Meta выпустила Muse Ember: задача в тесте стоит $0,14 против $0,41 у Haiku

Если ваш агент разбирает сотни счетов, ищет записи в CRM и перекладывает данные между сервисами, значительная часть вызовов приходится на повторяющиеся действия. Покупать для каждого шага возможности самой дорогой модели бывает накладно. Meta 9 ноября представила Muse Ember — компактного исполнителя для таких задач. Практический вопрос здесь простой: сможет ли он довести ваш процесс до результата с меньшим счётом и приемлемым числом ошибок?

Что именно предлагают отдать Ember

В документации Meta перечисляет вызовы инструментов, маршрутизацию, извлечение данных и обработку больших наборов документов. Компания предлагает связку: Muse Spark или Muse Wonder составляет план, Ember выполняет массовые операции. Модель принимает текст, изображения, видео, аудио и PDF, а возвращает текст. Это позволяет использовать её в одном процессе с разными входными материалами. Документация Meta.

Представим обработку входящего счёта. Система должна найти поставщика, извлечь сумму и дату, сопоставить заказ и подготовить запись для бухгалтерии. Здесь можно заранее описать инструменты и обязательные поля. Сложный случай — например, расхождение суммы с заказом — отправляется более сильной модели или человеку.

Такое разделение имеет смысл проверять на задачах с понятным результатом. Получилось ли найти правильного поставщика? Совпала ли сумма? Заполнены ли обязательные поля? Чем яснее критерии, тем легче понять, действительно ли дешёвый исполнитель экономит деньги. Заодно становится видно, какие исключения требуют другого маршрута.

Откуда берётся обещанная экономия

В исходном материале приведено опубликованное Meta сравнение: около $0,14 за задачу у Ember против $0,41 у Claude Haiku 5.5. Это почти трёхкратная разница. Но стоимость задания из набора тестов нельзя автоматически переносить на обработку вашего счёта или обращения в поддержку. Meta уточняет, что сравнение использует Intelligence Index v5, прайс моделей и максимальный уровень рассуждений. Условия сравнения.

Базовая цена Ember составляет $0,10 за миллион входных токенов и $0,50 за миллион выходных. Кэшированный вход стоит $0,004. При запросах длиннее 200 тысяч токенов все три тарифа увеличиваются втрое. Заявлены контекст в миллион токенов и вывод до 512 тысяч. Анонс Meta.

Большое окно удобно, когда нужен доступ к объёмному комплекту документов. Однако оно само по себе не доказывает выгоду загрузки всего архива в каждый запрос. Для пилота полезно сравнить два варианта: полный комплект и небольшой набор релевантных документов. Затем посчитать стоимость правильного результата с учётом повторов и исправлений.

Где заканчивается обещание и начинается проверка

В опубликованной таблице AutomationBench-AA Ember получает 37,8%, GPT-6 Luna — 20,2%, Haiku 5.5 — 13,9%. Это заметная заявка на автоматизацию, но даже лучший показатель здесь далёк от безошибочной работы. Часть других результатов в анонсе обозначена как внутренняя оценка Meta. Такие измерения помогают выбрать кандидата для пилота; надёжность конкретного процесса придётся измерять отдельно. Результаты и методика.

Разработчику стоит взять несколько десятков типичных задач и добавить сложные исключения: неполные документы, противоречивые поля, недоступный инструмент. Для каждой задачи нужны ожидаемый результат и допустимые действия. Сравнивайте модели при одинаковых инструментах и правилах проверки, фиксируя задержку, повторы и вмешательства человека.

Продакту важнее итоговая экономика процесса. Дешёвый вызов может оказаться дорогим, если после него сотрудник восстанавливает неверно заполненные данные. Поэтому основной показатель пилота — стоимость успешно завершённой операции. Ember заслуживает такого испытания прежде всего там, где много повторяемой работы, результат легко проверить, а ошибки можно перехватить до записи в рабочую систему.