Muse Ember для субагентов: цены и настройка API

Попробуйте Muse Ember для субагентов с чётко ограниченными задачами, а планирование и итоговую проверку оставьте более сильной модели. По возможности держите вход каждого субагента ниже 200K токенов: при превышении порога Meta утраивает ставки для всего запроса. Не меняйте основную модель разработки только из-за высокого результата в бенчмарке.

По состоянию на 2026-11-12 модель muse-ember-1.0 доступна через Meta Model API и Muse Code. Meta выпустила её 9 ноября для повторяющихся вызовов инструментов, небольших задач программирования, маршрутизации запросов и извлечения данных.

При работе из России сначала учтите региональные ограничения Meta: политика запрещает доступ с территории страны. Наличие модели у агрегатора само по себе не подтверждает, что такое подключение разрешено.

Какие задачи стоит поручать Muse Ember?

Давайте Ember узкую задачу, нужный контекст и проверяемый критерий результата. Неясные требования, архитектурные решения и окончательную приёмку оставляйте основной модели.

В руководстве Meta предложена связка Ember с Muse Spark или Muse Wonder. Более сильная модель планирует, а Ember выполняет повторяющиеся подзадачи. Для начала подойдут поиск нужных функций, чтение конфигурации пакета и разбор упавших тестов. Следующий шаг — небольшое изменение с явными приёмочными тестами.

Для сложных задач программирования, которые нужно решить за один запрос, Meta рекомендует Spark или Wonder. То же относится к вопросам, требующим обширных знаний. Это различие важно, когда нужно самостоятельно найти подход, а не выполнить понятное задание.

Для прямого API заявлены контекстное окно 1,048,576 токенов и максимальный выход 524,288 токенов. Эти значения не гарантируют, что клиент для работы с кодом поддерживает такие же пределы. По умолчанию уровень рассуждений Ember — max; доступны значения от minimal до max.

Начните с исследования кода без права редактирования. Разрешайте изменения после того, как субагент начнёт стабильно возвращать правильные ссылки на файлы и полезные выводы.

Что показывают тесты программирования?

Результаты на старте дают повод проверить Ember как субагента, но не доказывают его превосходство по качеству готовых изменений.

В сравнении Meta от 9 ноября приведены результаты при максимальном уровне рассуждений:

Тест	Muse Ember	Claude Haiku 5.5	GPT-6 Luna
Terminal-Bench 4.0, лучший опубликованный результат с агентной обвязкой	40.9	39.2	16.4
Artificial Analysis Coding Agent Index	46	37	31
FrontierCode 2.0-AA	27.2	34.9	25.2

В таблице запуска и примечаниях к ней указаны разные условия тестирования. В Terminal-Bench модель Ember работает с mini-swe-agent, Haiku — с Claude Code, а Luna — с Codex. Здесь сравниваются связки модели и агентной обвязки — программы, которая управляет её работой и вызовами инструментов. Это не проверка с заменой только модели внутри одного инструмента.

Artificial Analysis независимо публикует результаты Coding Agent Index. Ember в Muse Code набирает 46 баллов, Haiku в Claude Code — 37, Luna в Codex — 31.

В тестах Intelligence Index компания Artificial Analysis также указывает для Haiku результат 32.8 на Terminal-Bench. Не подменяйте им показатель 39.2 из сравнения лучших опубликованных результатов Meta. Это разные опубликованные серии измерений.

Слабое место видно в обеих публикациях: Ember уступает Haiku в FrontierCode. Этот тест оценивает, можно ли принять инженерные изменения в проект. Сначала проверяйте Ember на исследовании кода и задачах с ограниченным объёмом. Сохраняйте Haiku или текущую более сильную модель, когда принятые изменения важнее дешёвой промежуточной работы.

В руководстве по стоимости задачи в Coding Agent Index разобрано, как сравнивать полные конфигурации агентов, не приписывая весь результат одной модели.

Как порог 200K влияет на стоимость запроса?

