한눈에

Meta가 Muse Ember를 공개했다. Claude Haiku, GPT Luna와 같은 작은 모델급이다.

Meta는 도구 호출, 코딩 하위 작업, 라우팅, 정보 추출, 긴 문서 처리처럼 에이전트가 하루 종일 반복하는 일을 위해 만들었다고 설명했다.

Meta는 같은 날 Muse Ember를 Google Cloud에도 올렸다.

값 비교

짧은 프롬프트 기준으로 세 모델 모두 입력 100만 토큰당 0.10달러, 출력 0.50달러다.

프롬프트가 길어지면 달라진다. Ember는 20만 토큰을 넘으면 입력 0.30달러, 출력 1.50달러가 된다. Luna는 27만 2,000 토큰, Haiku는 10만 토큰이 기준선이다.

Willison은 같은 날 나온 Fable 5.2가 Ember의 80배 값이라고 비교했다.

과제당 비용으로 보면

Willison은 추론 토큰 때문에 모델마다 같은 문제에 쓰는 토큰 수가 크게 다르다고 했다. 그래서 토큰 단가 비교는 별 의미가 없다고 봤다.

Artificial Analysis의 지능 지수 대 과제당 비용 차트에서 Ember는 효율 경계선 위에 있다. 같은 비용으로 더 높은 점수를 내는 모델이 없다는 뜻이다.

Ember에는 추론 수준이 여섯 단계 있다. Willison이 단계별로 그림 테스트를 해 보니 추론 수준과 결과 품질이 깔끔하게 비례하지는 않았다.

왜 중요한가

작은 모델은 에이전트 시스템에서 가장 많이 호출된다. 이 구간의 가격과 효율이 실제 서비스 비용을 좌우한다.