Muse Ember‏ של Meta‏: אותו מחיר כמו Haiku 5.5‏, עד שליש מהחשבון. מה נכון ומה שיווק

Muse Ember‏ הוא המודל הקטן והזול של Meta‏, והוא יצא ב־9 בנובמבר 2026. Meta‏ בנתה אותו לעבודה השוטפת של סוכני AI‏: למיין, לחלץ נתונים ממסמכים, להפעיל כלים ולגלוש באתרים, בכמויות. עברתי על הדפים הרשמיים, על המדידה הבלתי תלויה של Artificial Analysis‏ ועל הבדיקות הראשונות של מפתחים, כדי לענות על שאלה אחת: זו השקה שמשנה משהו לעסק שמריץ סוכן, או עוד מודל עם גרף יפה?

בדיקה משלנו לא הרצנו. המודל בן יום, וכל המספרים כאן ממקורות פתוחים שמקושרים בסוף.

מעדיפים לצפות? הסקירה בסרטון של 9 דקות

הדעה שלי: זו השקה אמיתית, אבל הכותרת שלה מטעה

Muse Ember‏ לא הוריד את המחיר. הוא הוריד את החשבון. את רצפת המחיר של 10 ו־50 סנט קבעו GPT-6 Luna‏ בספטמבר ו־Claude Haiku 5.5‏ באוקטובר. Meta‏ הגיעה שלישית לאותו מחיר. מה שהיא הביאה איתה: מודל שמגיע לאותה תוצאה בפחות טקסט ובפחות זמן.

תחשבו על שלושה אינסטלטורים שגובים אותו מחיר לשעה. אחד מהם מסיים את אותו תיקון בשליש מהזמן, אז החשבון שלו קטן פי שלושה. זה Ember‏. ויש לדימוי הזה המשך פחות נעים: בבדיקה אחת, אותו אינסטלטור גם אמר "סידרתי" כשהברז עוד טפטף, יותר פעמים מהמתחרה. נגיע לזה.

אז משמעותי או שטויות? משמעותי, בתחום צר. אם הסוכן שלכם עושה כל יום מאות פעולות קטנות, קורא מיילים, מתייג פניות, ממלא שדות, זו השקה ששווה לבדוק. אם אתם מחפשים מודל שיחשוב בשבילכם, יכתוב אסטרטגיה או יתקן באג מסובך, ההשקה הזו לא נוגעת לכם.

מה זה Muse Ember‏, בדקה

מקורות: עמוד המודל ועמוד המחירים של Meta‏; מהירות לפי Artificial Analysis‏, 10 בנובמבר 2026. מה זה טוקן, הסברנו במה זה טוקן.

הוא זמין בחיבור הישיר של Meta‏ למודלים שלה, ה־API‏ (דרכו סוכן עובד עם המודל), בכל המנויים של Muse Code‏ (כלי הקוד של Meta‏), ב־Google Cloud‏ וב־OpenRouter‏, שירות שמחבר לכמה מודלים דרך חשבון אחד. Meta‏ לא מזכירה אותו באפליקציית Meta AI‏ או בוואטסאפ, כך שמי שלא מריץ סוכן או כותב קוד לא יפגוש אותו ישירות. המודל סגור: Meta‏ לא משחררת את קובץ המודל, ואי אפשר להריץ אותו על שרת משלכם. ישראל לא נמצאת ברשימת המדינות החסומות של ה־API‏.

ומה עם עברית? Meta‏ לא מפרסמת באילו שפות המודל נבדק, ואף בדיקה שמצאתי לא נעשתה בעברית. לפני שמעבירים אליו מיילים או ביקורות בעברית, בודקים על דוגמאות אמיתיות שלכם.

Meta‏ מציגה אותו כחצי השני של Muse Wonder‏, המודל הגדול שלה: Wonder‏ מתכנן, Ember‏ מבצע את הכמות. לפי Meta‏ זה גם המודל הראשון שלה שאומן בעזרת Wonder Full‏.