Считайте бюджет по длине входа, а не по максимальному контекстному окну. При выборе тарифа прямой API Meta учитывает и входные токены из кеша, и сохранённую историю диалога.

Ниже приведены опубликованные тарифы прямых API по состоянию на 2026-11-12. Все цены указаны в USD за 1M токенов. Где применимо, выбран стандартный режим обработки. Региональные надбавки, скидки на пакетную обработку и плата за серверные инструменты не включены.

Модель и размер входа	Вход без кеша	Вход из кеша	Выход
Muse Ember, до 200K входных токенов включительно	$0.10	$0.004	$0.50
Muse Ember, свыше 200K входных токенов	$0.30	$0.012	$1.50
Claude Haiku 5.5, до 100K входных токенов включительно	$0.10	$0.01	$0.50
GPT-6 Luna, до 272K входных токенов включительно	$0.10	$0.01	$0.50
DeepSeek V4.1 Flash 1017, вне пиковых часов	$0.15	$0.003	$0.60
DeepSeek V4.1 Flash 1017, пиковые часы	$0.30	$0.006	$1.20

Источники: тарифы Meta, тарифы Anthropic, тарифы GPT-6 Luna и тарифы DeepSeek.

У Haiku ставки увеличиваются в пять раз, когда вход превышает 100,000 токенов. У Luna при входе свыше 272K токенов ставки на вход и кеш удваиваются, а ставка на выход увеличивается в 1.5 раза. У обеих моделей запись в кеш оплачивается отдельно. Поэтому цена чтения из кеша не отражает полную стоимость его создания и повторного использования.

Идентификатор DeepSeek deepseek-flash сейчас соответствует V4.1 Flash 1017. Пиковые периоды — 01:00–04:00 и 06:00–10:00 UTC с понедельника по пятницу, кроме государственных праздников Китая. В остальное время действуют непиковые тарифы.

Для расчёта Ember обозначим вход без кеша как U, вход из кеша — как C, а оплачиваемый выход — как O. Выберите тариф по сумме U + C, затем рассчитайте стоимость:

Token cost = (U × input_rate + C × cache_rate + O × output_rate) / 1,000,000

Сравним два расчётных запроса к прямому API. В этих примерах нет попаданий в кеш и платных серверных инструментов:

199,000 input + 10,000 output:
(199,000 × $0.10 + 10,000 × $0.50) / 1,000,000 = $0.0249

201,000 input + 10,000 output:
(201,000 × $0.30 + 10,000 × $1.50) / 1,000,000 = $0.0753

Повышенная ставка действует на все входные и выходные токены второго запроса. Она не ограничивается последними 1,000 входных токенов.

Meta также включает во вход историю диалога, на которую ссылается previous_response_id. Поэтому даже короткое новое сообщение может перевести запрос на тариф длинного контекста. Передавайте субагентам отдельные задания с нужным контекстом, а не весь диалог основной модели.

В результатах Artificial Analysis от 9 ноября Ember получает 36 баллов при расходах около $0.14 на задачу Intelligence Index. Haiku набирает 36 баллов при $0.41, а DeepSeek V4.1 Flash 1017 — 33 балла при $0.60. Это средние расходы в конкретном бенчмарке. Они не определяют цену задач в вашем репозитории и не гарантируют одинаковую долю успешных решений.

Для сравнения с DeepSeek используйте актуальную версию Flash и соответствующие тарифы, а не цены старого выпуска V4.

Как подключить Meta API и проверить ответ?

Для новой интеграции выберите Responses. Оставьте Chat Completions для существующего кода с массивом сообщений, а Messages — для клиента с форматом Anthropic.

Meta документирует три формата API:

Формат	Адрес запроса
Responses	POST https://api.meta.ai/v1/responses
Chat Completions	POST https://api.meta.ai/v1/chat/completions
Messages	POST https://api.meta.ai/v1/messages

Все три используют аутентификацию Bearer. Форматы тела запроса различаются: одной замены URL недостаточно для перехода между ними.

