Muse Ember vs Claude Haiku 5.5 dan GPT-6 Luna: Model Terkecil Meta Nyaris Setara Haiku dengan Sepertiga Biaya per Tugas

Meta Superintelligence Labs merilis Muse Ember pada Senin (9/11/2026), model AI paling kecil dan paling hemat dari keluarga Muse milik Meta. Menurut pengumuman resmi Meta, model ini dirancang untuk pekerjaan yang diulang agen AI sepanjang hari, mulai dari memanggil alat, mengerjakan potongan kode, memilah permintaan, sampai membaca dokumen panjang.

Banyak yang mengira model murah pasti jauh lebih bodoh dari model sekelas Claude Haiku. Kenyataannya, di uji pihak ketiga Artificial Analysis, Muse Ember mencetak skor yang sama dengan Claude Haiku 5.5 setelah dibulatkan, yaitu 36, tetapi biayanya hanya sekitar sepertiga per tugas. Namun, angka bagus itu punya catatan: Ember masih tertinggal di uji kode yang siap di-merge, dan akurasi pengetahuan umumnya terendah di antara model sekelas yang dibandingkan penguji itu.

Ringkasnya: Muse Ember dirilis Senin, 9 November 2026, lewat Meta Model API dan Muse Code dengan ID muse-ember-1.0. Tarif awalnya US$0,10 input dan US$0,50 output per 1 juta token, sama dengan tarif awal Claude Haiku 5.5 dan GPT-6 Luna, walau ambang tarif konteks panjang ketiganya berbeda. Di uji Artificial Analysis, Ember dan Haiku 5.5 sama-sama mencetak 36 setelah dibulatkan, tetapi biaya Ember sekitar US$0,14 per tugas berbanding US$0,41. Indonesia tidak masuk daftar wilayah terlarang Meta Model API, tetapi belum ada keterangan resmi soal Indonesia.

Daftar Isi

• Apa itu Muse Ember dan untuk apa dibuat?
• Muse Ember vs Claude Haiku 5.5 dan GPT-6 Luna: siapa unggul?
• Kenapa harga sama, tapi biaya per tugas berbeda jauh?
• Apa kelemahan Muse Ember?
• Apakah Muse Ember bisa dipakai di Indonesia?
• Apa artinya untuk belajar dan kerja?
• FAQ

Apa itu Muse Ember dan untuk apa dibuat?

Ember ternyata bukan model untuk mengobrol panjang atau memecahkan soal tersulit. Justru Meta memosisikannya sebagai "tenaga eksekusi" di dalam sistem agen. Polanya, model besar seperti Muse Wonder menyusun rencana, lalu ribuan langkah kecil yang berulang diserahkan ke Ember. Dalam pengumumannya, Meta merangkum pembagian kerja itu dalam satu kalimat: Muse Wonder merencanakan, Muse Ember menangani volume.

Padahal kelasnya ringan, spesifikasinya terbilang lega. Menurut dokumentasi Muse Ember, model ini menerima teks, gambar, video, audio, dan PDF, menghasilkan teks, dan punya jendela konteks 1.048.576 token dengan keluaran maksimal 524.288 token. Tingkat penalarannya bisa diatur dari minimal sampai max, dengan max sebagai bawaan. Kira-kira, 1 juta token cukup untuk memuat beberapa buku teks tebal dalam satu permintaan.

Salah satu hal baru, Muse Ember jadi model pertama yang dilatih memakai Muse Wonder Full, varian Muse Wonder berkemampuan lebih tinggi. Menurut TechCrunch, Ember adalah model keempat bermerek Muse, setelah Spark pada April, kembarannya yang terbuka Glimmer pada Agustus, dan model garis depan Wonder pada Oktober.

Muse Ember vs Claude Haiku 5.5 dan GPT-6 Luna: siapa unggul?

Kini Meta memilih dua pembanding langsung: Claude Haiku 5.5 dari Anthropic dan GPT-6 Luna dari OpenAI, sama-sama model ringan untuk pekerjaan bervolume tinggi. Sebagian uji di tabel Meta dijalankan Artificial Analysis, sebagian lagi oleh Meta sendiri, dan semuanya memakai tingkat penalaran maksimum.

