شرکت Meta روز ۱۹ آبان ۱۴۰۵ (۹ نوامبر ۲۰۲۶) «Muse Ember» را معرفی کرد؛ سبک‌ترین و ارزان‌ترین مدلِ آزمایشگاهِ Meta Superintelligence Labs تا امروز. طبق گزارشِ TechCrunch این مدل برای کارهایی ساخته شده که ایجنت‌ها «تمام روز تکرار می‌کنند»؛ مثل فراخوانیِ ابزار، زیرکارهای کدنویسی، مسیریابی، استخراجِ اطلاعات و خواندنِ سندهای بلند.
Muse Ember چیست؟
Ember چهارمین مدلِ خانواده‌ی Muse است. پیش از آن Spark (میان‌وزن، فروردین)، Glimmer (همزادِ متن‌بازِ Spark، مرداد) و Wonder (مدلِ پیشرو، مهر) آمده بودند و ایجنتِ مصرفیِ Muse Agent هم در شهریور راه افتاده بود. ایده‌ی Meta این است که Ember «کارگرِ پرحجم» باشد و کنارِ مدلِ سنگین‌تر Wonder کار کند: Wonder قاعده‌ی کار را تعیین می‌کند و Ember آن را روی تعدادِ زیادی مورد اجرا می‌کند. در نمونه‌ی پشتیبانیِ مشتری، خلاصه‌ی Meta این است: «Wonder برنامه می‌ریزد، Ember حجم را می‌برد.»
قیمت و مقایسه
طبق TechCrunch قیمتِ ورودی ۰٫۱۰ دلار برای هر میلیون توکن است؛ قیمتِ خروجی در گزارش نیامده. Meta برای مقایسه از شاخصِ هوشِ ترکیبیِ Artificial Analysis استفاده کرده و می‌گوید Ember از نظرِ هزینه‌ی هر کار هم ارزان‌تر و هم باهوش‌تر از Haiku شرکتِ Anthropic و Luna شرکتِ OpenAI است، و با مدل‌های متن‌بازِ DeepSeek V4.1 Flash و GLM 5.3 Flash هم از نظرِ هزینه رقابت می‌کند. این‌ها ادعای خودِ Meta است و باید با آزمونِ مستقل سنجیده شود.
| ویژگی | Muse Ember |
|---|---|
| نقش | مدلِ سبک و ارزان برای کارهای تکراریِ ایجنت |
| قیمتِ ورودی | ۰٫۱۰ دلار برای هر میلیون توکن |
| ورودی‌ها | متن، تصویر و صدا |
| تاریخ | ۱۹ آبان ۱۴۰۵ (۹ نوامبر ۲۰۲۶) |
چندرسانه‌ای بودن
Meta می‌گوید Ember بدونِ مدلِ جداگانه، متن و تصویر و صدا را می‌فهمد: عکسِ صفحه، نمودار، سندِ اسکن‌شده، پیامِ صوتی، ضبطِ جلسه و حتی ویدیو. بر پایه‌ی گزارشِ TestingCatalog این مدل برای وظیفه‌های ایجنتیِ کم‌هزینه عرضه شده است. TechCrunch هم می‌نویسد که از گزارش روشن نیست توسعه‌دهندگان چطور به آن دسترسی می‌گیرند و آیا وزن‌هایش باز است یا نه؛ پس تا اعلامیه‌ی رسمیِ بعدی نباید فرض کرد که متن‌باز است.
چرا مدلِ ارزان مهم است؟
ایجنت‌ها معمولاً صدها بار مدل را صدا می‌زنند: یک بار برای خواندنِ فایل، یک بار برای دسته‌بندی، یک بار برای پرکردنِ فرم. اگر برای همه‌ی این‌ها مدلِ پیشرو بخواهید، هزینه سنگین می‌شود. الگویی که Meta پیشنهاد می‌کند، یعنی یک مدلِ قوی برای برنامه‌ریزی و یک مدلِ ارزان برای اجرا، بین شرکت‌های دیگر هم رایج است. اگر با مفهومِ ایجنت آشنا نیستید، ایجنت هوش مصنوعی چیست؟ را بخوانید.
چه کارهایی به Ember سپرده می‌شود؟
نمونه‌هایی که Meta نام برده، همگی کارهای تکراری و پرشمارند: مسیریابیِ پیام‌ها به بخشِ درست، استخراجِ نام و تاریخ و مبلغ از فاکتورها، خلاصه‌کردنِ ضبطِ جلسه‌ها، خواندنِ نمودار و عکسِ صفحه، و انجامِ زیرکارهای کوچکِ کدنویسی. در این کارها دقتِ خیلی بالا از سرعت و هزینه مهم‌تر نیست، و همین جایی است که مدلِ سبک می‌درخشد. البته هر تیمی باید روی داده‌های خودش بسنجد که Ember در کارِ مشخصِ او به اندازه‌ی کافی دقیق است یا نه، چون عددهای بالا از آزمون‌های عمومی آمده‌اند.
این یعنی چه برای کاربر فارسی‌زبان؟
فعلاً درباره‌ی پشتیبانیِ فارسیِ Ember چیزی اعلام نشده است. اگر برنامه‌نویس هستید، این مدل برای ساختِ ایجنت‌های پرحجم گزینه‌ای است که باید قیمت و کیفیتش را خودتان آزمایش کنید. برای آشنایی با بقیه‌ی خانواده، Muse Wonder و Muse Spark Open را ببینید و برای گفت‌وگو با مدل‌های مختلف به ابزارهای هوش‌نو بروید.
منبع‌ها
سؤالات متداول
Muse Ember با Muse Wonder چه فرقی دارد؟
Wonder مدلِ پیشروی سنگین است و Ember مدلِ سبک و ارزان برای اجرای پرحجمِ کارهای تکراری.
Muse Ember متن‌باز است؟
در گزارش‌ها چیزی درباره‌ی باز بودنِ وزن‌ها نیامده؛ تنها Glimmer همزادِ متن‌بازِ Spark معرفی شده بود.
چه چیزهایی را می‌فهمد؟
متن، تصویر و صدا؛ از جمله ضبطِ جلسه و ویدیو.