Создайте ключ в панели Meta Model API через API keys → Create API key. Этот шаг описан в руководстве по началу работы.

Выполните проверочный запрос в Bash. Предварительно установите curl и jq:

set -o pipefail
read -rs MODEL_API_KEY && export MODEL_API_KEY

curl --fail-with-body --silent --show-error \
  "https://api.meta.ai/v1/responses" \
  -H "Authorization: Bearer $MODEL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "muse-ember-1.0",
    "input": "Classify this ticket as bug, billing, or feature. Return only the label: The parser unit test now fails.",
    "reasoning": {"effort": "minimal"},
    "max_output_tokens": 1024,
    "store": false
  }' |
jq '{
  status,
  model,
  text: (
    [.output[]?
      | select(.type == "message")
      | .content[]?
      | select(.type == "output_text")
      | .text]
    | join("\n")
  ),
  usage
}'

Проверьте status: "completed", идентификатор модели Ember, категорию bug и заполненный объект usage. Эти поля соответствуют документированной структуре ответа Responses.

В этом запросе намеренно выбран уровень рассуждений minimal. Опубликованные результаты бенчмарков получены при max; проверочный запрос их не воспроизводит. Лимит выходных токенов включает и рассуждения, и видимый ответ.

Если запрос завершился ошибкой, изучите её до подключения инструментов. Перепроверьте ключ, адрес API и точный идентификатор модели. Если ответ неполный, проверьте лимит выходных токенов и повторите запрос с подходящим значением.

Успешная классификация подтверждает подключение к API. Она не проверяет доступ к репозиторию или выполнение вызовов инструментов.

Как направить подзадачу Claude Code в Ember?

Для проверки связки основной модели и субагента используйте документированную интеграцию Meta через Messages. В такой конфигурации Claude Code работает с моделями Meta. Модель Claude не остаётся планировщиком за тем же адресом Meta API.

Понадобится установленный Claude Code и переменная MODEL_API_KEY из предыдущего шага. Откройте временный тестовый проект JavaScript с файлом package.json. Выполните в Bash:

(
  unset ANTHROPIC_API_KEY
  export ANTHROPIC_BASE_URL="https://api.meta.ai"
  export ANTHROPIC_AUTH_TOKEN="$MODEL_API_KEY"
  export ANTHROPIC_MODEL="muse-wonder-1.0"
  export ANTHROPIC_DEFAULT_OPUS_MODEL="muse-wonder-1.0"
  export ANTHROPIC_DEFAULT_SONNET_MODEL="muse-spark-1.3"
  export ANTHROPIC_DEFAULT_HAIKU_MODEL="muse-ember-1.0"
  export CLAUDE_CODE_SUBAGENT_MODEL="muse-ember-1.0"
  claude
)

Переменные заданы в подоболочке и не меняют настройки родительского сеанса Bash. В инструкции Meta для агентов программирования указан базовый адрес без /v1 и аутентификация Bearer через ANTHROPIC_AUTH_TOKEN.

Основная модель — Wonder. Псевдоним haiku и модель субагентов по умолчанию указывают на Ember. Однако настройки Claude Code допускают переопределение модели субагента параметрами вызова и определением агента.

Введите этот проверочный запрос:

Use one general-purpose subagent with the haiku model to read package.json.
Return the package name and scripts.test value, or say which field is absent.
Do not edit files or execute commands. Then stop.

Запрос поручает одному субагенту с моделью haiku прочитать package.json. Он должен вернуть имя пакета и значение scripts.test либо сообщить об отсутствии поля. Редактировать файлы и выполнять команды ему не поручается.

Пока субагент работает, откройте /tasks. Claude Code v2.1.242 и новее показывает там модель субагента. Убедитесь, что используется muse-ember-1.0, инструмент чтения файла действительно был вызван, а результат совпадает с package.json.

