Meta Muse Ember تلحق بـ Claude Haiku 5.5 في الدرجات وتكلّف ثلث السعر لكل مهمة

عادةً لا تخسر النماذج الرخيصة أمام النماذج الغالية في المقاييس اللامعة، بل في فاتورة الشهر: فالوكيل ينفّذ عشرات الخطوات، وكل خطوة تجرّ معها السياق. قررت Meta أن تضرب هنا تحديدًا. نموذجها الجديد Muse Ember يحصل على 36 نقطة في Artificial Analysis Intelligence Index، أي بقدر Claude Haiku 5.5 بأقصى الإعدادات، لكنه يكلّف 0.14 دولار للمهمة مقابل 0.41 دولار.

من أين يأتي التوفير

سعر الرموز في Ember هو نفسه في Haiku 5.5 وGPT-6 Luna: ‏0.10 دولار لكل مليون رمز إدخال و0.50 دولار لكل مليون رمز إخراج. والفرق يكمن في موضعين. أولًا، يكلّف الإدخال المخزَّن مؤقتًا 0.004 دولار للمليون، أي أرخص بنسبة 60% من المنافسين، وفي السيناريوهات الوكيلية يشكّل هذا الإدخال الجزء الأكبر من الفاتورة. ثانيًا، في الوضع الأقصى يولّد Ember رموز إخراج أقل بنحو ثلاث مرات من Haiku.

تخيّلوا وكيلًا يعيد قراءة المستودع نفسه عشرين مرة متتالية. مع التخزين المؤقت الغالي تلتهم هذه التكرارات الميزانية، ومع الرخيص تتحول إلى فُتات. لذلك لا معنى هنا لمقارنة النماذج بسعر الرمز: ينبغي حساب تكلفة المهمة المنجزة.

في وضع xhigh يحصل Ember على 34 نقطة مقابل 0.12 دولار. أما Muse Wonder الأكبر فتمنح 44 نقطة، لكن بتكلفة 6.95 دولار للمهمة. أي أغلى بنحو 50 مرة مقابل ثماني نقاط إضافية. وفي السيناريوهات الواسعة نادرًا ما يكون هذا التبادل مبرَّرًا.

أين يتفوق النموذج وأين لا

أفضل نتيجة له في AutomationBench-AA، وهو مقياس لأتمتة سير العمل: ‏68.1%، بالتساوي مع Muse Wonder. وفي GDP.pdf يتفوق Ember على Haiku (22.8% مقابل 20.8%)، بينما يتخلف في AA-Briefcase (1521 مقابل 1574 Elo).

أما في البرمجة فالصورة متباينة. في Terminal-Bench 4.0 يتقدم Ember: ‏40.9% مقابل 32.8%. وفي FrontierCode 2.0 يتقدم Haiku: ‏34.9% مقابل 27.2%. لكن في وكيله الخاص Muse Code يحصل النموذج على 46 نقطة في Coding Agent Index، بينما يحصل Haiku في Claude Code على 37، وGPT-6 Luna في Codex على 31. ويأتي الفارق من SWE-Atlas-QnA-AA وTerminal-Bench.

تحفّظ: هذه مقارنة بين حزم «نموذج زائد أداة تشغيل» لا بين نماذج خالصة. وقد يعود جزء من فوز Ember إلى أن Muse Code مصمَّم خصيصًا له.

المعرفة: نقطة ضعف بميزة غير متوقعة

دقة Ember في AA-Omniscience لا تتجاوز 21.1%. وهذا أدنى مؤشر بين النماذج المماثلة في الذكاء: ‏34.7% لـ Haiku 5.5، و50.5% لـ Gemini 3.8 Flash (high). لكن السبب ليس أن النموذج يختلق الإجابات، بل إنه ببساطة يرفض الإجابة عن 64% من الأسئلة. ونتيجة لذلك تبلغ نسبة الهلوسة لديه 17.4%، أي نصف ما لدى Haiku.

عمليًا، هذا يعني أن Ember يعترف بجهله بصدق أكبر بدلًا من الكذب بثقة. وفي المنتجات التي تكون فيها كلفة الخطأ مرتفعة، قد يكون هذا السلوك أنفع من دقة أعلى مع مزيد من الاختلاقات.

ماذا نفعل بهذا

النموذج متاح فقط عبر واجهة Meta البرمجية الخاصة وفي Muse Code، لذا يبقى الارتباط بمنصة واحدة. وكل الأرقام هي قياسات مختبر مستقل واحد، وقد تختلف النتيجة على مهامكم.

الخلاصة العملية بسيطة. إذا كنتم تبنون وكلاء بسياق طويل يهيمن عليه الإدخال المخزَّن مؤقتًا، فجرّبوا Ember على مساراتكم الخاصة وقارنوا تكلفة المهمة لا تكلفة الرمز. وللأسئلة المرجعية دون بحث أو RAG متصل، من الأفضل عدم استخدامه: تنقصه المعرفة. أما إذا كان وكيلكم موجَّهًا نحو الطرفية وأتمتة سير العمل، فيستحق Ember التجربة كبديل رخيص لـ Haiku.