კვი, 22 ნოე, 2026
ახალი ინტერაქტიული ქვიზები დაემატა საიტს — შეამოწმე შენი ცოდნა. ნახვა →
ხელოვნური ინტელექტი და მანქანური სწავლება

Meta-მ მცირე ზომის AI მოდელი Muse Ember გამოუშვა, რომელიც რუტინულ საქმეს 10 ცენტად ასრულებს

კონკურენტებთან შედარების ტესტებს ჯერჯერობით თავად კომპანია აქვეყნებს, თუმცა მოდელი დეველოპერებისთვის უკვე ღიაა. Meta-ს ლაბორატორიამ, Meta Superintelligence Lab-მა, 9 ნოემბერს თავისი ყველაზე მსუბუქი...

კონკურენტებთან შედარების ტესტებს ჯერჯერობით თავად კომპანია აქვეყნებს, თუმცა მოდელი დეველოპერებისთვის უკვე ღიაა.

Meta-ს ლაბორატორიამ, Meta Superintelligence Lab-მა, 9 ნოემბერს თავისი ყველაზე მსუბუქი და იაფი ხელოვნური ინტელექტის მოდელი, Muse Ember გამოუშვა. სიახლის შესახებ კომპანიის ოფიციალური რელიზიდან და TechCrunch-ის მიმოხილვიდან ვიგებთ. ახალი სისტემა სპეციალურად AI აგენტებისთვის, ანუ იმ დამხმარე პროგრამებისთვის შეიქმნა, რომლებიც თქვენ ნაცვლად კომპიუტერში დამოუკიდებლად ასრულებენ დავალებებს. მისი მთავარი უპირატესობა ფასია, რადგან ერთი მილიონი შემავალი ტოკენის, ანუ ტექსტის პატარა ნაწილაკების, დამუშავება სულ რაღაც 10 ცენტი ღირს.

Muse Ember ერთდროულად კითხულობს ტექსტს, ფოტოებს, აუდიოსა და ვიდეოს, ერთ ჯერზე კი მილიონამდე ტოკენს უმკლავდება. კომპანიის ოფიციალურ განცხადებაში ვკითხულობთ, რომ მოდელი გათვლილია „რთული მსჯელობის შესასრულებლად და იმ საქმისთვის, რასაც აგენტები მთელი დღე იმეორებენ: ხელსაწყოების გამოძახება, კოდის წერის ქვედავალებები, მარშრუტიზაცია, მონაცემების ამოღება და გრძელი დოკუმენტების დამუშავება“. იქვე განმარტებულია, რომ „აგენტებს შეუძლიათ წაიკითხონ ეკრანის ანაბეჭდები, გრაფიკები და დასკანერებული დოკუმენტები ან იმუშაონ ხმოვანი ჩანაწერებიდან, შეხვედრების აუდიოდან და ვიდეოდან ცალკე მოდელის გარეშე“. დეველოპერებს მასთან წვდომა უკვე აქვთ Meta Model API-სა და Muse Code-ის მეშვეობით.

დიდი გეგმავს, პატარა ასრულებს

რატომ სჭირდება ბაზარს კიდევ ერთი პატარა მოდელი? პასუხი ხარჯების განაწილებაშია. ჩანაფიქრი მარტივია: მძიმე და ძვირი მოდელი, მაგალითად, Muse Wonder, გეგმას ადგენს, Muse Ember კი შავ სამუშაოს ასრულებს. წარმოიდგინეთ მომხმარებელთა მხარდაჭერის სამსახური, სადაც დიდი მოდელი პრობლემის მოგვარების წესებს ერთხელ წერს, პატარა Ember კი ამ წესებს ათობით ათას ცალკეულ მიმართვაზე სწრაფად და იაფად იყენებს.

Meta chart based on Artificial Analysis: Muse Ember intelligence score versus cost per task
ფოტო: Image: Meta (via TechCrunch); TechCrush cover

ფასი და კონკურენტები

Artificial Analysis-ის მონაცემებზე დაყრდნობით Meta ამტკიცებს, რომ მისი სიახლე ყოველ დახარჯულ დოლარზე უფრო მაღალ ინტელექტუალურ რესურსს გაძლევთ მსჯელობის ნებისმიერ დონეზე, ვიდრე Anthropic-ის Claude Haiku 5.5 ან OpenAI-ს GPT-6 Luna. ერთი დავალების შესრულება საშუალოდ 14 ცენტი ჯდება. TechCrunch-ის შეფასებით, ფასით ის წარმატებით უწევს კონკურენციას ისეთ ღია მოდელებსაც, რომელთა გადმოწერა და საკუთარ კომპიუტერზე გაშვება ნებისმიერ მსურველს შეუძლია, მათ შორის, DeepSeek V4.1 Flash-სა და GLM 5.3 Flash-ს. გასათვალისწინებელია ერთი დეტალი: კონკურენტებთან შედარების ეს მონაცემები თავად Meta-ს რელიზიდან მოდის, რომელიც Artificial Analysis-ის დათვლებს ეყრდნობა.

Muse Ember უკვე მეოთხე წევრია Muse-ის ოჯახში. ყველაფერი აპრილში Muse Spark-ით დაიწყო, აგვისტოში მას მოჰყვა ღია ტყუპისცალი Glimmer, რომელსაც მომხმარებლები თავიანთ სერვერებზე უშვებენ, ოქტომბერში კი კომპანიამ ყველაზე მძლავრი Muse Wonder წარადგინა. სექტემბერში რიგითი მომხმარებლებისთვის აპლიკაცია Muse Agent-იც ჩაეშვა. ახალი პატარა მოდელი ამ ხაზს ლოგიკურად კრავს და კომპანიებს საშუალებას აძლევს, ყოველდღიურ რუტინაში ზედმეტი ფული აღარ დახარჯონ.

შემავალი ტოკენების ფასი 0,10 დოლარი მილიონ ტოკენზე
გამომავალი ტოკენების ფასი 0,50 დოლარი მილიონ ტოკენზე
ერთი დავალების საშუალო ფასი დაახლოებით 0,14 დოლარი
Artificial Analysis-ის ინტელექტის ინდექსი 36 ქულა
კონტექსტის მოცულობა 1 მილიონამდე ტოკენი
მხარდაჭერილი ფორმატები ტექსტი, ფოტო, აუდიო, ვიდეო
ხელმისაწვდომობა Meta Model API, Muse Code

წყარო: TechCrunch: Meta releases Muse Ember, a new lightweight model for agent execution (9 Nov 2026) | The Decoder: Meta launches Muse Ember, a small AI model built for the repetitive work agents actually do (9 Nov 2026) | Interesting Engineering: Muse Ember: Meta unveils its smallest model yet with 1M-token context for cheaper agents (10 Nov 2026)

ეს სტატია შეიქმნა AI ხელსაწყოებით, პროცესში ადამიანის ჩართულობა დაახლოებით 10%-ია.