Muse Ember kost per token evenveel als Haiku 5.5, en per taak een derde

Muse Ember is het kleinste en goedkoopste AI-model van Meta, uitgebracht op 9 november 2026 en gemaakt voor het werk dat agents de hele dag herhalen. Per token kost het precies hetzelfde als Claude Haiku 5.5 en GPT-6 Luna, 10 cent per miljoen inputtokens en 50 cent per miljoen outputtokens. Toch betaal je per taak maar een derde van wat Haiku 5.5 kost, bij dezelfde score. Het verschil zit in hoeveel tokens het model verbruikt en in waar de prijs springt als je prompt lang wordt.

Ember is ook geen onbekende. Het anonieme model Crouton Alpha dat vorige week gratis op OpenRouter verscheen, was volgens OpenRouter een vroege versie van Muse Ember.

Wat Muse Ember is

Ember is het vierde model onder de naam Muse, na Spark (april), Glimmer (augustus) en Muse Wonder (oktober). Meta Superintelligence Labs bouwde het niet om moeilijke problemen op te lossen, maar om veel kleine stappen goedkoop en snel uit te voeren: tools aanroepen, kleine stukken code schrijven, verzoeken doorsturen, gegevens uit documenten halen en lange teksten samenvatten.

Meta vat de rolverdeling samen in één zin: “Muse Wonder plans, Muse Ember handles the volume.” Een groot model maakt het plan en controleert het resultaat, Ember doet het uitvoerende werk. Het is volgens Meta ook het eerste model dat het bedrijf trainde met de hulp van zijn grootste model, Muse Wonder Full, en het vierde in de Muse-reeks die TechCrunch op een rij zet.

Bronnen: modelpagina van Meta, Digit, peildatum 10 november 2026.

Waarom dezelfde prijs per token toch een andere rekening geeft

Een redenerend model denkt eerst na en schrijft die gedachten als tokens uit. Die denktokens betaal je als output. Twee modellen met hetzelfde tarief kunnen dus een heel andere factuur opleveren voor dezelfde opdracht.

Artificial Analysis meet dat met de kost per taak over de volledige Intelligence Index, telkens op het hoogste redeneerniveau. De cijfers die Fello AI uit die meting haalde:

• Muse Ember scoort 36 en kost $0,14 per taak, met 115 miljoen outputtokens voor de hele index.
• Claude Haiku 5.5 scoort ook 36, maar kost $0,41 per taak, met 298 miljoen outputtokens.
• GPT-6 Luna kost $0,15 per taak met 110 miljoen outputtokens, maar scoort 28.

Ember combineert dus de score van Haiku met de kost van Luna. Ongerond ligt Haiku 5.5 wel nipt voor, 36,2 tegen 35,8 in de grafiek van Meta. Binnen de eigen familie is het verschil nog groter: Muse Spark 1.3 scoort volgens Digital Trends één punt hoger, maar kost $2,39 per taak, zo’n zeventien keer meer.

Klanten van Meta melden hetzelfde patroon in hun eigen tests. You.com zag 36 tot 48 procent minder outputtokens dan bij de open modellen die het vergeleek, met een p95-latency van 2,2 seconden. Op OpenRouter haalt Ember nu zo’n 204 tokens per seconde.

Waar Ember wint en waar het tekortschiet

Meta publiceerde tien vergelijkingen, telkens op het hoogste redeneerniveau van elk model:

De sterkste winst zit in zakelijke workflows, waar Ember bijna drie keer zo hoog scoort als Haiku. Bij FrontierCode, de test die het dichtst ligt bij code die je zonder aanpassingen kan mergen, verliest Ember duidelijk. Laat je een klein model zelf pull requests schrijven, dan blijft Haiku 5.5 de betere keuze.

Lees de tabel ook met wat voorzichtigheid. Volgens Fello AI draaide Meta vier van de tien rijen zelf en noemt het de runs van concurrenten “best-effort”. Artificial Analysis vermeldt bovendien alleen tekst en beeld als input, dus audio en video zijn nog niet onafhankelijk bevestigd. Op Hacker News testte iemand de zes redeneerniveaus en zag dat meer nadenken hier niet vanzelf een beter resultaat gaf. Test dus welk niveau voor jouw taak volstaat, want een lager niveau verbruikt minder tokens.

Let op de prijsdrempels bij lange prompts

Alle drie de kleine modellen hebben een context van ongeveer een miljoen tokens, maar ze rekenen niet de hele weg hetzelfde tarief. Boven een bepaalde promptlengte geldt een hoger tarief, en dat voor het hele verzoek:

• Claude Haiku 5.5 wordt vijf keer duurder boven 100.000 tokens: $0,50 input en $2,50 output (Implicator).
• Muse Ember wordt drie keer duurder boven 200.000 tokens: $0,30 en $1,50.
• GPT-6 Luna houdt het basistarief tot 272.000 tokens en vraagt daarboven $0,20 en $0,75.

