# Muse Ember API

- Разработчик: [Meta](https://router.nodul.ru/models/meta.md)
- Тип: Текст
- Контекст: до 1 048 576 токенов
- Дата выхода: 09.11.2026
- ID для API: `global-1/meta/muse-ember`
- Самая низкая цена: ввод от 11,00 ₽, вывод от 55,00 ₽

## Цены и маршруты

У модели может быть несколько маршрутов: у каждого свой ID для API, регион и цена. Маршрут с префиксом `ru-` работает в России. ZDR — провайдер не хранит запросы и ответы. Доверенный провайдер — компания с известным брендом и крупной выручкой или инвестициями: [Модели и маршрутизация, раздел «Доверенные провайдеры»](https://router.nodul.ru/docs/ru/models-and-routing.md).

Цены — в рублях без НДС за 1 млн токенов; у моделей изображений и распознавания речи — за изображение, мегапиксель или минуту аудио. Оплата идет в PnP, 1 PnP = 100 ₽. Цена окончательная: `usage.cost` в ответе API — ровно та сумма, которую вы платите. Цены без НДС (5 %); по договору счета выставляются в рублях с НДС. Для компаний цена ниже розничной и зависит от объема: https://router.nodul.ru/business

| ID для API | Маршрут | Регион | Ввод, ₽ | Вывод, ₽ | Чтение из кэша, ₽ | Цена за единицу | Контекст, токенов | Макс. ответ, токенов | ZDR | Доверенный провайдер |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| `global-1/meta/muse-ember` | global-1 | За рубежом | 11 | 55 | 0.44 | — | 1 048 576 | 943 718 | да | да |

## Описание

Обновлено: 10.11.2026

Muse Ember от Meta — самая маленькая и экономная модель семейства Muse, вышедшая 9 ноября 2026 года. Она создана для того, что агенты повторяют весь день: вызовы инструментов, подзадачи по коду, маршрутизация, извлечение данных, разбор длинных документов.

#### Для чего подходит Muse Ember

По описанию Meta, это рабочая лошадка для больших объемов однотипной работы: роль субагента в связке с более сильной моделью, пошаговые бизнес-процессы с вызовом инструментов, чтение файлов и запуск тестов в кодовом агенте, извлечение полей из документов, классификация и маршрутизация запросов. Разработчик прямо предлагает схему «Muse Wonder планирует, Muse Ember выполняет объем».

Через Router модель принимает текст, изображения, файлы, аудио и видео, возвращает текст и умеет рассуждать с настраиваемым уровнем. Среди поддерживаемых параметров в нашем каталоге есть вызов инструментов и структурированный вывод, так что агентный сценарий возможен прямо через API.

Не лучший выбор там, где важны знания о мире и фактическая точность без внешних источников, и для самых сложных инженерных задач, где нужен запас интеллекта: для них у Meta есть старшие модели.

#### Сильные стороны

- **Агентные процессы.** На AutomationBench-AA (бизнес-процессы, Artificial Analysis) модель набирает 68,1% на режиме max, наравне с гораздо более крупной Muse Wonder. В собственной таблице Meta для этого теста стоят другие значения (37,8% у Ember против 13,9% у Haiku 5.5), так что сравнивать цифры из разных источников нельзя.
- **Работа в терминале и в кодовом агенте.** На Terminal-Bench 4.0 она опережает Claude Haiku 5.5 по данным обоих источников, а в собственном агенте Meta Muse Code получает 46 на индексе кодовых агентов Artificial Analysis против 37 у Haiku в Claude Code и 31 у GPT-6 Luna в Codex.
- **Экономия токенов.** По данным Artificial Analysis, на задачах индекса модель тратит примерно втрое меньше выходных токенов, чем Haiku 5.5, а кэшированный ввод у нее заметно дешевле.
- **Мультимодальность.** Один и тот же вызов принимает скриншоты, сканы, голосовые заметки и видео; на OSWorld 2.1 (управление компьютером) Meta показывает результат на уровне Haiku 5.5 и выше GPT-6 Luna.
- **Скорость.** Партнеры Meta (Cloudflare, You.com) в раннем тестировании отмечают низкую задержку, но это отзывы партнеров, а не независимые замеры.

