Das Meta Superintelligence Lab hat am 9. November 2026 sein bisher leichtestes und kosteneffizientestes Modell Muse Ember veröffentlicht. Nach Angaben der Analyseplattform Artificial Analysis erzielt das System im Intelligence Index bei maximalem Reasoning einen Score von 36 und bewegt sich damit auf dem Leistungsniveau von Claude Haiku 5.5. Während Haiku bei etwa 41 Cent pro Benchmark-Aufgabe liegt, schlägt Muse Ember mit rund 14 Cent zu Buche.
Meta-Chef Mark Zuckerberg kündigte die Veröffentlichung am 9. November 2026 auf der Plattform X an und bezeichnete Muse Ember als die leistungsfähigste Entwicklung innerhalb ihrer Leistungsklasse.
Architektur, Multimodalität und Preisstruktur
Das am 9. November 2026 vorgestellte Modell ist nativ multimodal konzipiert und kann Text, Bilder, Audio und Video verarbeiten. Muse Ember wird unter der API-Kennung muse-ember-1.0 bereitgestellt und bietet ein Kontextfenster von 1.048.576 Tokens sowie eine maximale Ausgabelänge von 524.288 Tokens.
Bei der Preisgestaltung setzt Meta auf gestaffelte Tarife: Bis zu einer Grenze von 200.000 Eingabe-Tokens fallen 0,10 US-Dollar pro Million ungecacheter Tokens, 0,004 US-Dollar pro Million gecachter Tokens sowie 0,50 US-Dollar pro Million Ausgabe-Tokens an.
Jenseits dieses Schwellenwerts steigen die Tarife auf 0,30 US-Dollar für ungecachte Eingaben, 0,012 US-Dollar für gecachten Input und 1,50 US-Dollar für die Ausgabe pro Million Einheiten.
Damit unterbietet der Eingabepreis vergleichbare Angebote wie DeepSeek V4.1 Flash, GLM-5.3 Flash und MiniMax M3.1 Flash. Bei gecachten Daten liegt der Preis um 60 Prozent unter den 0,01 US-Dollar von Haiku 5.5 und GPT-6 Luna.
Im Vergleich zu Claude Fable 5.2, das mit 8 US-Dollar für Eingaben und 40 US-Dollar für Ausgaben pro Million Tokens berechnet wird, ist der Basistarif um das Achtzigfache niedriger.
Im internen Portfolio ist Muse Ember rund 17-mal günstiger pro Aufgabe als Muse Spark 1.3, das bei einem Score von 37 Kosten von 2,39 US-Dollar pro Task verursacht, während das Spitzenmodell Muse Wonder im Maximum einen Score von 44 bei 6,95 US-Dollar pro Aufgabe erzielt.
Die rasante Entwicklung leistungsstarker KI-Modelle stellt Unternehmen vor neue rechtliche Herausforderungen bei der Einhaltung geltender Vorschriften. Dieser kostenlose Umsetzungsleitfaden bietet Ihnen einen kompakten Überblick über alle Anforderungen, Pflichten und Fristen der EU-KI-Verordnung. EU AI Act in 5 Schritten verstehen
Ergebnisse in Benchmarks und Leistungstests
Nach Angaben von Meta bietet das mit sechs Reasoning-Stufen ausgestattete Modell auf jedem Niveau mehr Rechenleistung pro US-Dollar als Claude Haiku 5.5 oder GPT-6 Luna. In Metas tabellarischem Zehn-Zeilen-Vergleich liegt Muse Ember in acht Kategorien vor Haiku 5.5, in einer gleichauf und gerät lediglich beim Test FrontierCode 2.0 ins Hintertreffen.
Unabhängige Messungen von Artificial Analysis beziffern die Leistungsdaten im Detail:
* Im Gesamtergebnis erreicht Muse Ember bei maximaler Einstellung einen Wert von 35,8 für 0,136 US-Dollar pro Aufgabe, während Haiku 5.5 maximal auf 36,2 für 0,411 US-Dollar und GPT-6 Luna auf 27,8 für 0,152 US-Dollar kommt.
* Im Coding Agent Index führt Muse Ember mit 46 Punkten vor Haiku mit 37 und Luna mit 31 Punkten.
* Beim Test OSWorld 2.1 liegt Muse Ember bei 69,5 Prozent, gefolgt von Haiku mit 68,9 Prozent und Luna mit 50,5 Prozent.
* Beim Terminal-Bench 4.0 erreicht Ember 40,9 Prozent, Haiku 39,2 Prozent und Luna 16,4 Prozent.
* Beim FrontierCode 2.0 erzielt Haiku mit 34,9 Prozent ein besseres Ergebnis als Ember mit 27,2 Prozent.
Beim Benchmark AutomationBench-AA erzielte Ember im Erstversuch 37,8 Prozent, während Luna 20,2 Prozent und Haiku 13,9 Prozent erreichten. Allerdings verzeichnete Artificial Analysis bei diesem Test eine methodische Abweichung und ermittelte für Ember einen Wert von 68,1 Prozent.
Als Schwachpunkte identifizierte Artificial Analysis das Abschneiden beim Test AA-Omniscience, bei dem das Modell lediglich 21,1 Prozent der Fragen korrekt beantwortete und 64 Prozent verweigerte. Die Halluzinationsrate bezifferten die Tester auf 17,4 Prozent, was rund der Hälfte des Vergleichswerts von Haiku entspricht.
Einsatzbereiche und Verfügbarkeit
Konzipiert ist Muse Ember vor allem für automatisierte Routineaufgaben, darunter Funktionsaufrufe, Programmierteilaufgaben, Routing, Datenextraktion und Dokumentenanalyse. Es fungiert dabei als Zuspieler für größere Architekturen: Während das Modell Muse Wonder für die Planung zuständig ist, übernimmt Muse Ember die hochvolumige Verarbeitung.
Muse Ember ist das erste veröffentlichte System von Meta, dessen Training vollständig auf dem Modell Muse Wonder Full basiert. Die Modellgewichte bleiben privat und stehen nicht zum Download bereit.
Während neue KI-Systeme die Effizienz steigern, müssen Unternehmen auch die damit verbundenen Risiken und die Einstufung in verschiedene Risikoklassen im Blick behalten. Erfahren Sie in diesem kostenlosen Report, was Unternehmen jetzt konkret tun müssen, um die neuen Regeln der EU-KI-Verordnung rechtssicher umzusetzen. Kostenlosen Umsetzungsleitfaden zum EU AI Act sichern
Die Schnittstellen sind über die Meta Model API, die Entwicklungsumgebung Muse Code sowie über die Plattform OpenRouter zugänglich. Nach Unternehmensangaben blieben die internen Sicherheitsprüfungen unterhalb relevanter Hochrisikoschwellen; eine vollständige Übersicht der freigegebenen Länder wurde bislang nicht publiziert.