Zuckerberg lancia Muse Ember, il modello IA più piccolo di Meta: per token costa quanto Haiku

Mark Zuckerberg ha presentato in una sola frase su X il nuovo modello IA di Meta: «Oggi lanciamo Muse Ember, il nostro modello più piccolo, con un’intelligenza maggiore per ogni dollaro rispetto agli altri della sua categoria». Gran parte della copertura del lancio ha interpretato l’annuncio come un taglio dei prezzi: Meta avrebbe fatto concorrenza ai modelli piccoli ed economici che Anthropic e OpenAI vendono agli sviluppatori di agenti IA.

Non si tratta di un taglio dei prezzi, almeno non nel listino. Muse Ember applica esattamente le stesse tariffe dei due concorrenti citati per ogni token in ingresso e in uscita. Il risparmio promesso da Meta è reale, ma dipende da un altro fattore: quanti token il modello genera prima di arrivare a una risposta. È un’affermazione più interessante di uno sconto, ma anche più difficile da verificare per un acquirente prima che arrivi la fattura.

Che cosa ha lanciato Meta

Muse Ember è il quarto modello della famiglia Muse di Meta, dopo Spark, Glimmer e Wonder, ed è il più piccolo. Meta Superintelligence Labs lo ha sviluppato per svolgere le attività ripetitive all’interno di un agente; per usare le parole di Zuckerberg, «sottoattività di programmazione, instradamento, estrazione e analisi di documenti lunghi». Meta descrive in modo netto la divisione del lavoro: «Muse Wonder pianifica, Muse Ember gestisce i volumi». Alexandr Wang, a capo di Meta Superintelligence Labs, ha dichiarato che Ember è il primo modello rilasciato addestrato con Muse Wonder Full, il modello più grande di Meta.

Letture consigliateNvidia acquista Hugging Face per 13 miliardi di dollari e promette di non chiudere la libreria

Secondo Meta, Ember è in grado di leggere testi, immagini, audio e video, gestire una finestra di contesto da un milione di token e generare fino a 512.000 token in una sola risposta. È un modello proprietario: non sono disponibili pesi da scaricare. Funziona tramite l’API Model ospitata da Meta e in Muse Code, l’agente di programmazione dell’azienda; tra le altre modalità di accesso figurano anche Google Cloud e Oracle Cloud.

Da dove arriva il vantaggio «per dollaro»

Meta indica per Ember un prezzo di 0,10 dollari per milione di token in ingresso e di 0,50 dollari per milione di token in uscita. Claude Haiku 5.5 di Anthropic e GPT-6 Luna di OpenAI hanno le stesse tariffe di base, come segnalano sia MarkTechPost sia Fello AI. L’unico vantaggio nel listino riguarda gli input memorizzati nella cache, cioè il testo già elaborato dal modello e riutilizzabile: Ember li fattura 0,004 dollari per milione di token, contro 0,01 dollari per entrambi i concorrenti.

La differenza emerge a ogni attività. Nell’Artificial Analysis Intelligence Index, una serie indipendente di benchmark, Ember ottiene 36 punti, al pari di Haiku 5.5 con le impostazioni più elevate, ma costa circa 0,14 dollari per attività contro gli 0,41 dollari di Haiku. L’analisi dei dati di Artificial Analysis condotta da Fello AI spiega il perché: considerando l’intero indice, Ember ha generato circa 115 milioni di token in uscita e Haiku circa 298 milioni, alla stessa tariffa per l’output. Stesso prezzo per token, molti meno token. GPT-6 Luna costa più o meno quanto Ember per attività, 0,15 dollari, ma ottiene 28 punti.

Il meccanismo conta perché il numero di token non compare su nessun listino. Uno sviluppatore che confronta i prezzi ufficiali vede tre modelli identici. La differenza si manifesta solo quando l’agente entra in funzione e varia in base all’attività, all’harness e alle impostazioni di ragionamento. Nel confronto di Meta viene usato il livello massimo di ragionamento, che la documentazione per sviluppatori dell’azienda indica anche come impostazione predefinita di Ember.

