Zuckerberg lance Muse Ember, le plus petit modèle d’IA de Meta, au même prix par token que Haiku

Mark Zuckerberg a présenté le dernier modèle d’IA de Meta en une seule phrase sur X : « Muse Ember sort aujourd’hui — notre plus petit modèle, qui offre davantage d’intelligence par dollar que les autres de sa catégorie. » Une bonne partie des articles consacrés à son lancement y a vu une baisse de prix : Meta aurait cassé les prix des petits modèles bon marché qu’Anthropic et OpenAI vendent aux développeurs qui créent des agents d’IA.

Ce n’est pas une baisse de prix, du moins pas sur la grille tarifaire. Muse Ember facture exactement autant que ses deux concurrents nommément cités pour chaque jeton en entrée comme en sortie. L’économie promise par Meta est bien réelle, mais elle se joue ailleurs : dans le volume de texte généré par le modèle avant qu’il ne fournisse une réponse. C’est une affirmation plus intéressante qu’une remise, mais aussi plus difficile à vérifier pour un acheteur avant de recevoir la facture.

Ce que Meta a lancé

Muse Ember est le quatrième modèle de la famille Muse, après Spark, Glimmer et Wonder, et le plus petit. Meta Superintelligence Labs l’a conçu pour les tâches répétitives au cœur d’un agent ; selon les mots de Zuckerberg, il s’agit de « sous-tâches de programmation, de routage, d’extraction et d’analyse de longs documents ». Meta résume sans détour la répartition des rôles : « Muse Wonder planifie, Muse Ember traite les volumes. » Alexandr Wang, qui dirige Meta Superintelligence Labs, a déclaré qu’Ember était le premier modèle lancé à avoir été entraîné avec Muse Wonder Full, le plus grand modèle de Meta.

Lecture recommandéeFei-Fei Li, qui cède World Labs à AMD : « L’univers n’est pas fait de mots ; il est fait de choses réelles… »

Selon Meta, Ember traite le texte, les images, l’audio et la vidéo, dispose d’une fenêtre de contexte d’un million de jetons et peut générer jusqu’à 512 000 jetons en une seule réponse. Le modèle est fermé : aucun poids n’est téléchargeable. Il fonctionne via l’API Model hébergée par Meta et dans Muse Code, l’agent de programmation de l’entreprise ; Google Cloud et Oracle Cloud figurent également parmi les options d’accès.

D’où vient le « par dollar »

Meta affiche pour Ember un tarif de 0,10 dollar par million de jetons en entrée et de 0,50 dollar par million en sortie. Claude Haiku 5.5 d’Anthropic et GPT-6 Luna d’OpenAI affichent les mêmes tarifs de base, comme le soulignent MarkTechPost et Fello AI. Le seul avantage au tarif affiché concerne les entrées mises en cache — du texte que le modèle a déjà traité et peut réutiliser — facturées 0,004 dollar par million de jetons pour Ember, contre 0,01 dollar chez ses deux concurrents.

L’écart se creuse à l’échelle d’une tâche. Sur l’Artificial Analysis Intelligence Index, une suite de tests indépendante, Ember obtient un score de 36, à égalité avec Haiku 5.5 à son niveau de réglage le plus élevé, pour un coût d’environ 0,14 dollar par tâche, contre 0,41 dollar pour Haiku. L’analyse des données d’Artificial Analysis par Fello AI explique pourquoi : sur l’ensemble de l’index, Ember a généré environ 115 millions de jetons en sortie et Haiku quelque 298 millions, au même tarif de sortie. Même prix par jeton, beaucoup moins de jetons. GPT-6 Luna revient à peu près au même prix par tâche qu’Ember, soit 0,15 dollar, mais n’obtient qu’un score de 28.

Ce mécanisme compte, car le nombre de jetons ne figure sur aucune grille tarifaire. Un développeur qui compare les prix affichés voit trois modèles identiques. La différence n’apparaît qu’une fois l’agent à l’œuvre, et varie selon la tâche, l’environnement d’exécution et le réglage du raisonnement. La comparaison de Meta s’appuie sur le niveau d’effort de raisonnement maximal, que la documentation destinée aux développeurs indique également comme réglage par défaut d’Ember.