פרט אחד שחשוב לחשבון: ל־Ember‏ יש שש רמות חשיבה, כלומר כמה זמן הוא "חושב" לפני שהוא עונה, מ־minimal‏ (מינימום) עד max‏ (מקסימום), וברירת המחדל היא max‏. אי אפשר לכבות את החשיבה. מי שמחבר אותו ולא משנה כלום משלם על החשיבה הכי ארוכה בכל פנייה, גם כשהמשימה היא לתייג מייל. Meta‏ עצמה ממליצה על הרמה הנמוכה ביותר שנותנת תוצאה סבירה.

Muse Ember‏ מול Haiku 5.5‏ ו־GPT-6 Luna‏: אותו מחירון, חשבון אחר

Artificial Analysis‏ היא חברה בלתי תלויה שמריצה על כל מודל חדש אותה סדרת מבחנים, ומפרסמת ציון כללי מתוך 100, עלות וזמן למשימה. לשם קנה מידה: Muse Wonder‏, המודל הגדול של Meta‏, מקבל שם 44. זו המדידה העצמאית המקיפה ביותר שפורסמה עד עכשיו על Ember‏, ורוב המספרים כאן ממנה.

"משימה" במדד הזה היא משימה כבדה של מבחן, עם הרבה קריאה וחשיבה. לתייג מייל או לחלץ סכום מחשבונית עולה חלקיק מזה. מה שחשוב בגרף הוא היחס בין המודלים, לא הסנטים.

מול Haiku 5.5‏: אותו ציון, 36. לפני עיגול Haiku‏ גבוה ממנו מעט: 36.2 מול 35.8. ההבדל הוא בדרך: כדי להגיע לשם Haiku‏ ייצר בערך פי 2.6 יותר טקסט. וכשהמחיר לטוקן זהה, מי שכותב פחות עולה פחות.

מול GPT-6 Luna‏: כמעט אותה עלות למשימה, 14 סנט מול 15, אבל Ember‏ מקבל 36 ו־Luna‏ ‏28. כאן היתרון הוא באיכות, לא בכסף.

בתוך Meta‏: Muse Spark 1.3‏, שהיה עד ההשקה האפשרות הזולה שלה, מקבל 37 ב־2.39 דולר למשימה. Ember‏ מקבל נקודה אחת פחות, ועולה פי 17 פחות.

יש עוד סיבה שהחשבון קטן, והיא חשובה במיוחד לסוכנים. סוכן שולח למודל שוב ושוב את אותו טקסט: ההוראות שלו, ההיסטוריה של השיחה, המסמך שהוא עובד עליו. על טקסט שהמודל כבר קרא משלמים מחיר מוזל, ואצל Ember‏ הוא 0.004 דולר למיליון טוקנים, מול 0.01 אצל Haiku‏ ו־Luna‏. לפי Artificial Analysis‏, במבחני הסוכנים שלה זה רוב העלות. DeepSeek‏ זול אפילו יותר בסעיף הזה, אבל הוא כותב הרבה יותר טקסט בכל משימה, אז בסוף הוא יוצא יקר יותר.

המהירות היא היתרון הכי ברור שלו, ו־Meta‏ כמעט לא דיברה עליה. Ember‏ מתחיל לענות אחרי פחות מ־5 שניות גם בחשיבה מקסימלית. Haiku 5.5‏ באותה הגדרה חושב שלוש דקות לפני המילה הראשונה. ברמות חשיבה נמוכות גם Haiku‏ ו־Luna‏ עונים תוך שניות, אבל אז הציון שלהם יורד בהרבה. Ember‏ הוא היחיד בשלישייה שנותן את הציון הגבוה וגם תשובה מהירה, וזה מה שחשוב לסוכן שעונה ללקוח בצ'אט.

איפה המספרים של Meta‏ נראים טוב מדי

ארבעה דברים שלא מופיעים בכותרת של ההשקה:

1. ההשוואה נעשתה רק בחשיבה מקסימלית. בהגדרה הזו Haiku‏ כותב הכי הרבה, ולכן הוא הכי יקר. ברמה אחת מתחת, Haiku‏ מקבל 35 ועולה 25 סנט למשימה. הפער האמיתי למי שמכוון את המודל שלו נכון הוא בערך פי 1.8. עדיין יתרון ל־Ember‏, אבל לא שליש.

