Meta will die Kosten für den Betrieb von KI-Agenten senken. Am 9. November stellte das Unternehmen Muse Ember vor, ein leichtgewichtiges Modell, das die wiederkehrenden Aufgaben übernehmen soll, mit denen KI-Agenten beschäftigt sind. Anders als andere Modelle soll Ember keine komplizierten Aufgaben lösen, sondern sich darauf konzentrieren, Routinearbeiten zu möglichst geringen Kosten zu erledigen.
Entwickelt, um große Mengen zu bewältigen, während Muse Wonder plant
Meta hat Ember für die Routinearbeiten entwickelt, die KI-Agenten am Laufen halten. Das Modell kann andere Softwaretools aufrufen, Anfragen an das richtige System weiterleiten, Informationen aus Dokumenten extrahieren und umfangreiche Dateien verarbeiten. Ember kann auch kleinere Programmieraufgaben übernehmen, etwa Tests ausführen und gezielte Korrekturen vornehmen.
Um komplexere Entscheidungen zu treffen, kombiniert Meta Muse Wonder, ein überlegenes Reasoning-Modell, mit Ember. Wonder entscheidet, wie eine Aufgabe angegangen wird, während Ember die kleineren Aktionen ausführt, die zum Abschluss der Aufgabe nötig sind. In den Worten von Meta:
„Muse Wonder plant, Muse Ember bewältigt das Volumen.“
Ember ist die vierte Iteration der Muse-Reihe nach Muse Spark, Muse Glimmer und Muse Wonder. Entwickler können über die Meta Model API und Muse Code darauf zugreifen. Im Rahmen des Preismodells berechnet Meta 0,1 $ pro Million Eingabe-Token sowie 0,004 $ pro Million zwischengespeicherte Eingabe-Token und 0,5 $ pro Million Ausgabe-Token.
Ember verfügt über ein Kontextfenster von einer Million Token, mit dem größere Dokumente und Codebasen verarbeitet werden können. Außerdem kann es Bilder, Audio und Videos verarbeiten.
Was Artificial Analysis bei der Überprüfung der Behauptungen herausfand
Unabhängige Tests zeigen deutlich, wie groß Embers Kostenvorteil ist. Laut Artificial Analysis liegt Embers Wert im Intelligence Index bei 36 – genauso hoch wie der von Claude Haiku 5.5. Während Ember jedoch nur 0,14 $ pro Benchmark-Aufgabe kostet, sind es bei Claude Haiku 0,41 $. Bei den genannten Zahlen handelt es sich um geschätzte Kosten für die Tests, nicht um feste Gebühren, die Kunden zahlen. Außerdem erzielte Ember bei AutomationBench-AA 68,1 % und lag damit gleichauf mit Metas leistungsfähigerem Modell Muse Wonder.
Bei den Codiertests fielen die Ergebnisse jedoch uneinheitlich aus. In Terminal-Bench 4.0 schnitt Ember mit 40,9 % besser ab als Haiku mit 32,8 %. Bei FrontierCode 2.0 war hingegen Haiku besser als Ember: Haiku erzielte 34,9 %, Ember 27,2 %.
Ein weiterer Schwachpunkt von Ember ist sein Allgemeinwissen. Das Modell erreichte bei AA-Omniscience eine Genauigkeit von nur 21,1 % und übersprang 64 % der Fragen. Dank seiner vorsichtigen Herangehensweise konnte Ember den Halluzinationswert auf 17,4 % begrenzen.
Metas Muse Ember: Kosten und Leistung der Agentenaufgabe für 0,14 $ im Vergleich zu Claude Haiku 5.5
Warum die Kosten pro Aufgabe jetzt entscheidend sind
Embers niedrigere Preise kommen zu einem Zeitpunkt, an dem Unternehmen ihre Ausgaben für KI-Technologien überdenken. Gartner prognostiziert, dass die Nachfrage nach KI-Agenten und -Assistenten die Ausgaben 2026 auf 29,2 Milliarden $ steigen lassen wird, und dies Teil eines prognostizierten KI-Marktes von 2,7 Billionen $ ist. Mit der zunehmenden Nutzung von KI-Technologien empfiehlt BCG Softwareunternehmen, Gebühren für erledigte Aufgaben oder erzielte Ergebnisse in Betracht zu ziehen, statt einfach pro lizenziertem Nutzer abzurechnen. Zugleich warnt das Unternehmen davor, traditionelle Abonnementpreise zu schnell aufzugeben.
Die größere Frage ist, ob günstigere KI bessere Erträge bringt. McKinsey argumentiert, dass sich der geschäftliche Nutzen nicht allein anhand der Token-Kosten messen lässt. Niedrigere Preise könnten Unternehmen auch dazu bewegen, mehr KI einzusetzen. IDC stellte fest, dass 67 % der Unternehmen ihre Budgets für Agenten überschritten. Das Marktforschungsunternehmen erwartet, dass die Kosten pro Agentenaktion bis 2030 um 95 % sinken werden, während die Gesamtkosten für die Token-Bereitstellung um das 487-Fache steigen.
Fragen zu ROI, Zuverlässigkeit und Aufsicht
Metas frühe Partner hoben Embers Geschwindigkeit hervor. Cloudflare-CTO Dane Knecht sagte, das Modell laufe:
„bis zu 30 % schneller“
Der Leiter des Inferenzteams bei You.com, Chak Pothina, berichtete von:
„einem p95-Wert von 2,2 Sekunden“
Box-Managerin Yashodha Bhavnani sagte, Ember könne Verträge prüfen:
„Klausel für Klausel anhand des Verhandlungsleitfadens eines Unternehmens“
Diese Ergebnisse sind vielversprechend, stammen jedoch aus Tests mit Partnern. Unternehmen müssen Embers Leistung weiterhin in ihren eigenen Abläufen bewerten.
Zuverlässigkeit geht über Geschwindigkeit hinaus. Das FII Institute verweist auf Umfrageergebnisse, denen zufolge 73 % der Befragten um den Datenschutz und die Sicherheit von KI-Daten besorgt sind. Eine McKinsey-Umfrage ergab unterdessen, dass nur etwa 30 % der Organisationen bei der Governance agentischer KI höhere Reifegrade erreicht haben.
Der Kostendruck beschränkt sich nicht auf die Modelle selbst. Metas jüngster Anleiheverkauf im Wert von 15 Milliarden $ verdeutlicht die Kosten für den Aufbau der KI-Infrastruktur. Cryptopolitan hat auch über Metas zunehmende Investitionen in Rechenzentren berichtet.
Wenn Sie das hier lesen, sind Sie bereits einen Schritt voraus. Bleiben Sie es – mit unserem Newsletter.