Selisih paling lebar justru muncul di uji otomasi bisnis. Di AutomationBench-AA, Ember menuntaskan 37,8% tugas secara penuh pada percobaan pertama, hampir dua kali GPT-6 Luna (20,2%) dan hampir tiga kali Claude Haiku 5.5 (13,9%). Angka itu memakai penilaian ketat lulus penuh; ukuran utama Artificial Analysis, yang memberi nilai per sasaran, menempatkan Ember di 68,1%. Di Terminal-Bench 4.0, uji coding lewat terminal, Ember mencetak 40,9%, tipis di atas Haiku 5.5 (39,2%) dan jauh di atas Luna (16,4%).

Namun, Ember tidak menang di semua baris. Di FrontierCode 2.0, uji yang menilai apakah perubahan kode layak digabungkan ke proyek, Haiku 5.5 unggul 34,9% berbanding 27,2%. Di GDP.pdf, uji kerja dengan dokumen panjang, skor Ember sama persis dengan Luna, 22,8%.

Sementara itu, di dalam keluarganya sendiri Ember nyaris menyamai model menengah Meta. Menurut tabel yang sama, skor Intelligence Index Ember 36 berbanding 37 milik Muse Spark 1.3, padahal biayanya sekitar US$0,14 per tugas berbanding US$2,39. Tarif Spark 1.3 di Standard mode pun jauh lebih mahal, US$1,25 input dan US$4,25 output per 1 juta token. Bahkan varian Contributor mode Spark, yang kontennya boleh dipakai Meta untuk pelatihan, dijual US$0,10 dan US$0,20, sehingga Ember bukan model Meta dengan tarif token termurah mutlak.

Kenapa harga sama, tapi biaya per tugas berbeda jauh?

Di atas kertas, ketiganya justru dijual dengan tarif yang sama. Menurut halaman harga Meta Model API, Ember dihargai US$0,10 per 1 juta token input dan US$0,50 per 1 juta token output untuk permintaan sampai 200 ribu token. Dokumentasi Claude Haiku 5.5 dan dokumentasi GPT-6 Luna mencantumkan angka awal yang persis sama. Dengan kurs open.er-api.com Rabu (11/11/2026) sebesar Rp18.090 per dolar AS, US$0,10 setara sekitar Rp1.809.

Namun, bedanya baru terlihat saat model benar-benar bekerja. Menurut Artificial Analysis, biaya Ember sekitar US$0,14 per tugas Intelligence Index, sedangkan Claude Haiku 5.5 hampir tiga kali lipat, US$0,41, untuk skor yang sama. GPT-6 Luna memang semurah Ember, sekitar US$0,15, tetapi skornya hanya 28. Penguji itu menyebut dua penyebab: harga cache input Ember 60% lebih murah, padahal cache memakan sebagian besar biaya di uji agentic, dan Ember memakai kira-kira sepertiga token output Haiku.

Ada jebakan lain yang perlu diwaspadai tim pengembang. Seperti dicatat VentureBeat, begitu sebuah permintaan melewati 200 ribu token input, seluruh permintaan itu ditagih dengan tarif tiga kali lipat: US$0,30 input dan US$1,50 output. Alhasil, untuk prompt besar dengan jawaban panjang, tarif token GPT-6 Luna bisa lebih menguntungkan, walau Ember lebih murah di uji standar. Sebagai pembanding, Haiku 5.5 sudah naik ke tarif konteks panjang di atas 100 ribu token, sedangkan Luna baru di atas 272 ribu token dengan kenaikan lebih kecil.

Meta CEO Mark Zuckerberg, seperti dikutip VentureBeat, menyebut Ember sebagai "model terkecil kami yang memberi kecerdasan lebih tinggi per dolar dibanding model lain di kelasnya" (terjemahan redaksi).

Apa kelemahan Muse Ember?