Le tarif qui triple

La page développeurs de Meta présente un deuxième palier tarifaire absent des annonces de lancement. Au-delà de 200 000 jetons en entrée, Ember coûte 0,30 dollar par million en entrée et 1,50 dollar par million en sortie, soit trois fois le tarif annoncé. Meta prévient qu’une requête accompagnée d’un historique de conversation volumineux peut franchir ce seuil. Dans son article sur le lancement, MarkTechPost affirmait que Meta ne proposait aucun tarif spécifique pour le contexte long d’Ember ; la grille tarifaire de Meta elle-même dit le contraire.

Ce palier s’applique précisément à l’usage mis en avant par Zuckerberg. « L’analyse de longs documents » et une fenêtre d’un million de jetons incitent les développeurs à fournir des bases de code entières et des ensembles de documents, soit les requêtes les plus susceptibles de dépasser le seuil. Ember reste moins cher que Haiku 5.5 dans ce cas, puisque Haiku facture 0,50 dollar en entrée et 2,50 dollars en sortie au-delà de 100 000 jetons de requête, selon MarkTechPost. Mais « bon marché » devient alors « moins cher que l’autre solution », ce qui n’est pas la même promesse.

Ce que montrent les benchmarks, et qui les a réalisés

Meta a publié dix comparaisons avec Haiku 5.5 et GPT-6 Luna. Le meilleur résultat d’Ember est obtenu sur AutomationBench, le test d’Artificial Analysis portant sur 657 processus métier Zapier : le modèle mène à bien 37,8 % des tâches, contre 13,9 % pour Haiku et 20,2 % pour Luna. Sa seule défaite nette est sur FrontierCode 2.0, qui évalue des modifications de code réelles en déterminant si un responsable de maintenance les accepterait : Haiku obtient 34,9 points, contre 27,2 pour Ember.

Fello AI a recensé l’origine de chacun de ces chiffres. Cinq résultats viennent d’Artificial Analysis, quatre sont issus de tests menés par Meta, et celui de Terminal-Bench mêle des méthodes différentes : un test d’Artificial Analysis pour Ember, face à des chiffres déclarés par les concurrents eux-mêmes. Fello signale aussi que la fiche d’Ember sur Artificial Analysis ne mentionne que le texte et les images en entrée ; pour l’instant, la prise en charge de l’audio et de la vidéo repose donc sur les déclarations de Meta.

À qui s’adresse Muse Ember

Dans son annonce, Meta affirme que le coût d’Ember est « assez bas pour être utilisé dans tous les produits, par tout le monde ». Pour l’instant, le modèle n’est intégré à aucun produit grand public de Meta : Fello AI indique qu’il est absent de l’application Meta AI, de WhatsApp et de l’agent Muse. Il est destiné à équiper les agents d’autres entreprises, comme le suggèrent les témoignages de partenaires choisis par Meta. Saoud Rizwan, fondateur de Cline, le recommande aux « équipes qui réduisent leurs coûts en l’utilisant comme sous-agent dans leur environnement d’exécution ». Dane Knecht, directeur technique de Cloudflare, affirme qu’il « a été jusqu’à 30 % plus rapide sur les derniers jetons que le modèle comparable que nous avons testé ».

C’est le pari d’Ember. Meta ne cherche pas à en faire le modèle qui s’impose dans les fenêtres de chat. L’entreprise veut qu’il soit appelé mille fois par heure au sein de l’agent d’un tiers, tandis qu’un modèle plus puissant se charge du raisonnement. Dans ce rôle, la facture dépend d’un chiffre qu’aucun fournisseur ne publie : le nombre de jetons dont le modèle a besoin pour terminer la tâche.

Étiquettes: meta, Mark Zuckerberg, modèles d'IA, Claude Haiku, Muse Ember

Dans le même genre

Demis Hassabis (Google DeepMind) voit l’AGI d’ici trois ans et veut attendre avant de réguler

Claude Sheets s’attaque à Excel, mais Anthropic renvoie les gros besoins vers Excel

Une équipe de 10 personnes chez Microsoft a construit un modèle vocal moins cher et plus rapide qu’OpenAI et Google

Ghost Core, un ordinateur à 3 499 dollars sans écran, conçu pour votre agent IA

Grokipedia d’Elon Musk se refait une façade après cinq mois de gel passé sous silence

Le modèle IA d’Alibaba coûte 2 $ par million de tokens — les poids ouverts arrivent le 10 août