2. חלק מהניצחונות הם במבחנים ש־Meta‏ הריצה בעצמה. שלושה מהמבחנים בטבלת ההשקה הם פנימיים של Meta‏. ובמבחן השימוש במחשב, הציון שהיא מציגה, 69.5%, כולל נקודות על הצלחה חלקית. כשסופרים רק משימות שהושלמו עד הסוף, הציון הוא 33.8%. גם אצל Haiku‏ יש אותה ירידה, ל־27.8%, כך ש־Ember‏ עדיין מוביל, אבל רחוק מהרושם ששבע מתוך עשר משימות הצליחו.

3. במבחן אחד Haiku‏ מנצח בבירור. FrontierCode‏ בודק אם קוד שהמודל כתב היה מתקבל בפרויקט אמיתי. Haiku‏: ‏34.9%. Ember‏: ‏27.2%. Meta‏ מציגה את השורה הזו בטבלה שלה, וזה לזכותה.

4. מדרגת המחיר ב־200 אלף טוקנים. Meta‏ מוכרת חלון של מיליון טוקנים, אבל ברגע שהקלט עובר 200 אלף טוקנים (כמה מאות עמודי טקסט באנגלית, ובעברית פחות), המחיר משולש, ועל כל הבקשה, לא רק על החלק שמעבר. הקלט כולל גם את ההוראות של הסוכן ואת היסטוריית השיחה. לזכות Ember‏: ל־Haiku‏ יש מדרגה חדה יותר, פי 5, שמתחילה כבר ב־100 אלף. מעל 272 אלף, GPT-6 Luna‏ זול מ־Ember‏.

ועוד עניין אחד, שנשמע כמו יתרון: Ember‏ כמעט לא ממציא תשובות. שיעור ההמצאות שלו 17.4%, בערך חצי מ־Haiku‏. אבל יש לזה מחיר. Artificial Analysis‏ שאלה את המודלים שאלות עובדתיות מהראש, בלי מסמך לפניהם, ו־Ember‏ סירב לענות על 64% מהן. בסך הכול הוא ענה נכון על 21% מהשאלות, מול 35% ל־Haiku‏. לסוכן שעובד מול המסמכים והנתונים שלכם זו התנהגות טובה: עדיף "לא יודע" מהמצאה. למי שרוצה לשאול אותו שאלות מהראש, זה מודל חלש. מה זו הזיה ולמה היא קורית, הסברנו במה זה הזיה של AI‏.

בדיקות אמיתיות: מה יצא למי שהריץ אותו

החומר עדיין דל. הבדיקות האלה פורסמו בשעות הראשונות אחרי ההשקה, רובן על ידי מפתחים בודדים או חברות שמוכרות כלים לסוכנים. באותו יום גם יצא Claude Fable 5.2‏ של Anthropic‏, ורוב תשומת הלב הלכה לשם.

הבדיקה הכי חשובה לעסק: שירות לקוחות. המפתח קריטין וונגטונגסרי הריץ 400 שיחות שירות מדומות על כל מודל, בחנות ובחברת תעופה, כל משימה שמונה פעמים. בהצלחה בניסיון ראשון יצא תיקו: 83.2% ל־Ember‏, ‏82.8% ל־Haiku‏. ההבדל התגלה בכישלונות. ב־24 מתוך 50 הכישלונות של Ember‏ הוא הודיע ללקוח שהפעולה הצליחה. בדוגמה אחת הוא ביצע החלפה במקום החזרה, וכתב ללקוח שההחלפה בוצעה בהצלחה. אצל Haiku‏ זה קרה ב־31% מהכישלונות. זו בדיקה אחת, על 50 כישלונות, והבודק עצמו כותב שבאמינות הכללית אף אחד מהשניים לא מוביל בבירור. צריך עוד בדיקות כדי לדעת אם זה דפוס, אבל זה בדיוק סוג הטעות שעסק לא יכול להרשות לעצמו.

והחשבון: השיחות של Ember‏ היו ארוכות יותר, 22.5 הודעות בממוצע מול 16.6. כשמחשבים כמה עולה תשובה שאפשר לסמוך עליה, Ember‏ יצא 22 סנט ו־Haiku‏ ‏18. אותו מחירון, ו־Ember‏ יקר ב־20%.

