od dnia premiery w Muse Code i w Meta Model API pod identyfikatorem muse-ember-1.0. 9 listopada 2026 sprawdziłem też OpenRouter: jest tam jako meta/muse-ember, w tej samej cenie. Wag do pobrania nie ma i w materiałach Mety nie znalazłem żadnej zapowiedzi, że będą.

Ten brak waży więcej niż sam cennik. W rodzinie Muse są już modele otwarte, więc pytanie o Embera samo się narzuca. Tymczasem najmniejszy z nich można na razie tylko wynająć.

Model do roboty powtarzanej cały dzień

Meta w ogłoszeniu opisuje Embera jako model do pracy, którą agenci „powtarzają cały dzień”: wywołań narzędzi, drobnych zadań programistycznych, kierowania zapytań we właściwe miejsce, wyciągania danych i czytania długich dokumentów. Agent to program, który sam rozbija zadanie na kroki i wykonuje je po kolei. Każdy krok oznacza osobne zapytanie do modelu, więc przy tysiącach kroków cena jednego zapytania zaczyna decydować o tym, czy całość się opłaca.

Stąd zalecenie z dokumentacji: większy model, Muse Spark albo Muse Wonder, planuje, a Ember obsługuje wolumen. Z trudnymi jednorazowymi problemami w kodzie i pytaniami wymagającymi dużej wiedzy Meta sama odsyła do większych modeli. To czwarty model pod marką Muse, którą część czytelników zna z asystenta opisywanego u mnie wcześniej. Jak wylicza TechCrunch, wcześniej wyszły Spark w kwietniu, otwarty Glimmer w sierpniu i Wonder w październiku. Ember jest pierwszym modelem wytrenowanym z użyciem Muse Wonder Full.

Jak na „mały” model parametry są zaskakująco duże. Okno kontekstu, czyli ilość tekstu, którą model widzi naraz, ma 1 048 576 tokenów, a jedna odpowiedź może mieć do 524 288 tokenów. Na wejściu Ember przyjmuje tekst, obrazy, wideo, dźwięk i pliki PDF, choć odpowiada wyłącznie tekstem. Wysiłek rozumowania ustawia się na skali od „minimal” do „max” i domyślnie jest to „max”. Kto chce płacić jak najmniej, powinien o tym pamiętać, bo więcej rozumowania to więcej tokenów na rachunku.

Programistów zainteresują jeszcze trzy rzeczy. API obsługuje endpointy Responses, Chat Completions i Messages, a Ember przyjmuje to samo żądanie co Muse Spark, więc przesiadka zwykle sprowadza się do zmiany identyfikatora modelu. W Model API działa tylko w trybie Standard, bez wariantu Contributor. Zapytania z ponad 200 tys. tokenów wejściowych Meta rozlicza po wyższych stawkach, ale ich wysokości nie udało mi się ustalić, podobnie jak limitów liczby zapytań. Poza API Mety model jest też dostępny w Google Cloud i Oracle Cloud.

Ta sama cena za token, niższy rachunek

Meta twierdzi, że Ember dorównuje najlepszemu wynikowi Claude Haiku 5.5 za mniej więcej jedną trzecią kosztu i wygrywa z każdym ustawieniem GPT-6 Luna. Niezależny serwis Artificial Analysis w dużej mierze to potwierdza. W jego Intelligence Index Ember na ustawieniu „max” ma 36 punktów przy koszcie ok. 0,14 USD za zadanie (ok. 0,55 zł). Haiku 5.5 za ten sam wynik płaci 0,41 USD (ok. 1,61 zł), czyli prawie trzy razy więcej.

W tej samej analizie jest jednak zdanie, które zmienia sposób czytania cennika: Ember ma takie same ceny tokenów wejścia i wyjścia jak Haiku 5.5 i GPT-6 Luna. Meta nie wygrywa więc stawką. Przewaga bierze się skądinąd. Po pierwsze, Ember zużywa mniej tokenów na to samo zadanie. Po drugie, ma tańszy cache, czyli pamięć podręczną, dzięki której za powtarzający się początek zapytania płaci się ułamek ceny: u Mety to 0,004 USD za milion tokenów. Agent, który setki razy wysyła tę samą instrukcję i tę samą listę narzędzi, zyska na tym dużo. Ktoś, kto zadaje modelowi pojedyncze, za każdym razem inne pytania, zyska znacznie mniej.

Porównanie wewnątrz rodziny mówi podobnie. Muse Wonder na „max” ma 44 punkty przy 6,95 USD za zadanie, więc Ember jest 8 punktów niżej za mniej więcej jedną pięćdziesiątą kosztu. To uczciwa wymiana, jeśli zadania są proste i jest ich dużo. O agentach Mety pisałem wcześniej w tekstach o agencie sprzedawanym za grosze i o przejęciu Conductora.

Słabości też są policzone. W teście wiedzy AA-Omniscience Ember ma 21,1% dokładności wobec 34,7% Haiku, najmniej wśród porównywanych modeli o podobnej inteligencji. Powód jest dość szlachetny: model odmawia odpowiedzi na 64% pytań, zamiast zgadywać. Na FrontierCode 2.0, teście trudnych zadań programistycznych, przegrywa z Haiku 27,2% do 34,9%. Inaczej wypada uruchomiony w Muse Code, własnym narzędziu Mety: dostaje tam 46 punktów w Coding Agent Index, przed Haiku w Claude Code (37) i Luną w Codex (31). Mały model w dopasowanym do niego środowisku radzi sobie więc lepiej niż w gołym teście.

