Name: GPT-6 Luna
Author: OpenAI

Марк Цукерберг представил новую ИИ-модель Meta одной фразой в X: «Сегодня выпускаем Muse Ember — нашу самую компактную модель, которая обеспечивает больше интеллекта на каждый потраченный доллар, чем другие модели в своём классе». Многие публикации о запуске восприняли это как снижение цены: Meta якобы предлагает более выгодные условия, чем Anthropic и OpenAI для своих компактных недорогих моделей, которыми пользуются разработчики ИИ-агентов.

Но цены не снизились — по крайней мере, в прайс-листе. За каждый входящий и исходящий токен Muse Ember берёт ровно столько же, сколько два названных конкурента. Экономия, о которой говорит Meta, действительно есть, но причина в другом: модель выдаёт меньше текста, прежде чем добраться до ответа. Это куда интереснее обычной скидки, но покупателю сложнее проверить такое обещание до получения счёта.

Что выпустила Meta

Muse Ember — четвёртая и самая компактная модель в семействе Muse, после Spark, Glimmer и Wonder. Meta Superintelligence Labs создала её для повторяющихся задач внутри агента; как выразился Цукерберг, это «подзадачи программирования, маршрутизация, извлечение данных и разбор длинных документов». Meta прямо описывает распределение обязанностей: «Muse Wonder планирует, Muse Ember обрабатывает потоки». Александр Ван (Alexandr Wang), возглавляющий Meta Superintelligence Labs, сообщил, что Ember стала первой выпущенной моделью, обученной с помощью Muse Wonder Full — крупнейшей модели Meta.

По словам Meta, Ember обрабатывает текст, изображения, аудио и видео, поддерживает контекстное окно в миллион токенов и может выдать до 512 000 токенов в одном ответе. Модель закрытая: скачать её веса нельзя. Она доступна через размещённый на стороне Meta интерфейс Model API и в Muse Code — ИИ-агенте Meta для программирования; в качестве способов доступа также указаны Google Cloud и Oracle Cloud.

Откуда берётся «больше за доллар»

Meta оценивает Ember в $0,10 за миллион входящих токенов и $0,50 за миллион исходящих. У Claude Haiku 5.5 от Anthropic и GPT-6 Luna от OpenAI базовые тарифы такие же, отмечают MarkTechPost и Fello AI. Единственное преимущество в прайс-листе — стоимость кэшированных входных данных, то есть текста, который модель уже видела и может использовать повторно: Ember берёт $0,004 за миллион токенов против $0,01 у каждого из конкурентов.

Разница становится заметна при выполнении задач. В независимом наборе тестов Artificial Analysis Intelligence Index Ember набирает 36 баллов — столько же, сколько Haiku 5.5 на максимальной настройке, — но обходится примерно в $0,14 за задачу против $0,41 у Haiku. Анализ данных Artificial Analysis от Fello AI объясняет причину: по всему индексу Ember сгенерировала около 115 миллионов выходных токенов, а Haiku — около 298 миллионов, причём цена за каждый токен у них одинаковая. Цена за токен та же, а токенов требуется гораздо меньше. GPT-6 Luna обходится примерно столько же, сколько Ember, — $0,15 за задачу, — но набирает 28 баллов.

Это важно, потому что количество токенов не указывают ни в одном прайс-листе. Разработчик, сравнивая тарифы, видит три одинаковые модели. Различия проявляются только при запуске агента и зависят от задачи, используемой обвязки и настроек рассуждения. В сравнении Meta использовала максимальный уровень усилий на рассуждение; в документации для разработчиков он также указан как настройка Ember по умолчанию.

Тариф, который вырастает втрое

На странице для разработчиков Meta указан второй тарифный уровень, о котором в анонсе не говорится. Если запрос превышает 200 000 входящих токенов, Ember берёт $0,30 за миллион входящих и $1,50 за миллион исходящих — втрое больше заявленной базовой цены. Meta предупреждает в документации, что длинная история разговора может привести к превышению этого порога. В публикации MarkTechPost о запуске утверждалось, что Meta не указывает для Ember отдельный тариф на длинный контекст; однако в собственной таблице цен Meta такой тариф есть.

Этот тариф касается именно тех сценариев, для которых Цукерберг рекламировал модель. «Разбор длинных документов» и контекстное окно в миллион токенов располагают к тому, чтобы загружать целые кодовые базы и наборы документов, — именно такие запросы с наибольшей вероятностью превысят порог. При этом Ember всё равно дешевле Haiku 5.5: по данным MarkTechPost, при объёме запроса свыше 100 000 токенов Haiku берёт $0,50 за миллион входящих и $2,50 за миллион исходящих. Но обещание «дёшево» превращается в «дешевле альтернативы» — а это уже совсем другое.

Что показывают тесты и кто их проводил

Meta опубликовала десять сравнений с Haiku 5.5 и GPT-6 Luna. Лучший результат Ember показала в AutomationBench — тестировании Artificial Analysis на 657 бизнес-процессах Zapier: модель выполняет 37,8% задач против 13,9% у Haiku и 20,2% у Luna. Единственный явный проигрыш — FrontierCode 2.0, где оценивают реальные изменения кода по тому, согласился бы сопровождающий проект принять их: Haiku набирает 34,9 балла, Ember — 27,2.

Fello AI выяснила, кто получил каждый из этих результатов. Пять показателей взяты из тестов Artificial Analysis, четыре — из собственных испытаний Meta, а результаты Terminal-Bench объединяют данные из разных источников: тест Artificial Analysis для Ember и опубликованные самими конкурентами цифры. Fello также отмечает, что на странице модели в Artificial Analysis для Ember указаны только текстовые и графические входные данные. Поэтому пока подтверждением поддержки аудио и видео служат слова самой Meta.

Для кого предназначена Muse Ember

В анонсе Meta говорится, что Ember стоит «настолько дёшево, что её можно запускать в каждом продукте и для каждого пользователя». Однако пока модель не работает ни в одном потребительском продукте Meta: Fello AI сообщает, что её нет в приложении Meta AI, WhatsApp и агенте Muse. Ember предназначена для агентов других компаний — это подтверждают и комментарии партнёров, выбранных Meta. Основатель Cline Сауд Ризван (Saoud Rizwan) рассказал, что модель подойдёт «командам, которые сокращают расходы, используя её как субагента в своей обвязке». Технический директор Cloudflare Дейн Кнехт (Dane Knecht) отметил, что она «в хвосте распределения задержек работала до 30% быстрее сопоставимой модели, которую мы тестировали».

В этом и состоит ставка на Ember. Meta не пытается с её помощью завоевать рынок чат-ботов. Компания хочет, чтобы модель вызывали тысячу раз в час внутри чужого агента, пока более крупная модель занимается рассуждениями. И в такой работе счёт определяется величиной, которую не публикует ни один поставщик: количеством токенов, необходимых модели, чтобы завершить задачу.

Теги: meta, Mark Zuckerberg, ИИ-модели, Claude Haiku, Muse Ember