לציוץ של Kritin Vongthongsri‏ ב־X‏: ‏Muse Ember‏ מול Claude Haiku 5.5‏ ב־800 שיחות שירות, 10 בנובמבר 2026

גלישה באתרים: כאן הוא מצטיין. Browser Use‏, שמפתחת כלי שנותן לסוכן לגלוש בדפדפן, הריצה אותו על משימות של מאות צעדים. הוא קיבל את אותו ציון כמו GPT-6 Luna‏ בחשיבה בינונית, בכ־3 סנט למשימה. זו חברה שמוכרת כלי לסוכנים, אז יש לה עניין שמודלים זולים יצליחו.

לציוץ של Browser Use‏ ב־X‏: ‏Muse Ember‏ במבחן משימות ארוכות בדפדפן, 9 בנובמבר 2026

מול DeepSeek‏: מהיר יותר, פחות יפה. מפתח בנה עשר אפליקציות פנימיות עם כל אחד משלושה מודלים, ונתן לבודקים לדרג בלי לדעת מי בנה מה. המחיר יצא זהה. Ember‏ סיים פי שלושה מהר יותר מ־Luna‏, לדבריו באיכות דומה או טובה יותר. DeepSeek V4.1 Flash‏ קיבל 8.1 על העיצוב, מול 6.9 ל־Ember‏. נראה שהמפתח קשור לפלטפורמה שעליה נבנו האפליקציות.

לציוץ של Navaneeth PK‏ ב־X‏: ‏Muse Ember‏ מול GPT-6 Luna‏ ו־DeepSeek V4.1 Flash‏, 10 בנובמבר 2026

ושתי אזהרות מהשטח. מפתח יפני מצא שבמבחן שלו Ember‏ הגיע לציון מלא, אבל כתב בערך פי שלושה טקסט מ־Muse Spark‏ ולקח לו יותר זמן. ומפתח ב־Hacker News‏, שעבד עם גרסת הניסיון של המודל לפני ההשקה, כתב שהוא מתחיל חזק, ועד ההודעה העשרים בשיחה כבר לא שמיש. זו עדות אחת על גרסה מוקדמת, ולפי הניוזלטר Latent Space‏ בעיות שעלו בתקופת הניסיון תוקנו לפני ההשקה. היא כן מתאימה לאופן שבו Meta‏ מציגה אותו: מודל לעבודה חוזרת בכמויות, לא לשיחות ארוכות.

יתרונות וחסרונות של Muse Ember‏

שורה אחת על פרטיות, כי היא מבלבלת. ב־API‏, לפי התנאים של Meta‏, התוכן לא משמש לאימון המודלים שלה. במנוי של Muse Code‏ ברירת המחדל הפוכה: התוכן כן משמש לאימון, עם כל מודל שתבחרו, עד שמכבים את זה בהגדרות. הכיבוי חל רק מאותו רגע, ומה שכבר נשלח נשאר זמין לאימון. ומי שמגיע ל־Ember‏ דרך Google Cloud‏, לפי Meta‏ היא בכלל לא מקבלת את התוכן. על הפרטיות במוצר הצרכני של Meta‏ כתבנו במיוז ופרטיות.

דוגמאות לשימוש: מה הייתי נותן ל־Muse Ember‏ בסוכן של עסק

הכלל שלי: Ember‏ מקבל משימה שיש לה התחלה, סוף ודרך לבדוק שהיא נעשתה. "תוציא מהחשבונית הזו את הסכום" כן. "תטפל בלקוח הזה" לא, אלא אם מודל חזק יותר או המערכת עצמה בודקים שההחזר באמת בוצע. הממצא על ה"בוצע" הכוזב הוא הסיבה: בעבודה מול לקוחות, טעות שמדווחת כהצלחה יקרה יותר מכל מה שנחסך.

אם הסוכן שלכם רץ על Haiku 5.5‏ או על Luna‏ ועובד טוב, אין סיבה לרוץ להחליף. ההפרש הוא סנטים למשימה, והחלפת מודל דורשת בדיקה מחדש של כל מה שהסוכן עושה. שווה לבדוק את Ember‏ בשני מקרים: כשהסוכן עושה אלפי פעולות ביום והחשבון כבר מורגש, או כשהמהירות חשובה, למשל מענה חי ללקוח. אם מישהו מנהל לכם את הסוכן, שאלו אותו אם אפשר להריץ את Ember‏ על משימה אחת שלכם לצד המודל הנוכחי, ולהשוות תוצאה וחשבון. ומי שהסוכן שלו רץ על המודל של Google‏, כדאי שיעשה את החשבון עכשיו: Gemini 3.8 Flash‏ עולה 0.75 ו־3.75 דולר, והמחיר שלו מוכפל ב־1 בינואר 2027.