Kelemahan terbesarnya ternyata ada di pengetahuan umum. Artificial Analysis mencatat akurasi Ember di uji AA-Omniscience hanya 21,1%, terendah di antara model sekelas yang dibandingkan, jauh di bawah Claude Haiku 5.5 (34,7%). Penyebab utamanya, Ember menolak menjawab 64% pertanyaan. Hasilnya, sikap hati-hati itu membuat tingkat halusinasinya 17,4%, separuh milik Haiku 5.5.

Bahkan skor coding-nya perlu dibaca hati-hati. Di uji Terminal-Bench 4.0 versi Artificial Analysis, Haiku 5.5 hanya mendapat 32,8%, lebih rendah dari angka 39,2% di tabel Meta. Tabel Meta memakai harness terbaik yang dipublikasikan untuk tiap model: mini-swe-agent untuk Ember, Claude Code untuk Haiku, dan Codex untuk Luna. VentureBeat juga mencatat skor OSWorld 2.1 Ember sebesar 69,5% turun menjadi 33,8% bila tugas dinilai lulus atau gagal penuh, meski tetap di atas Haiku 5.5 (27,8%).

Makanya, testimoni mitra awal yang dimuat Meta lebih banyak menggambarkan kekuatan Ember di tugas yang jelas batasnya.

"Ember bisa menilai kontrak terhadap pedoman negosiasi perusahaan pasal demi pasal dan sampai pada peringkat risiko keseluruhan yang tepat," kata Yashodha Bhavnani, VP of AI Products di Box, dalam testimoni yang dimuat Meta (terjemahan redaksi).

"Yang menonjol dalam pengujian kami adalah kecepatan. Muse Ember berjalan hingga 30% lebih cepat di bagian ekor dibanding model pembanding yang kami uji," ujar Dane Knecht, CTO Cloudflare, dalam testimoni yang dimuat Meta (terjemahan redaksi).

Sementara itu, ada catatan soal keterbukaan. Berbeda dengan Muse Glimmer yang bobotnya bisa diunduh, Meta menyimpan bobot dan jumlah parameter Ember secara tertutup, sehingga model ini hanya bisa dipakai lewat layanan Meta dan mitra cloud-nya.

Apakah Muse Ember bisa dipakai di Indonesia?

Belum ada keterangan resmi yang menyebut Indonesia secara eksplisit. Menurut pusat bantuan Meta Model API, layanan ini tersedia di sebagian besar negara dan wilayah tempat Meta AI tersedia dan pembayarannya didukung.

Kebijakan wilayah Meta Model API per 12 Oktober 2026 memuat 21 entri wilayah terlarang, antara lain China (termasuk Hong Kong dan Makau), Rusia, Iran, Pakistan, Myanmar, dan Kamboja; Indonesia tidak ada di daftar itu. Namun, kebijakan yang sama menegaskan layanan hanya bisa diakses di wilayah yang diaktifkan Meta, jadi tidak masuk daftar terlarang belum menjamin akses. Soal dukungan bahasa Indonesia, dokumentasi Ember belum menyebutnya.

Sementara itu, bagi pengembang, Ember bisa diakses lewat Meta Model API dengan bayar sesuai pemakaian, atau lewat Muse Code, agen coding berbasis terminal milik Meta untuk macOS, Linux, dan Windows. Meta juga menyebut Ember tersedia di Google Cloud dan Oracle Cloud; menurut VentureBeat, jalur Google Cloud masih berstatus pratinjau. Untuk Muse Code, dokumentasi langganan Muse Code mencantumkan empat paket (Everyday, High, Power, dan Maximum Usage) tanpa menyebut harga; Meta menulis manfaat dan ketersediaannya bisa berbeda per wilayah dan baru ditampilkan saat mendaftar.

Satu hal penting lainnya menyangkut privasi. Langganan Muse Code secara bawaan memakai Contributor mode, yang berarti prompt, kode, dan file yang dikirim boleh dipakai Meta untuk melatih model berikutnya. Mode ini bisa dimatikan di pengaturan. Sebaliknya, pemakaian Ember lewat API bayar per pemakaian berjalan di Standard mode, dan konten di mode itu tidak dipakai untuk pelatihan.

