Muse Ember : Meta égale Claude Haiku 5.5 pour un tiers du coût

Meta a présenté Muse Ember le 9 novembre 2026. Le groupe le décrit comme son modèle « le plus petit et le plus efficace pour l'exécution de raisonnements complexes », pensé pour les tâches qu'un agent répète toute la journée.

« le plus petit et le plus efficace pour l'exécution de raisonnements complexes », Meta, communiqué de lancement.

Un modèle pensé pour les tâches répétitives des agents

Muse Ember cible les appels d'outils, les sous-tâches de code, le routage, l'extraction de données et l'analyse de longs documents. Concrètement, une entreprise peut s'appuyer sur ce type de modèle pour trier automatiquement une boîte mail et orienter chaque message vers le bon service, extraire les montants et références inscrits sur une facture scannée, ou classer des documents entrants sans faire appel, à chaque fois, au modèle le plus puissant et le plus coûteux de la gamme. Ember complète ainsi Muse Wonder, le modèle de pointe de Meta chargé de la planification, en prenant en charge le volume des tâches répétitives qu'un agent exécute au quotidien.

Le groupe résume ainsi la répartition des rôles entre les deux modèles.

« Muse Wonder planifie, Muse Ember gère le volume », Meta, communiqué de lancement.

Ember accepte du texte, des images, de l'audio et de la vidéo en entrée. Un agent peut lire une capture d'écran, un document scanné, traiter un mémo vocal ou un enregistrement de réunion sans passer par un second modèle. Sa fenêtre de contexte atteint 1 million de tokens, avec jusqu'à 512 000 tokens en sortie, de quoi faire tenir un code source complet ou un ensemble de documents dans un seul appel.

Performances et prix face à Claude Haiku 5.5 et GPT-6 Luna

Meta compare Ember à Claude Haiku 5.5 et à GPT-6 Luna sur l'indice d'Artificial Analysis, en rapportant le score au coût par tâche pour chaque niveau de raisonnement. Au réglage maximal, Ember obtient 36, à égalité avec Haiku 5.5, et devance Luna qui plafonne à 28.

Meta affirme qu'Ember égale le meilleur score de Haiku pour environ un tiers de son coût. Claude Haiku 5.5 garde toutefois l'avantage sur FrontierCode 2.0, un test qui juge des tâches d'ingénierie réelles sur leur capacité à être fusionnées dans une base de code : il obtient 35 %, contre 27 % pour Ember.

Pour les prompts allant jusqu'à 200 000 tokens, Meta facture 0,10 dollar par million de tokens en entrée et 0,50 dollar en sortie. Au-delà de ce seuil, les tarifs passent à 0,30 dollar en entrée et 1,50 dollar en sortie.

Disponibilité sur l'API Meta, Google Cloud et Oracle Cloud

Muse Ember est disponible depuis le 9 novembre dans Muse Code et via la Meta Model API, sous l'identifiant muse-ember-1.0. Il prend en charge la Responses API. Meta le propose aussi sur Google Cloud et Oracle Cloud, aux côtés de Muse Spark et Muse Wonder.

Ember est le premier modèle entraîné à partir de Muse Wonder Full, la version la plus puissante de la famille Muse. Cette architecture permet à Meta de proposer un modèle moins coûteux sans repartir d'une base d'entraînement distincte.

Ce que ça change pour votre entreprise

L'arrivée de modèles légers et moins chers comme Ember abaisse le coût par tâche des agents automatisés : tri d'emails, extraction de données de factures, classification de documents. Pour un dirigeant de PME, cela signifie qu'automatiser ces tâches répétitives devient accessible à un coût plus proche de celui d'un simple script que de celui d'un modèle d'IA de pointe, ce qui peut accélérer l'adoption chez les entreprises qui testent déjà l'IA générative. Selon l'Insee, 18 % des entreprises françaises de 10 salariés ou plus déclarent utiliser au moins une technologie d'intelligence artificielle en 2025, contre 10 % en 2024. Chez les entreprises de 20 salariés et plus, la Banque de France mesure une adoption de l'IA générative de 67 % début 2026. Chez les TPE et PME, le baromètre France Num mesure une adoption de 40 %, en hausse de 14 points sur un an.