#### Ограничения и спорные моменты

- **Знания слабее, чем у сверстников.** Artificial Analysis измерил точность на AA-Omniscience в 21,1% против 34,7% у Claude Haiku 5.5 (max): модель отказывается отвечать примерно на 64% вопросов. Зато доля выдумок у нее около 17,4%, вдвое меньше, чем у Haiku.
- **Код: результат смешанный.** На FrontierCode 2.0 (задачи судят по пригодности к слиянию в основную ветку) модель набрала 27,2% против 34,9% у Haiku 5.5. На экспертных задачах AA-Briefcase Haiku тоже впереди (1574 против 1521 Elo).
- **Разные цифры по Terminal-Bench 4.0 у Haiku.** Meta указывает для Haiku 5.5 39,2% (каждая модель в лучшей опубликованной оснастке), Artificial Analysis — 32,8% в своей оснастке (mini-SWE-agent); для Ember у обоих 40,9%. Отрыв от Haiku зависит от оснастки: 1,7 пункта у Meta и 8,1 у Artificial Analysis.
- **Много цифр от самого разработчика.** Агентный индекс Personal Superintelligence Index, Agents' Last Exam, OSWorld 2.1 и PerceptionBench — внутренние замеры Meta, независимой проверки мы не нашли.
- **Модель только что вышла**, отзывов из продакшена пока мало. Meta заявляет, что оценка безопасности перед выпуском не выявила превышения порогов высокого риска, но это самооценка разработчика.

#### Бенчмарки

| Тест                                                     | Результат | Источник                                                                                                                                   | Дата        |
| -------------------------------------------------------- | --------- | ------------------------------------------------------------------------------------------------------------------------------------------ | ----------- |
| Artificial Analysis Intelligence Index (max)             | 36        | [Artificial Analysis](https://artificialanalysis.ai/articles/meta-s-muse-ember-is-the-cheapest-model-scoring-36-on-the-intelligence-index) | ноябрь 2026 |
| AutomationBench-AA (max)                                 | 68,1%     | [Artificial Analysis](https://artificialanalysis.ai/articles/meta-s-muse-ember-is-the-cheapest-model-scoring-36-on-the-intelligence-index) | ноябрь 2026 |
| Terminal-Bench 4.0 (max)                                 | 40,9%     | [Artificial Analysis](https://artificialanalysis.ai/articles/meta-s-muse-ember-is-the-cheapest-model-scoring-36-on-the-intelligence-index) | ноябрь 2026 |
| Terminal-Bench 4.0 (max, лучшая опубликованная оснастка) | 40,9%     | по данным разработчика, [Meta](https://research.meta.ai/blog/muse-ember)                                                                   | ноябрь 2026 |
| FrontierCode 2.0 (max)                                   | 27,2%     | [Artificial Analysis](https://artificialanalysis.ai/articles/meta-s-muse-ember-is-the-cheapest-model-scoring-36-on-the-intelligence-index) | ноябрь 2026 |
| Coding Agent Index в Muse Code (max)                     | 46        | [Artificial Analysis](https://artificialanalysis.ai/articles/meta-s-muse-ember-is-the-cheapest-model-scoring-36-on-the-intelligence-index) | ноябрь 2026 |
| AA-Omniscience, точность                                 | 21,1%     | [Artificial Analysis](https://artificialanalysis.ai/articles/meta-s-muse-ember-is-the-cheapest-model-scoring-36-on-the-intelligence-index) | ноябрь 2026 |
| GDP.pdf-AA (max)                                         | 22,8%     | [Artificial Analysis](https://artificialanalysis.ai/articles/meta-s-muse-ember-is-the-cheapest-model-scoring-36-on-the-intelligence-index) | ноябрь 2026 |
| OSWorld 2.1 (max, частичный зачет)                       | 69,5%     | по данным разработчика, [Meta](https://research.meta.ai/blog/muse-ember)                                                                   | ноябрь 2026 |
| Agents' Last Exam (max)                                  | 61,6%     | по данным разработчика, [Meta](https://research.meta.ai/blog/muse-ember)                                                                   | ноябрь 2026 |
| PerceptionBench с инструментами (max)                    | 80,6%     | по данным разработчика, [Meta](https://research.meta.ai/blog/muse-ember)                                                                   | ноябрь 2026 |

#### Чем Muse Ember отличается от соседей

Семейство Muse делится по назначению: [Muse Wonder](https://router.nodul.ru/models/meta/muse-wonder.md) — старшая модель для самых сложных задач, [Muse Spark 1.3](https://router.nodul.ru/models/meta/muse-spark-1.3.md) — основная для кода и агентов, Muse Ember — младшая для массовых повторяющихся подзадач. По индексу Artificial Analysis Ember отстает от Spark 1.3 на один пункт (36 против 37 по данным Meta) и от Wonder на 8 (44), при заметно более низкой цене. Берите Ember, когда задач много и каждая простая или хорошо определена; Spark 1.3 или Wonder — когда ошибка дорога, а планирование сложное.

