Muse Ember API
Meta의 Muse 패밀리에서 가장 작고 효율적인 모델로, 대량 에이전트 실행과 반복 작업을 낮은 비용으로 처리합니다.
Muse Ember는 2026년 11월 9일 공개된 Meta의 경량 모델로, Muse 패밀리 가운데 가장 작고 효율적인 모델입니다. 텍스트·이미지·오디오·비디오 입력을 받아 텍스트를 출력하며, 100만 토큰의 컨텍스트와 최대 51만 2천 토큰의 출력 한도를 갖춥니다. 컴퓨터 사용, 이미지 이해, 도구 호출, 구조화된 출력, 검색 그라운딩을 지원합니다.
Muse Ember는 Muse Wonder와 함께 플래너-실행자 구조에서 실행자 역할을 맡습니다. Meta는 "Muse Wonder가 계획하고, Muse Ember가 물량을 처리한다"고 설명합니다. 기록을 조회하고 도구를 순차적으로 호출하며 여러 애플리케이션에 걸쳐 시스템을 갱신하는 작업에 적합합니다.
대량 에이전트 워크플로 실행, 도구 호출, 코딩 하위 작업, 라우팅, 추출, 장문 문서 파싱, 검색 증강 생성과 결합한 챗봇, AI 기능의 대규모 배포에 알맞습니다. 분석과 데이터 품질 점검처럼 명확한 작업에서는 성능이 강점이지만, 개방형 질문에서는 토큰을 과도하게 사용하는 경향이 있고 숨은 패턴 탐지에는 어려움을 겪습니다. 가중치는 공개되지 않았고 파라미터 수 또한 공개되지 않았습니다.
업데이트:
모델 ID
muse-ember- 컨텍스트
- 1.049M
- 최대 출력
- 943.718K
- 권장 API
- messages
- 입력
- text / image / video / file / audio
- 출력
- text
주요 특징
- Muse 패밀리 중 가장 작고 효율적
- 100만 토큰 컨텍스트
- 텍스트·이미지·오디오·비디오 입력 지원
- 도구 호출과 구조화된 출력 지원
- 플래너-실행자 구조의 실행자
- 명확한 분석 작업에 강점
제공 업체
제공 업체별 API 요금을 비교하세요. 공급자를 선택하면 전체 요금과 적용 조건을 확인할 수 있습니다.
| 가동률 | ||||
|---|---|---|---|---|
| $0.1 | $0.5 | $0.004 |
과거 통계는 실시간 상태 확인이 아닙니다. 데이터 누락이 장애를 뜻하지는 않습니다.
10달러로 얼마나 쓸 수 있나
- 입력
- 1억 토큰
- 출력
- 2000만 토큰
현재 입력·출력 요금으로 계산한 추정치이며 할인은 포함하지 않습니다.
벤치마크
- 36
Artificial Analysis Intelligence Index
36점
- 60.48
Vals Index
36개 모델 중 13위, 60.48%
- 88
PlotlyDataAnalyticsBench
43문항 중 38문항 통과, 88%
점수는 모델 제공 업체가 공개한 값입니다.
추론
- 기본 추론 강도
- max
- 항상 활성화
- 예
- 선택 가능한 추론 강도
- max / xhigh / high / medium / low / minimal
Quick Start
Felo API Platform 호환 API로 이 모델을 호출하는 코드입니다. 코드를 작성하기 전에 Playground에서 prompt를 테스트할 수 있습니다.
API key 설정
Felo API Platform 계정에서 key를 만들고 환경 변수로 설정하세요.
export FELO_API_KEY="YOUR_API_KEY"첫 요청 보내기
이 모델 ID를 Felo API Platform endpoint와 함께 사용하세요. X-Request-Id 같은 선택 요청 헤더는 문제 해결에 도움이 됩니다.
muse-ember이 모델은 reasoning을 지원합니다. 선택한 protocol과 모델 라우트가 reasoning controls를 제공하는 경우 대화를 이어갈 때 반환된 reasoning metadata를 보존하세요.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "muse-ember",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());타사 SDK 사용
호환 SDK에서는 baseURL을 다음으로 설정합니다 https://openapi.felo.ai/api/v1. Claude-style clients에는 Anthropic-compatible base URL을 사용하세요. https://openapi.felo.ai/api.