Не отключайте обычные подтверждения вызовов инструментов. Указание «только чтение» в запросе не ограничивает права технически.

Если запустилась другая модель, сначала проверьте параметры вызова и определение агента, а не провайдера. Для варианта только с моделями Anthropic используйте руководство по настройке и проверке субагента Haiku с доступом только на чтение.

Как выбрать Ember в OpenRouter и Cline?

Используйте OpenRouter, если приложение уже подключено через него. Выбирайте идентификатор из его каталога, а не идентификатор прямого API Meta.

В каталоге OpenRouter модель указана как meta/muse-ember. Руководство OpenRouter по Responses использует адрес https://openrouter.ai/api/v1/responses. Для него нужен ключ OpenRouter, а не Meta.

По состоянию на 2026-11-12 страница модели показывает $0.10 за вход и $0.50 за выход на 1M токенов. В каталоге моделей API также указаны цены чтения и записи кеша. До отправки запросов свыше 200K входных токенов уточните тарификацию длинного контекста у выбранного провайдера. Базовые цены на странице не подтверждают единый тариф для всего контекстного окна.

В Cline следуйте инструкции подключения OpenRouter. Откройте Settings, выберите OpenRouter в поле API Provider и введите ключ OpenRouter. В списке моделей выберите meta/muse-ember. Для стандартного подключения OpenRouter оставьте необязательное поле собственного базового URL пустым.

Перед редактированием кода повторите задачу чтения файла. Попросите вернуть те же поля из package.json, убедитесь в реальном вызове инструмента и сверьте результат с файлом.

Выбор Ember в списке моделей провайдера не подтверждает, что его будут использовать только субагенты. Документация встроенных субагентов Cline сейчас относится к CLI и Desktop, но не к расширениям VS Code и JetBrains. Для описанной проверки связки разных моделей используйте конфигурацию Claude Code выше.

Что проверить в региональных ограничениях и настройках данных?

До отправки кода проверьте условия доступа и режим обработки данных. Наличие модели у агрегатора не подтверждает, что доступ из вашей страны или использование в вашем продукте разрешены.

По состоянию на 2026-11-12 Geographic Use Policy Meta включает Россию, Беларусь и Иран в список Restricted Territories. Политика запрещает доступ из этих территорий. Она также запрещает предоставлять там интегрированные продукты и сознательно допускать к ним конечных пользователей, находящихся на этих территориях. Технический обход географических ограничений тоже запрещён.

В Model API модель Ember доступна только в режиме Standard; варианта Contributor для неё нет. По правилам Meta содержимое запросов в режиме Standard не используется для обучения её моделей.

Это не обещание отсутствия хранения данных. Zero Data Retention требует отдельного подключения, а его поддержка может различаться у разных моделей.

Для подписок Muse Code действует другое правило: режим Contributor включён по умолчанию. Проверьте настройку до работы с репозиторием по подписке. Чтобы выключить режим, откройте /settings, выберите строку Contributor mode и переключите её в выключенное состояние. Настройка сохраняется отдельно на каждом компьютере, поэтому проверьте все рабочие устройства.

Когда стоит переводить субагентов на Ember?

Меняйте маршрутизацию для всей команды только после сравнения Ember с текущей моделью на фиксированном наборе характерных задач.

Например, выберите 20 задач из недавней работы. Используйте одинаковые версии репозитория, права инструментов, критерии приёмки и правила кеширования. Записывайте фактическую модель, уровень рассуждений, длину входа, повторные попытки, затраченное время и факт приёмки результата.

Считайте стоимость принятой задачи с учётом основной модели, субагента, повторных попыток и проверки другой моделью:

Cost per accepted task =
(planner cost + worker cost + retry cost + model-review cost)
÷ accepted tasks

Время проверки человеком учитывайте отдельно. Расширяйте круг задач Ember только при снижении стоимости принятого результата без неприемлемой потери качества. Для задач, где повторные попытки или отклонённые изменения съедают экономию, оставьте прежнюю модель субагента.