Meta AI nemrég bemutatta Muse Ember névre keresztelt modelljét, amelyet a vállalat a legkisebb és leghatékonyabb modelljének nevez: elsősorban összetett következtetésekhez és azokra a feladatokra tervezték, amelyeket ügynökök naponta ismételnek — eszközhívások, kódolási részfeladatok, forgalomirányítás, adatkivonatolás és hosszú dokumentumok feldolgozása.
Árazás és hogyan illeszkedik a piacra
A Meta szerint rövidebb promptok esetén a Muse Ember ára megegyezik a GPT-6 Luna és a Claude Haiku 5.5 alapárával: 0,10 USD/millió input token és 0,50 USD/millió output token. Ugyanakkor a modellek mindegyikénél van egy küszöbérték a prompt hosszát tekintve, amely fölött az ár emelkedik, ezért a tényleges költség hosszabb bevitelnél eltérő lehet.
A három összehasonlított modellre vonatkozó árak (modell-specifikus küszöbökkel):
-
GPT-6 Luna
- Promptméret ≤272k token: input 0,10 USD/M, cached input 0,01 USD/M, output 0,50 USD/M
- Promptméret >272k token: input 0,20 USD/M, cached input 0,02 USD/M, output 0,75 USD/M
-
Muse Ember 1.0
- Promptméret ≤200k token: input 0,10 USD/M, cached input 0,004 USD/M, output 0,50 USD/M
- Promptméret >200k token: input 0,30 USD/M, cached input 0,012 USD/M, output 1,50 USD/M
-
Claude Haiku 5.5
- Promptméret ≤100k token: input 0,10 USD/M, cached input 0,01 USD/M, output 0,50 USD/M
- Promptméret >100k token: input 0,50 USD/M, cached input 0,05 USD/M, output 2,50 USD/M
A Meta bejelentése kiemeli, hogy a Claude Fable 5.2 mai megjelenésekor jóval magasabb, körülbelül 80-szoros ára látható (8 USD/40 USD a bemenet/kimenet szinteken), de a rövid összegzésnél fontos hangsúlyozni, hogy a token-alapú árazás ma már nem feltétlenül tükrözi pontosan a költséget egy feladat megoldására, mivel a különböző modellek különböző mennyiségű „reasoning” tokent használhatnak ugyanazon probléma megoldásához.
Hatékonyság-mutatók: Artificial Analysis és a Pareto-front
A Meta egyes összehasonlítási eszközöket is közzétett, köztük az úgynevezett Artificial Analysis és az "Intelligence Index vs. Cost per Task" grafikont. Ezek szerint a Muse Ember modellek a Pareto-határvonalon helyezkednek el: azaz a modell hatékonyság és költség szempontjából úgy állítja be magát, hogy az egyik dimenzió javításához a másik feladásával kellene fizetni.
A bejelentésben Meta hangsúlyozza, hogy a Muse Ember az Artificial Analysis rangsorának hatékonysági élén is megjelenik: nincsen olyan modell, amely kevesebb feladatonkénti költséggel jobb pontszámot érne el. (A közlemény grafikáin megjelenik egy másik modell, a GPT-6.1 Terra (low) is, amely a szerző megjegyzése szerint további figyelmet érdemel.)
Képességek és működés
A Muse Ember hat következtetési (reasoning) szintet kínál: minimal, low, medium, high, xhigh és max. A Meta példákat is mellékelt a különböző szintek viselkedésére; a tesztek során azonban a magasabb következtetési szintek nem mindig adtak lineárisan jobb vizuális vagy szerkezeti eredményt — a „high” szint például nem adott teljes SVG-kimenetet egy illusztrációs példában.
Érdekes összevetésképp a Muse Ember által generált vizuális eredmények egyes esetekben összehasonlíthatók voltak a Muse Wonder által előállítottakkal — noha a Muse Wonder ára a közlemény szerint mintegy 40-szerese a Muse Embernek.
Miért fontos ez?
A Muse Ember bevezetése azt jelzi, hogy a piacon növekszik az igény alacsonyabb költségű, de komplex következtetési feladatokra is alkalmas modellek iránt. Az árazási struktúrák és a különböző modellek hatékonyságának mérése kulcsfontosságú lesz a gyakorlati alkalmazásoknál, különösen ott, ahol hosszú promptok és többszörös eszközhasználat fordul elő.
Összefoglalás
- Meta AI bemutatta a Muse Ember 1.0 modellt, amelyre a cég a legkisebb és leghatékonyabb megoldásként hivatkozik összetett feladatokhoz.
- Rövid promptoknál Ember ára megegyezik a GPT-6 Luna és Claude Haiku 5.5 alapárával; hosszabb promptoknál a lépcsőzetes árazás miatt eltérések adódnak.
- A Muse Ember az Artificial Analysis és az intelligencia/költség mutatók alapján a Pareto-élvonalon helyezkedik el, azaz hatékony kompromisszumot kínál teljesítmény és költség között.
- A modell hat következtetési szintet kínál és támogatja akár a milliós bemeneti tokenhatárt is, de a gyakorlatban a különböző szintek nem mindig tükröznek egyértelműen jobb kimeneteket.
A Muse Ember bevezetése versenyképes alternatívát kínál azoknak a fejlesztőknek és szolgáltatóknak, akik komplex, folyamatosan végrehajtott ügynöki feladatokhoz keresnek költséghatékony modellt.