#### Альтернативы в каталоге

- [Claude Haiku 5.5](https://router.nodul.ru/models/anthropic/claude-haiku-5.5.md): тот же класс и тот же балл индекса; впереди в знаниях и на FrontierCode.
- [GPT-6 Luna](https://router.nodul.ru/models/openai/gpt-6-luna.md): компактная модель OpenAI, по данным Meta на большинстве тех же тестов слабее Ember (на GDP.pdf-AA результаты равны).
- [DeepSeek V4.1 Flash](https://router.nodul.ru/models/deepseek/deepseek-v4.1-flash.md): модель с открытыми весами (лицензия MIT), если важна возможность развернуть ее у себя; по Artificial Analysis ее снапшот 1017 набирает на индексе 33 против 36 у Ember.
- [DeepSeek V4.1 Flash (Россия)](https://router.nodul.ru/models/deepseek/deepseek-v4.1-flash.md): та же модель в российском регионе.

#### Частые вопросы

**Подходит ли Muse Ember как основная модель для сложного программирования?**

Скорее как исполнитель подзадач. Независимые замеры смешанные: впереди Haiku 5.5 на FrontierCode, но Ember сильнее на Terminal-Bench 4.0 (с оговоркой про оснастку) и в связке с Muse Code. Для самых сложных задач Meta рекомендует Muse Wonder.

**Принимает ли она изображения, аудио и видео?**

Да: через Router поддерживаются текст, изображения, файлы, аудио и видео на входе, ответ приходит текстом.

**Поддерживает ли вызов инструментов и структурированный вывод?**

Среди параметров запроса в каталоге есть инструменты, выбор инструмента, структурированные ответы и режим рассуждений с настраиваемым уровнем. Агентные вызовы инструментов Meta называет основным назначением модели.

**Можно ли развернуть модель у себя?**

Нет: по данным The New Stack, как и в предыдущих релизах Muse, Meta держит веса закрытыми. Для самостоятельного размещения берите модели с открытыми весами, например DeepSeek V4.1 Flash.

**Стоит ли доверять ей фактические ответы без поиска?**

Осторожно. Artificial Analysis показывает низкую точность по знаниям, но и невысокую долю выдуманных ответов: модель чаще отказывается отвечать. Для вопросов о фактах подключайте поиск или базу знаний.

#### Источники

- [Introducing Muse Ember — Meta AI Research](https://research.meta.ai/blog/muse-ember)
- [Meta's Muse Ember is the cheapest model scoring 36 on the Intelligence Index — Artificial Analysis](https://artificialanalysis.ai/articles/meta-s-muse-ember-is-the-cheapest-model-scoring-36-on-the-intelligence-index)
- [Meta launches Muse Ember — The New Stack](https://thenewstack.io/meta-muse-ember-launch/)

## Бенчмарки

Независимый замер по методике теста и цифра, которую опубликовал разработчик модели; в скобках — месяц результата.

| Тест | Независимый замер | Цифра разработчика |
| --- | --- | --- |
| [Terminal-Bench 4.0](https://router.nodul.ru/models/benchmarks/terminal-bench.md) | — | 40,9 % (ноябрь 2026) |

## Как вызвать

```bash
curl https://router.nodul.ru/api/v1/chat/completions \
  -H "Authorization: Bearer $NODUL_ROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "global-1/meta/muse-ember", "messages": [{"role": "user", "content": "Привет!"}]}'
```

Документация API: https://router.nodul.ru/docs/llms.txt

---
HTML-версия: https://router.nodul.ru/models/meta/muse-ember
Оглавление сайта для ИИ-агентов: https://router.nodul.ru/llms.txt · все для решения о покупке: https://router.nodul.ru/llms-full.txt · прайс-лист: https://router.nodul.ru/models/prices.md
