Metas Muse Ember zielt auf das neue Schlachtfeld der KI: Kosten pro Agentenaufgabe

Meta zielt darauf ab, die Betriebskosten für KI-Agenten zu senken. Am 9. November veröffentlichte das Unternehmen Muse Ember, ein leichtgewichtiges Modell, das die repetitiven Aufgaben ausführt, die KI-Agenten beschäftigen. Im Gegensatz zu anderen zielt Ember nicht darauf ab, komplexe Probleme zu lösen, sondern konzentriert sich auf die Abwicklung regulärer Arbeiten zu möglichst niedrigen Kosten.

Entwickelt, um Volumen zu bewältigen, während Muse Wonder plant

Meta hat Ember entwickelt, um die Routinearbeit zu erledigen, die KI-Agenten am Laufen hält. Es kann andere Software-Tools aufrufen, Anfragen an das richtige System weiterleiten, Informationen aus Dokumenten extrahieren und umfangreiche Dateien verarbeiten. Ember kann auch kleinere Programmieraufgaben übernehmen, wie das Ausführen von Tests und das Vornehmen gezielter Korrekturen.

Um komplexere Entscheidungen zu treffen, kombiniert Meta Muse Wonder, ein leistungsstarkes Reasoning-Modell, mit Ember. Wonder entscheidet, wie eine Aufgabe angegangen wird, während Ember die kleineren Aktionen ausführt, die zur Fertigstellung der Aufgabe erforderlich sind. Nach Aussage von Meta:

„Muse Wonder plant, Muse Ember bewältigt das Volumen.“

Ember ist die vierte Iteration in der Muse-Linie, nach Muse Spark, Muse Glimmer und Muse Wonder. Es ist für Entwickler über die Meta Model API und Muse Code zugänglich. Unter seinem Preismodell berechnet Meta 0,1 $ pro Million Eingabetokens sowie 0,004 $ pro Million zwischengespeicherter Eingabetokens und 0,5 $ pro Million Ausgabetokens.

Ember verfügt über ein Kontextfenster mit einer Million Tokens, das es ermöglicht, größere Dokumente und Codebasen zu verarbeiten. Es ist zudem in der Lage, Bilder, Audio und Videos zu handhaben.

Was Artificial Analysis bei der Überprüfung der Behauptungen herausfand

Unabhängige Tests zeigen deutlich, wie groß der Kostenvorteil von Ember tatsächlich ist. Laut Artificial Analysis beträgt der Intelligence-Index-Score von Ember 36, was dem von Claude Haiku 5.5 entspricht. Während Ember jedoch nur 0,14 $ pro Benchmark-Aufgabe kostet, fallen für Claude Haiku 0,41 $ an. Die angegebenen Werte sind geschätzte Testkosten und keine festen Kundenentgelte. Zudem erzielte Ember auf AutomationBench-AA einen Wert von 68,1 %, womit es mit Metas leistungsfähigerem Modell Muse Wonder gleichzieht.

Die Ergebnisse der Coding-Tests waren jedoch inkonsistent. In Terminal-Bench 4.0 schnitt Ember mit 40,9 % besser ab als Haiku mit 32,8 %. Bei FrontierCode 2.0 zeigte sich jedoch Haiku mit 34,9 % erfolgreicher als Ember mit 27,2 %.

Ein weiteres Schwachfeld von Ember ist das allgemeine Wissen. Das Modell erreichte bei AA-Omniscience nur eine Genauigkeit von 21,1 % und verweigerte die Beantwortung von 64 % der Anfragen. Dank seines vorsichtigen Ansatzes konnte Ember den Halluzinationswert auf 17,4 % begrenzen.

Warum die Kosten pro Aufgabe jetzt der entscheidende Faktor sind

Embers niedrigere Preise fallen in eine Zeit, in der Unternehmen ihre Ausgaben für KI-Technologien überprüfen. Gartner prognostiziert, dass die Nachfrage nach KI-Agenten und -Assistenten die Ausgaben im Jahr 2026 auf 29,2 Milliarden Dollar treiben wird und Teil eines KI-Marktes mit einem prognostizierten Volumen von 2,7 Billionen Dollar ist. Mit zunehmender Nutzung von KI-Technologien empfiehlt BCG Softwareunternehmen, das Abrechnungsmodell für abgeschlossene Aufgaben oder Ergebnisse zu erkunden, anstatt nur pro lizenziertem Nutzer zu berechnen. Gleichzeitig warnt das Beratungsunternehmen davor, traditionelle Abo-Preismodelle zu voreilig aufzugeben.

Die größere Frage ist, ob günstigere KI auch bessere Renditen liefert. McKinsey argumentiert, dass die Token-Kosten allein keinen Aussage über den geschäftlichen Wert treffen. Niedrigere Preise können Unternehmen zudem dazu anregen, intensiver KI einzusetzen. Laut einer Untersuchung von IDC haben 67 % der Unternehmen ihre Budgets für Agenten überschritten. Das Forschungsinstitut erwartet, dass die Kosten pro Agenten-Aktion bis 2030 um 95 % sinken werden, während die gesamten Token-Bereitstellungskosten um das 487-Fache steigen.

Die Fragen nach ROI, Zuverlässigkeit und Kontrolle

Metas frühe Partner haben die Geschwindigkeit von Ember hervorgehoben. Cloudflare-CTO Dane Knecht erklärte, dass das Modell liefte:

„bis zu 30 % schneller“

Chak Pothina, Lead für Inferenz bei You.com, berichtete:

„eine p95 von 2.2 Sekunden“

Box-Executive Yashodha Bhavnani sagte, Ember könne Verträge bewerten:

„Klausel für Klausel gegen das Verhandlungsleitfaden eines Unternehmens“

Diese Ergebnisse sind vielversprechend, stammen jedoch aus Partner-Tests. Unternehmen müssen die Leistung von Ember weiterhin in ihren eigenen Abläufen überprüfen.

Zuverlässigkeit geht über Geschwindigkeit hinaus. Das FII Institute zitiert Umfrageergebnisse, die zeigen, dass 73 % der Befragten Bedenken hinsichtlich des Datenschutzes und der Sicherheit von KI-Daten haben. Gleichzeitig ergab eine McKinsey-Umfrage, dass nur etwa 30 % der Organisationen höhere Reifegrade in der Governance für agentic AI erreicht haben.

Kostenbelastungen gehen über die Modelle selbst hinaus. Der kürzliche $15-Milliarden-Anleihemarkt von Meta unterstreicht die Kosten für den Aufbau von KI-Infrastruktur. Cryptopolitan hat ebenfalls berichtet über Metas wachsende Investitionen in Rechenzentren.