Streaming 활성화
stream: true를 추가하면 server-sent events로 응답을 받을 수 있습니다.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "muse-ember",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform은 호환 가능한 모델 호출 surface를 제공합니다. 앱이나 Agent client가 이미 지원하는 surface를 선택하세요.
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messagesParameters
modelstringmuse-ember호출할 공개 모델 ID.max_tokensinteger—생성할 최대 tokens.messagesarray—Chat Completions의 대화 메시지.toolsarray—호환 schema를 따르는 tool calling definitions.top_k———top_p———reasoning———temperaturenumber—지원되는 경우 응답 다양성을 제어합니다.tool_choicestring or object—tool 호출 여부를 제어합니다.response_formatobject—지원 시 structured output을 요청합니다.reasoning_effort———include_reasoning———repetition_penalty———structured_outputs———자주 묻는 질문
모델 소개: Muse Ember?
Muse Ember는 2026년 11월 9일 공개된 Meta의 경량 모델로, Muse 패밀리 가운데 가장 작고 효율적인 모델입니다. 텍스트·이미지·오디오·비디오 입력을 받아 텍스트를 출력하며, 100만 토큰의 컨텍스트와 최대 51만 2천 토큰의 출력 한도를 갖춥니다. 컴퓨터 사용, 이미지 이해, 도구 호출, 구조화된 출력, 검색 그라운딩을 지원합니다. Muse Ember는 Muse Wonder와 함께 플래너-실행자 구조에서 실행자 역할을 맡습니다. Meta는 "Muse Wonder가 계획하고, Muse Ember가 물량을 처리한다"고 설명합니다. 기록을 조회하고 도구를 순차적으로 호출하며 여러 애플리케이션에 걸쳐 시스템을 갱신하는 작업에 적합합니다. 대량 에이전트 워크플로 실행, 도구 호출, 코딩 하위 작업, 라우팅, 추출, 장문 문서 파싱, 검색 증강 생성과 결합한 챗봇, AI 기능의 대규모 배포에 알맞습니다. 분석과 데이터 품질 점검처럼 명확한 작업에서는 성능이 강점이지만, 개방형 질문에서는 토큰을 과도하게 사용하는 경향이 있고 숨은 패턴 탐지에는 어려움을 겪습니다. 가중치는 공개되지 않았고 파라미터 수 또한 공개되지 않았습니다.
사용 요금은 어떻게 계산되나요?
이용하는 제공 업체의 요금과 실제 사용량에 따라 비용이 결정됩니다. 긴 입력 등에는 다른 요금이 적용될 수 있습니다.
어떤 입력 형식을 지원하나요?
텍스트, 이미지, 오디오, 비디오 입력을 받아 텍스트를 출력합니다.
컨텍스트와 출력 길이는 얼마나 되나요?
컨텍스트는 100만 토큰, 출력 한도는 51만 2천 토큰입니다.
어떤 작업에 가장 적합한가요?
대량 에이전트 워크플로 실행, 도구 호출, 라우팅, 추출, 장문 문서 파싱 등 반복적이고 명확한 작업에 적합합니다.
Muse Wonder와 어떻게 다른가요?
Muse Wonder가 계획을 세우는 플래너라면, Muse Ember는 그 계획을 실행하는 실행자 역할을 맡습니다.
어떤 방식으로 사용할 수 있나요?
Meta Model API와 Muse Code를 통해 사용할 수 있으며 모델 ID는 muse-ember-1.0입니다.
관련 모델
Muse Wonder
Metamuse-wonderMeta의 최전선 에이전트 모델로, 텍스트·이미지·영상·오디오·PDF 입력을 받아 텍스트를 출력합니다.
컨텍스트
1.049M
최대 출력
943.718K
입력 토큰
$4 / 1M 토큰
출력 토큰
$20 / 1M 토큰
Muse Spark 1.3 Contributor
Metamuse-spark-1.3-contributorMeta Superintelligence Labs의 에이전트·코딩 특화 추론 모델로, 1,048,576 토큰 컨텍스트와 단계별 사고를 갖춘 Contributor 티어입니다.
컨텍스트
1.049M
최대 출력
943.718K
입력 토큰
$0.1 / 1M 토큰
출력 토큰
$0.2 / 1M 토큰