متا Muse Ember را معرفی کرد؛ مدل سبک و ارزان برای اجرای ایجنت‌های هوش مصنوعی

متا از Muse Ember رونمایی کرده است؛ کوچک‌ترین و بهینه‌ترین مدل خانواده Muse که برای اجرای حجم بالایی از وظایف تکراری در ایجنت‌های هوش مصنوعی طراحی شده است.

طبق اعلام رسمی Meta Superintelligence Labs، این مدل روی وظایفی مانند فراخوانی ابزارها، زیرکارهای کدنویسی، مسیریابی، استخراج اطلاعات و پردازش اسناد طولانی تمرکز دارد و قرار است در کنار مدل‌های قدرتمندتری مانند Muse Wonder و Muse Spark مورد استفاده قرار گیرد.

Muse Ember برای چه کاری ساخته شده است؟

Muse Ember به‌جای رقابت مستقیم با بزرگ‌ترین مدل‌های متا در پیچیده‌ترین مسائل، برای انجام سریع و ارزان وظایفی طراحی شده که ایجنت‌ها بارها در طول فعالیت خود تکرار می‌کنند.

برای مثال یک ایجنت بزرگ می‌تواند ابتدا مسئله را برنامه‌ریزی و به بخش‌های کوچک تقسیم کند و سپس صدها وظیفه محدودتر را به Muse Ember بسپارد.

این وظایف می‌توانند شامل خواندن فایل، اجرای دستور، بررسی کد، فراخوانی API، استخراج اطلاعات از اسناد یا پردازش مجموعه بزرگی از داده‌ها باشند.

قیمت Muse Ember بسیار پایین تعیین شده است

یکی از مهم‌ترین ویژگی‌های مدل جدید متا، هزینه پایین استفاده از آن است.

قیمت Muse Ember برای هر یک میلیون توکن ورودی ۰.۱۰ دلار و برای هر یک میلیون توکن خروجی ۰.۵۰ دلار تعیین شده است.

متا همچنین برای ورودی‌های کش‌شده قیمت ۰.۰۰۴ دلار به‌ازای هر یک میلیون توکن اعلام کرده است.

این قیمت‌گذاری باعث می‌شود Ember برای وظایفی که باید صدها یا هزاران بار در یک Agent Workflow اجرا شوند گزینه مناسبی باشد.

پنجره متنی یک میلیون توکنی

Muse Ember از پنجره متنی بیش از یک میلیون توکن پشتیبانی می‌کند.

حداکثر ورودی مدل ۱٬۰۴۸٬۵۷۶ توکن و سقف خروجی آن نیز ۵۲۴٬۲۸۸ توکن اعلام شده است.

این ظرفیت به مدل اجازه می‌دهد مجموعه بسیار بزرگی از فایل‌ها، اسناد یا حتی بخش قابل‌توجهی از یک کدبیس را در یک درخواست پردازش کند.

Muse Ember یک مدل مولتی‌مودال است

مدل جدید متا فقط به متن محدود نیست.

Muse Ember می‌تواند متن، تصویر، صدا، ویدیو و فایل‌های PDF را به‌عنوان ورودی دریافت کند و خروجی متنی تولید کند.

به همین دلیل می‌توان از آن در ایجنت‌هایی استفاده کرد که باید اسکرین‌شات‌ها، نمودارها، تصاویر اسکن‌شده، فایل‌های صوتی یا ویدیوها را نیز تحلیل کنند.

عملکرد Muse Ember در بنچمارک‌های ایجنتی

متا برای نمایش توانایی مدل جدید نتایج چند بنچمارک را منتشر کرده است.

Muse Ember در AutomationBench-AA امتیاز ۳۷.۸ درصد کسب کرده؛ درحالی‌که Claude Haiku 5.5 و GPT-6 Luna در همان مقایسه به‌ترتیب امتیازهای ۱۳.۹ و ۲۰.۲ درصد داشته‌اند.

در Agents’ Last Exam نیز امتیاز Muse Ember به ۶۱.۶ درصد رسیده است.