מה אני עושה עם זה

אני בונה סוכנים בדרך כלל על Hermes Agent‏, תשתית קוד פתוח של Nous Research‏, ובוחר לכל עסק את המודלים שמתאימים לו: של OpenAI‏, Anthropic‏, Google‏, Meta‏ ואחרים. פלטין דיגיטל היא OpenAI Select Partner‏, וזה לא משנה את הבחירה. ברוב הסוכנים יש יותר ממודל אחד: מודל חזק שמחליט, ומודל זול שעושה את העבודה השוטפת. Ember‏ הוא מועמד רציני לתפקיד השני, ואני אחכה לעוד מדידות בלתי תלויות, בעיקר על אמינות בהפעלת כלים ועל שיחות ארוכות, לפני שאשים אותו מול לקוחות של עסק.

בתוך שבעה שבועות OpenAI‏, ‏Anthropic‏ ו־Meta‏ הגיעו לאותו מחיר בדיוק בשכבה הזולה, ו־Google‏ הלכה בכיוון ההפוך. כמה עולה סוכן מעבר למחיר המודל, פירטנו בכמה עולה סוכן AI‏ לעסק, והדירוג המלא של המודלים נמצא ב־Sigma AI Ranking‏.

שאלות נפוצות

מקורות

• https‏://research.meta.ai/blog/muse-ember‏
• https‏://dev.meta.ai/resources/blog/build-with-muse-ember‏
• https‏://dev.meta.ai/docs/muse-ember‏
• https‏://dev.meta.ai/docs/pricing-rate-limits‏
• https‏://dev.meta.ai/docs/reasoning‏
• https‏://dev.meta.ai/docs/choose-a-model‏
• https‏://research.meta.ai/static/muse-ember-evaluation-report‏
• https‏://dev.meta.ai/legal/terms-of-service‏
• https‏://dev.meta.ai/legal/geographic-use-policy‏
• https‏://cloud.google.com/products/model-garden/meta‏
• https‏://artificialanalysis.ai/models/muse-ember‏
• https‏://artificialanalysis.ai/articles/meta-s-muse-ember-is-the-cheapest-model-scoring-36-on-the-intelligence-index‏
• https‏://artificialanalysis.ai/leaderboards/models‏
• https‏://platform.claude.com/docs/en/about-claude/pricing‏
• https‏://developers.openai.com/api/docs/pricing‏
• https‏://ai.google.dev/gemini-api/docs/pricing‏
• https‏://api-docs.deepseek.com/quick_start/pricing‏
• https‏://venturebeat.com/technology/metas-proprietary-muse-ember-nearly-matches-claude-haiku-5-5-at-1-3-the-estimated-per-task-cost‏
• https‏://thenextweb.com/news/meta-muse-ember-small-ai-model-haiku-luna‏
• https‏://techcrunch.com/2026/11/09/meta-releases-muse-ember-a-new-lightweight-model-for-agent-execution‏/
• https‏://siliconangle.com/2026/11/09/meta-introduces-muse-ember-to-power-cost-efficient-ai-agents‏/
• https‏://news.ycombinator.com/item‏?id‏=50429024
• https‏://news.ycombinator.com/item‏?id‏=50434838
• https‏://x.com/kritinv07/status/2119981282281345112‏
• https‏://x.com/browser_use/status/2119922023975829744‏
• https‏://x.com/navaneeth_pk/status/2119980781506568501‏
• https‏://x.com/LatentOperatorX/status/2120014259186966703‏
• https‏://x.com/gosrum/status/2119956559031927079‏
• https‏://openrouter.ai/meta/muse-ember‏
• https‏://latent.space/p/ainews-fable-5-2-retakes-world-1-llm-spot-as-ant-ipo-roadshow-begins‏