What A Time To Be Alive
Taal kiezen: Nederlands

Meta brengt Muse Ember uit voor terugkerende taken van AI-agents

Meta heeft Muse Ember uitgebracht, zijn kleinste en zuinigste AI-model. Het is gemaakt voor het herhaalwerk van AI-agents, zoals tools aanroepen en lange documenten doorzoeken, en kost een fractie van Meta's grotere modellen.

Titelkaart op een sterrenhemel met in grote witte letters Muse en daaronder in oranje Ember 1.0, rechtsboven het Meta-logo en rechtsonder een donkere planeet met een oranje gloed.
Muse Ember is het kleinste en zuinigste model van Meta, gemaakt voor het herhaalwerk van AI-agents

Meta Superintelligence Labs heeft op 9 november Muse Ember uitgebracht. Het is een klein AI-model voor het werk dat AI-agents de hele dag herhalen: tools aanroepen, gegevens uit documenten halen, taken doorsturen naar het juiste onderdeel en kleine programmeerklussen, zoals bestanden lezen, tests draaien en gerichte fouten herstellen. Een AI-agent is een AI-programma dat zelfstandig een reeks stappen uitvoert om een taak af te maken. Ember is te gebruiken via de Meta Model API en de programmeeromgeving Muse Code, onder de naam muse-ember-1.0.

Veel goedkoper dan Meta's grotere modellen

Ember kost $0,10 per miljoen invoertokens en $0,50 per miljoen uitvoertokens. Tokens zijn de stukjes tekst waarin een model invoer en uitvoer verwerkt; een miljoen tokens is ruwweg 750.000 woorden. Invoer die het model kort daarvoor al eens verwerkte, kost $0,004 per miljoen tokens. Ter vergelijking: Meta's model Muse Spark 1.3 kost $1,25 voor invoer en $4,25 voor uitvoer, ruim tien keer zoveel.

Ember kan in één keer tot een miljoen tokens lezen, genoeg voor een hele verzameling code of documenten, en tot 512.000 tokens antwoord geven. Het model begrijpt volgens Meta tekst, afbeeldingen, audio en video. Een agent kan zo met screenshots, gescande documenten en gespreksopnames werken zonder daarvoor een apart model te gebruiken.

Groot model plant, klein model voert uit

Meta stelt voor om Ember te combineren met zijn grootste model, Muse Wonder: Wonder maakt het plan, Ember doet het vele uitvoerende werk. TechCrunch geeft als voorbeeld een klantenserviceagent: het grote model stelt de regels voor een kwestie op en het kleine model past die toe op tienduizenden gevallen.

Ember is het vierde model onder de naam Muse, na Spark in april, het opensourcemodel Glimmer in augustus en Wonder in oktober. Volgens Meta is Ember het eerste model dat is getraind met hulp van Muse Wonder Full.

Voor de vergelijking met concurrenten gebruikt Meta de Intelligence Index van Artificial Analysis, een bedrijf dat AI-modellen met een vaste reeks tests vergelijkt. Volgens Meta haalt Ember dezelfde score als Claude Haiku 5.5 van Anthropic op zijn sterkste instelling, voor ongeveer een derde van de kosten per taak, en scoort het hoger dan OpenAI's GPT-6 Luna bij elke instelling. Bij een zware programmeertest uit dezelfde reeks scoort Haiku volgens Meta's eigen cijfers wel duidelijk hoger. Ook bedrijven die Ember al uitprobeerden, zoals Cloudflare en Box, zijn volgens Meta positief.

Meta heeft Ember getest volgens zijn eigen veiligheidskader, het Meta Superintelligence Scaling Framework. Volgens het bedrijf bleef het model daarbij onder de drempels voor een hoog risico, onder meer op het gebied van cyberveiligheid en verlies van controle. Meta testte ook of Ember voorzichtig omgaat met gevoelige gegevens, verborgen instructies in webpagina's en documenten negeert en een mens om toestemming vraagt voor een ingrijpende stap.

Wat betekent dit voor de weg naar de singulariteit?

Een agent die een grote taak afmaakt, zet vaak honderden kleine stappen. Als elke stap veel goedkoper wordt, kan AI veel meer werk zelfstandig doen voor hetzelfde geld. De taakverdeling die Meta voorstelt, een groot model dat nadenkt en een klein model dat uitvoert, laat zien hoe dat in de praktijk kan werken. Hoe goed Ember het buiten Meta's eigen tests doet, gaat het gebruik in de komende weken laten zien.

Wat is de technologische singulariteit? Lees de uitleg →

Bronnen

  1. TechCrunch
  2. Meta AI Research