Meta introduit Muse Ember pour alimenter des agents d'IA rentables

Meta Platforms Inc. a présenté aujourd'hui Muse Ember, un modèle d'intelligence artificielle d'entrée de gamme dont le coût est nettement inférieur à celui de ses concurrents.

Il s'agit notamment de la première IA entraînée par l'entreprise avec Muse Wonder. Ce dernier algorithme est le modèle de langage de grande envergure phare de la maison mère de Facebook. Meta n'a pas précisé quelle étape du processus a été automatisée grâce à Muse Wonder. 

Il est possible que l'entreprise l'ait utilisé pour effectuer le post-entraînement, c'est-à-dire l'amélioration des capacités d'un modèle grâce à l'entraînement sur des données supplémentaires. Thinking Machines Labs Inc. a récemment démontré qu'un LLM, même relativement petit, peut mener des opérations de post-entraînement de bout en bout. De son côté, Anthropic PBC a révélé la semaine dernière que ses modèles d'IA pourraient bientôt permettre d'accélérer considérablement la recherche en apprentissage automatique.

Les applications utilisent souvent des modèles de langage de pointe comme Muse Wonder au sein d'ensembles d'IA. Lorsqu'un utilisateur soumet une requête, le modèle de langage de pointe la divise en tâches plus petites et les assigne à des agents utilisant un modèle moins coûteux. Meta précise que Muse Ember est spécifiquement optimisé pour ce dernier rôle. 

L'entreprise a évalué le modèle à l'aide de l'indice d'analyse artificielle (IAI), qui agrège neuf benchmarks d'IA couvrant des cas d'utilisation tels que la programmation et l'analyse financière. Meta indique que Muse Ember a égalé le score du modèle d'entrée de gamme Claude Haiku 5.5 d'Anthropic pour environ un tiers du prix. Il a également surpassé l'algorithme GPT-6 Luna d'OpenAI Group PBC.

Dans le cadre de cette même évaluation interne, Meta a testé Muse Ember et ses deux concurrents sur neuf autres benchmarks. Les trois algorithmes fonctionnaient en mode « max », c’est-à-dire qu’ils utilisaient le maximum de ressources matérielles disponibles au lieu de privilégier l’optimisation des coûts. Muse Ember a surpassé Haiku et Luna sur sept des benchmarks.

Le domaine où le modèle semble le plus performant est l'automatisation des tâches métier. Alors que la plupart des résultats de Muse Ember aux tests de performance n'étaient supérieurs que de quelques points de pourcentage à ceux de Haiku et Luna, il a enregistré une avance de 17 % sur AutomationBench-AA. Ce jeu de données comprend 657 tâches couvrant des applications cloud populaires telles que Gmail et Salesforce.

Muse Ember dispose d'une fenêtre de contexte d'un million de jetons, ce qui lui permet d'intégrer des documents commerciaux volumineux. Les utilisateurs peuvent également inclure des images, de l'audio et de la vidéo dans leurs requêtes. Le modèle génère des réponses pouvant contenir jusqu'à 512 000 jetons.

Muse Ember est disponible via l'API Model de Meta au tarif de 0,10 € par million de jetons d'entrée et de 0,50 € par million de jetons de sortie. Un cache intégré permet de réutiliser les invites fréquemment utilisées afin d'éviter les traitements redondants. Lorsque cette fonctionnalité est activée, le prix de Muse Ember descend à 0,4 € par million de jetons d'entrée. 

https://research.meta.ai/blog/muse-ember