Zo ziet één verzoek met 2.000 outputtokens eruit, zonder caching:

Tussen 100.000 en 200.000 tokens is Ember vijf keer goedkoper dan Haiku. Daarboven wint Luna op prijs, zeker tussen 200.000 en 272.000 tokens. Gecachete input verandert die rekensom sterk: bij Ember kost die maar $0,004 per miljoen tokens, dus een agent die telkens dezelfde systeemprompt en documenten meestuurt, wint veel door caching aan te zetten.

Planner en werkpaard: zo verdeelt Meta het werk

In zijn blog voor ontwikkelaars toont Meta een concreet voorbeeld. Muse Wonder plande het omzetten van 16 lexers van de Python-bibliotheek Pygments naar Rust, Ember deed het schrijfwerk. Ember verwerkte 158 miljoen inputtokens, Wonder 4,4 miljoen. Het hele project kostte ongeveer $3,96, waarvan $1,84 voor Ember. Alle lexers gaven dezelfde uitkomst als het origineel op 383 testinputs en 62 achtergehouden bestanden, en de Rust-versie was 3 tot 7 keer sneller.

Het patroon is bekend van subagents in Claude Code: het grote model zet de lijnen uit, het kleine draait het volume. Nieuw is dat drie leveranciers nu een klein model verkopen tegen exact dezelfde prijs per token. De keuze hangt dus af van de kost per taak en van de kwaliteit op jouw stappen. Wil je dit zelf opzetten, routeer dan per soort stap en niet per leverancier:

• plannen, beslissen en de eindcontrole naar een groot model;
• extractie, classificatie, samenvattingen en toolcalls naar een klein model op een laag redeneerniveau;
• code die rechtstreeks in je codebase moet landen naar het model dat daar het best op scoort, vandaag Haiku 5.5 of groter.

Kan je Muse Ember vanuit België gebruiken?

Op papier wel, in de praktijk test je het best eerst zelf. Het geografische beleid van de Meta Model API (bijgewerkt op 12 oktober 2026) sluit de EU niet uit, en de API is volgens Meta beschikbaar in de meeste landen waar Meta AI werkt en betalen kan. Toch kregen testers vanuit Europa op 3 november een weigering voor Crouton Alpha, de vroege versie van Ember, volgens Stealthmodels.

Belangrijker dan toegang zijn de afspraken over je data:

• Meta biedt voor de API nog geen verwerkersovereenkomst en geen opslag in de EU, schreef Technspire eind september. Persoonsgegevens van klanten stuur je er dus beter niet naartoe.
• OpenRouter meldt dat Ember niet beschikbaar is via zijn routering binnen de EU.
• Bij Google Cloud staat Ember in preview, alleen via een globale endpoint en onder de voorwaarden van Meta, meldt OrcaRouter. Wie op een Europese regio rekent, vindt die daar nog niet.
• In de Meta AI-app of in WhatsApp zit Ember niet. Het is een model voor ontwikkelaars.

Voor tests met publieke of synthetische data, interne prototypes en het vergelijken van kost per taak kan je vandaag aan de slag. Voor productiewerk met klantgegevens wacht je op een verwerkersovereenkomst, of kies je een model dat je in een Europese regio kan draaien, zoals Muse Spark Open op eigen hardware.

Veelgestelde vragen over Muse Ember

Wat kost Muse Ember?

$0,10 per miljoen inputtokens en $0,50 per miljoen outputtokens voor prompts tot 200.000 tokens. Daarboven $0,30 en $1,50. Gecachete input kost $0,004 per miljoen tokens. In Muse Code zit Ember in alle abonnementen.

Is Muse Ember open source?

Nee. Meta houdt de gewichten gesloten, net als bij Spark en Wonder. Het open model van de familie is Muse Spark Open, dat veel groter is.

Is Muse Ember hetzelfde als Crouton Alpha?

Ja, volgens OpenRouter was Crouton Alpha een vroege versie van Muse Ember. De gratis stealthperiode is voorbij; je gebruikt nu het betaalde Muse Ember.

Is Muse Ember beter dan Claude Haiku 5.5?

Het scoort even hoog op de Intelligence Index van Artificial Analysis, is per taak drie keer goedkoper en wint de meeste agenttests. Haiku 5.5 is sterker in mergebare code, en Anthropic biedt voor zijn API wel een verwerkersovereenkomst.

Reken per taak, niet per token

De prijskaart van kleine modellen is gelijkgeschakeld op tien cent. Het echte verschil zie je pas in je eigen logboek: hoeveel tokens verbruikt elk model voor jouw taak, op welk redeneerniveau, en hoe lang worden je prompts na twintig beurten? Draai één week dezelfde taken door twee modellen en vergelijk de factuur. Dat zegt meer dan elke benchmark, ook die van Meta.