Meta presentó el 9 de noviembre Muse Ember. Según la compañía, es su modelo más pequeño y eficiente hasta ahora, pensado para que los agentes de IA se encarguen del trabajo menudo y frecuente: llamadas a herramientas, subtareas de programación, enrutamiento, extracción de información y análisis de documentos largos. El modelo admite de forma nativa texto, imagen, audio y vídeo, tiene un contexto de 1 millón de tokens y puede generar hasta 512.000 tokens por respuesta.
Ember ya está disponible a través de Meta Model API (nombre del modelo muse-ember-1.0, compatible con la Responses API) y Muse Code. Google Cloud y Oracle Cloud también lo ofrecen ya, y los desarrolladores pueden probarlo en dev.meta.ai. La página del anuncio no menciona pesos abiertos, así que, con la información actual, es un modelo solo accesible por API. Meta añade que Ember es el primer modelo entrenado con Muse Wonder Full.
Precio en dos tramos
Ember cobra por tramos según la longitud del prompt, por cada millón de tokens:
| Concepto | Hasta 200.000 tokens | Más de 200.000 tokens |
|---|---|---|
| Entrada | 0,10 dólares | 0,30 dólares |
| Entrada en caché | 0,004 dólares | 0,012 dólares |
| Salida | 0,50 dólares | 1,50 dólares |
Muse Spark 1.3, de la misma familia, cuesta 1,25 dólares en entrada y 4,25 dólares en salida. En el índice de inteligencia de Artificial Analysis, los dos obtienen 36 y 37, solo 1 punto de diferencia, pero el coste por tarea de evaluación es de 0,14 dólares frente a 2,39 dólares, una diferencia de unas 17 veces.
Benchmarks con victorias y derrotas
Meta comparó Ember, con el esfuerzo de razonamiento en max, con Claude Haiku 5.5 y GPT-6 Luna. La mayor brecha está en AutomationBench-AA: Ember obtiene un 37,8 %, Haiku 5.5 un 13,9 % y GPT-6 Luna un 20,2 %. En OSWorld 2.1, de manejo del ordenador, con puntuación binaria, Ember logra un 33,8 % y Haiku 5.5, un 27,8 %. En Terminal-Bench 4.0, Ember alcanza el 40,9 %, apenas 1,7 puntos porcentuales por encima del 39,2 % de Haiku 5.5.
Donde pierde es en programación. En FrontierCode 2.0-AA, Ember obtiene un 27,2 % y Haiku 5.5, un 34,9 %; en GDP.pdf-AA empata con GPT-6 Luna en un 22,8 %. En el Artificial Analysis Index global, Ember y Haiku 5.5 marcan 36 y Luna, 28.
El gráfico de dispersión de costes ofrece cifras más detalladas. Los dos niveles de razonamiento de Ember cuestan 0,116 y 0,136 dólares, con índices de 33,9 y 35,8; Haiku 5.5 solo llega al índice 36,2 en el nivel de 0,411 dólares. Con el índice empatado, el gasto por tarea de Ember es aproximadamente un tercio del de Haiku 5.5.
Cálculo aproximado de la factura diaria de un subagente
Hagamos una cuenta aproximada con los precios del anuncio. Supongamos que un subagente de programación lee 30.000 tokens y genera 2.000 tokens en cada llamada, de los cuales 20.000 tokens son el prompt de sistema y el contexto de código que aciertan la caché:
- 10.000 tokens de entrada sin caché: unos 0,001 dólares
- 20.000 tokens de entrada en caché: unos 0,00008 dólares
- 2.000 tokens de salida: unos 0,001 dólares
Cada llamada cuesta unos 0,002 dólares, y 10.000 llamadas al día suman unos 21 dólares. Este es solo el precio del tramo de hasta 200.000 tokens; cuando el análisis de documentos largos supera ese umbral, los tres precios unitarios se triplican a la vez. La factura real también depende de los tokens de razonamiento que genere cada nivel de esfuerzo, y el anuncio no detalla por separado cómo se cobra esa parte.
Las opiniones de los socios se centran en la velocidad. You.com aportó una cifra concreta de latencia:
"with the lowest latency of any model we tested: a p95 of 2.2 seconds"
(La latencia más baja de todos los modelos que probamos: un p95 de 2,2 segundos.)
Cline, por su parte, dice que el modelo encaja en trabajos de subagentes como programación y análisis de documentos. En seguridad, Meta afirma que, antes del lanzamiento, evaluó el modelo según su marco de escalado de superinteligencia, y que los tres tipos de riesgo, químico y biológico, ciberseguridad y pérdida de control, quedaron por debajo del umbral de riesgo alto. Todos los resultados de benchmark anteriores son datos publicados por Meta, y todavía no hay reevaluaciones independientes.
Fuentes: CocoLoop, blog oficial de investigación de Meta; el blog confirma los precios por tramos, las puntuaciones de cada evaluación, el coste por tarea y las citas de los socios, mientras que la factura diaria es una estimación a partir de los precios unitarios públicos.