Il prezzo che triplica

La pagina per sviluppatori di Meta riporta una seconda fascia di prezzo, assente dal messaggio di lancio. Oltre i 200.000 token in ingresso, Ember costa 0,30 dollari per milione di token in entrata e 1,50 dollari per milione in uscita: tre volte la tariffa pubblicizzata. Meta avverte nella documentazione che una richiesta con una lunga cronologia di conversazione può superare quella soglia. Nell’articolo sul lancio, MarkTechPost affermava che Meta non indicava per Ember una tariffa per il contesto lungo; la tabella dei prezzi dell’azienda dice invece il contrario.

Questa fascia si applica proprio all’uso promosso da Zuckerberg. «Analisi di documenti lunghi» e una finestra da un milione di token invitano gli sviluppatori a fornire intere basi di codice e raccolte di documenti, richieste che hanno maggiori probabilità di superare la soglia. Anche in questo caso Ember resta più economico di Haiku 5.5, che, secondo MarkTechPost, applica tariffe di 0,50 dollari in ingresso e 2,50 in uscita oltre i 100.000 token di prompt. Ma «economico» diventa «più economico dell’alternativa»: una promessa diversa.

Che cosa mostrano i benchmark e chi li ha condotti

Meta ha pubblicato dieci confronti con Haiku 5.5 e GPT-6 Luna. Il risultato migliore di Ember è in AutomationBench, il test di Artificial Analysis su 657 flussi di lavoro aziendali di Zapier, dove completa il 37,8% delle attività, contro il 13,9% di Haiku e il 20,2% di Luna. L’unica sconfitta netta arriva in FrontierCode 2.0, che valuta modifiche a codice reale in base alla probabilità che un maintainer le accetti: Haiku ottiene 34,9 punti, Ember 27,2.

Fello AI ha verificato chi ha prodotto ciascun risultato. Cinque prove provengono da Artificial Analysis, quattro sono state condotte da Meta; il dato di Terminal-Bench combina invece metodologie diverse, con un test di Artificial Analysis per Ember e valori dichiarati dagli stessi concorrenti. Fello osserva inoltre che la pagina del modello su Artificial Analysis indica per Ember soltanto input di testo e immagini: per ora, il supporto ad audio e video si basa quindi sulle dichiarazioni di Meta.

A chi si rivolge Muse Ember

Nel post di lancio, Meta afferma che il costo di Ember è «abbastanza basso da poterlo usare in ogni prodotto, per tutti». Per ora, però, il modello non è presente in nessuno dei prodotti consumer di Meta: secondo Fello AI, non si trova nell’app Meta AI, su WhatsApp né nell’agente Muse. È invece un componente destinato agli agenti di altre aziende, come mostrano le dichiarazioni dei partner scelte da Meta. Saoud Rizwan, fondatore di Cline, lo ha consigliato ai «team che riducono i costi usandolo come subagente nel proprio harness». Dane Knecht, CTO di Cloudflare, ha dichiarato che «nei test è risultato fino al 30% più veloce nella coda di distribuzione rispetto al modello comparabile».

È questa la scommessa di Ember. Meta non punta a conquistare la finestra di chat con questo modello. Vuole diventare la chiamata che gira mille volte all’ora all’interno dell’agente di qualcun altro, mentre un modello più grande si occupa del ragionamento. In quel ruolo, il costo dipende da un dato che nessun fornitore pubblica: quanti token servono al modello per completare il lavoro.

Tag: meta, Mark Zuckerberg, modelli di IA, Claude Haiku, Muse Ember

Contenuti simili

Il Texas fa causa a OpenAI e al CEO Sam Altman e chiede di vietare ChatGPT ai minori

Sam Altman: «Siamo ormai nella singolarità»

Nvidia scommette 12,9 miliardi di dollari su Hugging Face giurando che l’IA open source sopravviverà

ChatGPT Work: OpenAI fonde ChatGPT e Codex in un unico agente che non si ferma mai

Bill Gates: «L’IA sarà il più grande fattore di uguaglianza mai inventato o la peggiore fonte di ingiustizia»

Satya Nadella, CEO di Microsoft: «Stiamo costruendo Copilot come un nuovo sistema operativo per il lavoro…»