AI News
Alle Meldungen
Berichtet

Artificial Analysis: Metas Muse Ember ist das günstigste Modell mit 36 Punkten

Laut Artificial Analysis erreicht Muse Ember 36 Punkte auf dem Intelligence Index und liegt damit gleichauf mit Claude Haiku 5.5 (max), kostet pro Aufgabe aber nur etwa ein Drittel.

Modelle · · 2 Min. Lesezeit

Laut Artificial Analysis erreicht Metas Muse Ember (max) auf dem Intelligence Index 36 Punkte, bei Kosten von 0,14 US-Dollar pro Aufgabe. Kein anderes Modell mit diesem Wert ist günstiger. Claude Haiku 5.5 (max) kommt auf dieselbe Punktzahl, kostet aber 0,41 US-Dollar. Der Benchmark des Unternehmens setzt Kosten und Ergebnis auf einer Pareto-Front ins Verhältnis, und dort liegt Muse Ember am günstigen Ende der Kurve. Eine Einstellung mit geringerem Aufwand, Muse Ember (xhigh), erzielt 34 Punkte für 0,12 US-Dollar. Artificial Analysis zufolge ist Muse Ember (max) außerdem rund viermal günstiger als DeepSeek V4.1 Flash 1017 (max, 33 Punkte bei 0,60 US-Dollar) und GLM-5.3-Flash (28 Punkte bei 0,58 US-Dollar).

Der Kostenvorsprung hat zum Teil mit der Abrechnung der Token zu tun. Bei Input- und Output-Token verlangt Muse Ember dieselben Preise wie Claude Haiku 5.5 und GPT-6 Luna: 0,10 US-Dollar für Input und 0,50 US-Dollar für Output pro Million Token. Gecachter Input kostet jedoch nur 0,004 US-Dollar, laut Artificial Analysis 60 % weniger als bei ähnlich bepreisten Modellen. Das Unternehmen weist darauf hin, dass gecachter Input in seinen agentischen Evaluierungen den Großteil der Kosten ausmacht. Zudem verbraucht Muse Ember nur etwa ein Drittel der Output-Token von Claude Haiku 5.5 (max). Auf dem Intelligence Index liegt es 8 Punkte hinter Muse Wonder (max), das 44 Punkte bei 6,95 US-Dollar pro Aufgabe erreicht.

Bei agentischen Aufgaben und beim Coding fallen die Ergebnisse gemischt aus. Muse Ember (max) erzielt auf AutomationBench-AA 68,1 % und liegt damit gleichauf mit Muse Wonder (max) und GPT-6 Astra. Auf GDP.pdf schlägt es Claude Haiku 5.5 (max) mit 22,8 % gegenüber 20,8 %, auf AA-Briefcase liegt es mit 1521 Elo hinter Haikus 1574. Beim Coding übertrifft es Haiku 5.5 auf Terminal-Bench 4.0 mit 40,9 % gegenüber 32,8 %, bleibt auf FrontierCode 2.0 aber mit 27,2 % gegenüber 34,9 % zurück. In Muse Code, Metas eigenem Coding-Agenten, erreicht Muse Ember (max) 46 Punkte auf dem Artificial Analysis Coding Agent Index. Damit liegt es vor Claude Haiku 5.5 in Claude Code (max, 37) und GPT-6 Luna in Codex (max, 31). Den Vorsprung führt das Unternehmen auf SWE-Atlas-QnA-AA und Terminal-Bench 4.0 zurück.

Die größte Schwäche ist das Wissen. Auf AA-Omniscience kommt Muse Ember auf eine Genauigkeit von 21,1 %, verglichen mit 34,7 % bei Claude Haiku 5.5 (max) und 50,5 % bei Gemini 3.8 Flash (high). Laut Artificial Analysis liegt das vor allem daran, dass das Modell 64 % der Fragen nicht beantwortet. Genau diese Zurückhaltung hält aber auch die Halluzinationsrate bei 17,4 %, halb so hoch wie bei Haiku 5.5. Wer die beiden Modelle vergleicht, sollte Genauigkeit und Antwortverweigerung gemeinsam betrachten.

Muse Ember ist über Metas eigene API und Muse Code verfügbar. Artificial Analysis veröffentlicht die Ergebnisse bei maximalem Aufwand (max), zeigt im Diagramm „Intelligence versus Cost“ aber auch die Einstellung xhigh.

Was sich ändert

Art: Sonstiges · Betrifft: Muse Ember (max), Muse Ember (xhigh), Claude Haiku 5.5 (max)

Warum es wichtig ist

Bei Agenten-Workloads, deren Budget von den Kosten pro Aufgabe bestimmt wird, liefert Muse Ember ein ähnliches Ergebnis zu einem Bruchteil des Preises vergleichbarer Modelle. Wegen der niedrigen Antwortquote sollten Teams, die auf Faktenwissen angewiesen sind, allerdings mit mehr verweigerten Antworten rechnen.

Was Sie tun können

Testen Sie Muse Ember vor einem Wechsel mit Ihren eigenen agentischen und wissensbasierten Aufgaben im Vergleich zu Ihrem aktuellen günstigen Modell, und achten Sie dabei auf die Kosten pro Aufgabe und auf verweigerte Antworten.

Originalquelle

Wo wir es gesehen haben

1 Quelle

Artificial Analysis

KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es