این مدل در Terminal-Bench 4.0 که توانایی انجام وظایف کدنویسی در محیط ترمینال را بررسی می‌کند، امتیاز ۴۰.۹ درصد را ثبت کرده است.

البته نتایج منتشرشده ترکیبی از ارزیابی‌های داخلی متا و بنچمارک‌های مستقل هستند و شرایط اجرای هر مدل می‌تواند متفاوت باشد.

متا Muse Ember را با Claude Haiku و GPT-6 Luna مقایسه می‌کند

یکی از محورهای اصلی معرفی Muse Ember، نسبت عملکرد به هزینه آن است.

براساس داده‌های Artificial Analysis که متا در معرفی مدل به آن استناد کرده، Muse Ember در بالاترین تنظیم استدلال به امتیاز ۳۶ در Artificial Analysis Intelligence Index رسیده است.

متا می‌گوید Ember در برخی تنظیمات می‌تواند به سطح عملکرد مدل‌های کوچک رقیب نزدیک شود، درحالی‌که هزینه هر وظیفه پایین‌تری ارائه می‌دهد.

بااین‌حال، در همه آزمون‌ها Muse Ember برنده نیست. برای مثال Claude Haiku 5.5 در FrontierCode 2.0-AA امتیاز بالاتری نسبت به Ember به‌دست آورده است.

مدل‌های بزرگ برنامه‌ریزی می‌کنند، Ember کارهای تکراری را انجام می‌دهد

متا Muse Ember را به‌عنوان جایگزین Muse Wonder معرفی نکرده است.

ایده شرکت استفاده ترکیبی از مدل‌ها است. Muse Wonder می‌تواند برنامه‌ریزی، استدلال پیچیده و مدیریت پروژه را انجام دهد و سپس Muse Ember وظایف کوچک‌تر و پرتعداد را اجرا کند.

در چنین معماری‌ای، توسعه‌دهندگان مجبور نیستند برای تمام مراحل یک فرایند از گران‌ترین مدل موجود استفاده کنند.

این رویکرد می‌تواند هزینه اجرای ایجنت‌های بزرگ و طولانی‌مدت را به‌شکل قابل‌توجهی کاهش دهد.

Muse Ember از کامپیوتر و ابزارها استفاده می‌کند

مدل جدید برای کار در محیط‌های Agentic طراحی شده و قابلیت فراخوانی ابزارها و کار با کامپیوتر نیز یکی از بخش‌های مهم آن است.

در ارزیابی OSWorld 2.1، Muse Ember براساس معیار Partial Credit امتیاز ۶۹.۵ درصد را ثبت کرده است.

همچنین در PerceptionBench با استفاده از ابزارها به امتیاز ۸۰.۶ درصد رسیده است؛ آزمونی که توانایی مدل در تشخیص جزئیات بصری را می‌سنجد.

Muse Ember با Muse Wonder Full آموزش دیده است

متا می‌گوید Muse Ember نخستین مدل تخصصی این شرکت است که با استفاده از Muse Wonder Full آموزش داده شده است.

این رویکرد بخشی از استراتژی جدید متا محسوب می‌شود که در آن مدل‌های بسیار بزرگ‌تر برای تولید و آموزش مدل‌های کوچک‌تر و تخصصی‌تر استفاده می‌شوند.

در نتیجه، متا می‌تواند بخشی از توانایی‌های مدل‌های قدرتمند خود را با هزینه بسیار پایین‌تر در اختیار محصولات و ایجنت‌های پرتعداد قرار دهد.

Muse Ember از همین حالا در دسترس است

Muse Ember با شناسه muse-ember-1.0 از طریق Meta Model API در دسترس توسعه‌دهندگان قرار گرفته است.

این مدل همچنین به تمام پلن‌های Muse Code اضافه شده و از APIهایی مانند Responses، Chat Completions و Messages پشتیبانی می‌کند.

تمرکز اصلی Ember اجرای ارزان و پرتعداد وظایف مشخص است؛ بنابراین متا آن را در کنار Muse Spark برای وظایف ایجنتی و کدنویسی عمومی و Muse Wonder برای پیچیده‌ترین مسائل قرار داده است.