Jedno zastrzeżenie: liczby Mety i Artificial Analysis nie wszędzie się pokrywają. Dla testu AutomationBench-AA Meta podaje wynik Embera 37,8%, a Artificial Analysis 68,1%. Nie wiem, skąd ta różnica, więc na tym benchmarku nie opieram żadnego wniosku.

Otwarty jest Spark Open, nie Ember

Część rodziny Muse Meta otwiera. Poza sierpniowym Glimmerem udostępniła wagi Muse Spark Open, modelu o 816 mld parametrów, z których 42 mld jest aktywnych przy pojedynczym zapytaniu. Wagi to wytrenowany model w postaci plików, które można pobrać i uruchomić na własnym sprzęcie, bez pytania Mety o zgodę przy każdym zapytaniu. „Otwarty” ma tu jednak swoje granice, bo Spark Open wyszedł na licencji Muse Model License z ograniczonymi warunkami komercyjnymi.

O Emberze w tym kontekście nie ma nic. Ogłoszenie i dokumentacja mówią wyłącznie o API i Muse Code. Najbliżej obietnicy jest zdanie, że modele Wonder i Wonder Full mają posłużyć do rozwijania wyspecjalizowanych modeli, które firma chce udostępnić „wszystkim”, oraz zapowiedź, że w treningu są modele jeszcze bardziej efektywne. Żadne z tych zdań nie wspomina o wagach, licencji ani terminie. „Dla wszystkich” równie dobrze może znaczyć „dla każdego, kto ma klucz do API”.

Rozmiaru Embera też nie udało mi się ustalić, więc nie wiem, czy zmieściłby się na zwykłej karcie graficznej. Wiem tyle, że Meta umie wydawać otwarte modele, gdy chce, a przy tym jednym milczy.

Polski w trzech próbach

Meta nie podaje, ile języków obsługuje Ember, ani żadnych danych o jakości polszczyzny. Zrobiłem więc 9 listopada 2026 trzy krótkie próby przez OpenRouter. Model poprawnie odmienił przez przypadki słowo „ksiądz”, łącznie z wołaczem „księże”, w 2,5 sekundy. Zagadkę logiczną rozwiązał poprawnie w 1,6 sekundy. Na koniec zwrócił poprawny JSON (Warszawa, Wisła, rok 1410) w 2,1 sekundy.

Trzy na trzy, ale to szybka próba, nie pełny test. Mówi tyle, że model nie potyka się na podstawach polskiej fleksji i trzyma zadany format. Nie mówi, jak napisze dłuższy tekst ani jak zrozumie urzędowe pismo.

Kto ma już kod napisany pod Muse Spark, może sprawdzić to tanio: podmienić identyfikator na muse-ember-1.0, puścić własne zadania i porównać rachunek. Lepiej nie zakładać z góry, że taniej znaczy dużo taniej, bo przewaga Embera zależy od cache’u i liczby zużytych tokenów. Na otwarte wagi nie ma na co czekać, dopóki Meta nie poda licencji i daty.

Czytasz Promptowego częściej? Dodaj go do preferowanych źródeł w Google, a nowe teksty będą wyżej w Twoich wynikach.

Najczęstsze pytania

Ile kosztuje Muse Ember w API?

0,10 USD za milion tokenów wejściowych i 0,50 USD za milion wyjściowych, czyli ok. 0,39 zł i ok. 1,96 zł po kursie średnim NBP z 9 listopada 2026. Tokeny z cache kosztują 0,004 USD za milion. Zapytania powyżej 200 tys. tokenów wejściowych są droższe, ale tych stawek nie udało mi się ustalić.

Czy Muse Ember jest open source?

Nie. Ember jest dostępny tylko przez API i w Muse Code, a Meta nie zapowiedziała udostępnienia jego wag. Otwarte są inne modele rodziny: Glimmer oraz Muse Spark Open, ten drugi na licencji z ograniczonymi warunkami komercyjnymi.

Czy Muse Ember działa po polsku?

Meta nie publikuje danych o jakości polskiego ani liczbie obsługiwanych języków. W moich trzech krótkich próbach z 9 listopada 2026 (odmiana słowa „ksiądz”, zagadka logiczna, poprawny JSON) model odpowiedział poprawnie za każdym razem, w 1,6-2,5 sekundy. To za mało, żeby oceniać dłuższe teksty.

Jakie okno kontekstu ma Muse Ember i gdzie go używać?

Okno kontekstu to 1 048 576 tokenów, a maksymalna odpowiedź 524 288 tokenów. Model przyjmuje tekst, obrazy, wideo, dźwięk i PDF, a zwraca tekst. Jest dostępny w Meta Model API jako muse-ember-1.0, w Muse Code, w Google Cloud i Oracle Cloud, a według mojego sprawdzenia z 9 listopada 2026 także w OpenRouter jako meta/muse-ember.