Meta Muse Ember: Ein Agenten-Job kostet 14 Cent. Dein Prozess nicht

Wie oft habt ihr eine Automatisierung verschoben, weil die API-Rechnung bei tausenden Durchläufen unkalkulierbar wirkte? Dieses Argument bricht gerade weg. Nicht wegen eines neuen Spitzenmodells, sondern wegen eines kleinen.

Was neu ist

• Das Modell: Muse Ember ist laut Meta das kleinste und effizienteste Modell der Muse-Familie, gebaut für wiederkehrende Agenten-Arbeit: Tool-Aufrufe, Routing, Daten aus Dokumenten ziehen, Teilaufgaben beim Programmieren, lange Dokumente und Screenshots.
• Der Preis: 0,10 Dollar pro Million Input-Token und 0,50 Dollar pro Million Output-Token über die Meta Model API. Über 200.000 Token Prompt-Länge gilt der dreifache Preis.
• Die Leistung: Im Intelligence Index von Artificial Analysis kommt Ember auf 36 Punkte, Muse Spark 1.3 auf 37. Pro Index-Aufgabe nennt Meta etwa 0,14 Dollar für Ember und 2,39 Dollar für Spark.
• Verfügbar: seit 9. November über Muse Code und die Meta Model API, dazu auf Google Cloud und Oracle Cloud. Kontextfenster 1 Million Token.

Der Preis pro Token ist die falsche Zahl

Was ich daran spannend finde: Meta verkauft Ember nicht über den Token-Preis, sondern über die Kosten pro erledigter Aufgabe. Ein Punkt weniger im Index, rund ein Siebzehntel der Kosten. Für Marketing heißt das: Produktfeeds anreichern, Leads aus Formularen sortieren, Rechnungen und Briefings auslesen, Kampagnen taggen. All die Jobs, die bisher an der Kostenfrage hingen, sind jetzt Kleingeld.

Und Meta selbst? Die Firma, die eure Anzeigen ausliefert, wird gerade auch zum Lieferanten eurer Agenten. Mit Box, Cloudflare und Oracle als Partnern und auf Google Cloud. Das ist ein Plattform-Zug, keine Forschungsnotiz.

Billig skaliert auch den Fehler

Meine Faustregel für das erste Agenten-Projekt: ein klar abgegrenzter Job, der bei einer konkreten Entscheidung endet und ein Ergebnis liefert, das jemand beurteilen kann. Daran ändert ein günstiges Modell nichts. Es macht die Regel nur wichtiger.

Denn KI repariert keine kaputten Arbeitsweisen, sie vergrößert die Risse im Fundament. Wenn ein Durchlauf fast nichts kostet, laufen bald zehntausend. Mit unsauberen Feeds und ohne Freigabe sind das zehntausend falsche Produkttexte, nicht zehntausend gesparte Stunden. Der teure Teil ist ab jetzt die Arbeit davor: saubere Daten, eine klare Aufgabe, jemand, der das Ergebnis prüft.

Der Haken

Die Benchmarks stammen von Meta und Artificial Analysis, unabhängige Praxistests fehlen noch. Bei manchen Coding-Tests liegt Claude Haiku 5.5 laut Metas eigener Tabelle vorn. Ob und wie Ember in der EU angeboten wird, sagt die Ankündigung nicht. Und wie immer: Erst die Nutzungsbedingungen lesen, dann skalieren.

Was ich jetzt tun würde

• Eine Routine aussuchen. Den einen Job, den euer Team jede Woche von Hand macht, etwa Feed-Pflege oder Lead-Sortierung. Ein Job, nicht fünf.
• Mit eurem Material testen. 50 echte Fälle durch ein kleines Modell schicken und gegen das große vergleichen. Zählt die Fehler, nicht die Token.
• Die Freigabe einplanen. Wer prüft Stichproben, bevor etwas live geht? Ohne diese Person bleibt es ein Experiment.

Bottom Line: Wenn die KI fast nichts mehr kostet, ist euer sauberster Prozess der einzige Wettbewerbsvorteil, der übrig bleibt.