Apa artinya untuk belajar dan kerja?

Bagi kebanyakan pelajar, Ember belum akan terasa langsung, karena model ini belum disebut hadir di aplikasi Meta AI atau aplikasi Muse untuk konsumen. Justru dampaknya akan datang lewat aplikasi lain: makin murah biaya tiap langkah agen, makin banyak layanan yang sanggup menawarkan fitur agen yang membaca dokumen, mengisi formulir, atau memeriksa kode. Gambaran agen AI di perangkat sehari-hari bisa dibaca di artikel AI agent di HP dan laptop untuk pelajar.

1. Mahasiswa informatika: Ember menarik untuk proyek akhir yang memproses ribuan dokumen atau gambar, misalnya mengekstrak data dari pindaian formulir. Uji dulu pada 50 sampai 100 contoh, lalu hitung biaya per hasil yang benar. Pilihan alat lainnya ada di daftar AI coding assistant untuk mahasiswa.
2. Dosen dan peneliti: justru karena pengetahuan umum Ember lemah dan ia sering menolak menjawab, jangan pakai untuk mencari fakta atau rujukan. Pakai untuk tugas berulang yang hasilnya bisa dicek, dan tetap periksa sitasi dengan panduan cara mengecek referensi fiktif dari AI.
3. Pekerja dan tim produk: bandingkan biaya per tugas yang selesai, bukan hanya harga per token, dan jaga prompt di bawah 200 ribu token. Untuk tugas yang sangat berat, ulasan Claude Fable 5.2 memberi gambaran ujung atas pasarnya.

FAQ: Muse Ember

Kapan Muse Ember dirilis?

Meta merilis Muse Ember pada Senin, 9 November 2026. Model ini langsung tersedia di Meta Model API dengan ID muse-ember-1.0 dan di Muse Code, serta disebut tersedia di Google Cloud dan Oracle Cloud.

Mana yang lebih baik, Muse Ember atau Claude Haiku 5.5?

Di uji Artificial Analysis keduanya sama-sama mencetak 36 setelah dibulatkan, tetapi biaya Ember sekitar US$0,14 per tugas berbanding US$0,41 untuk Haiku 5.5. Ember unggul di AutomationBench-AA versi lulus penuh yang dikutip Meta (37,8% berbanding 13,9%), sedangkan Haiku 5.5 unggul di FrontierCode 2.0 (34,9% berbanding 27,2%) dan pengetahuan umum.

Berapa harga Muse Ember?

US$0,10 per 1 juta token input, US$0,004 per 1 juta token cache, dan US$0,50 per 1 juta token output untuk permintaan sampai 200 ribu token input. Di atas itu, seluruh permintaan ditagih US$0,30, US$0,012, dan US$1,50.

Apakah Muse Ember bisa dipakai di Indonesia?

Indonesia tidak termasuk wilayah terlarang dalam kebijakan Meta Model API, tetapi belum ada keterangan resmi yang menyebut Indonesia secara eksplisit maupun dukungan bahasa Indonesia untuk Ember. Meta juga menegaskan layanannya hanya bisa diakses di wilayah yang diaktifkan.

Apakah Muse Ember model terbuka?

Tidak. Bobot dan jumlah parameter Ember tidak dibuka. Model terbuka Meta saat ini adalah Muse Glimmer dan Muse Spark Open.

Pada akhirnya, Muse Ember memperlihatkan arah persaingan model AI yang baru, yaitu siapa paling murah menyelesaikan satu tugas sampai tuntas dengan hasil yang tetap bisa dicek.

Kalau yang kamu butuhkan sekadar merangkum jurnal, menyusun kerangka tugas, atau mengecek ulang jawaban AI dalam bahasa Indonesia, asisten AI di kakak.ai bisa langsung dipakai tanpa perlu mengurus API dan tagihan per token. Coba Sekarang, Gratis.