Meta lança Muse Ember, modelo leve para agentes de IA

O destaque da lançamento é o custo por tarefa. Segundo a Meta, o Muse Ember entrega mais inteligência por dólar do que o Claude Haiku 5.5 ou o GPT-6 Luna em qualquer nível de raciocínio. Ele empata com a melhor pontuação do Haiku a cerca de um terço do custo e supera todos os níveis do Luna. O modelo também ocupa a fronteira de eficiência do leaderboard completo da Artificial Analysis: nenhum modelo pontua mais por menos por tarefa.

O que é o Muse Ember

O Muse Ember é o quarto modelo da família Muse, depois do Spark (abril), do Glimmer (agosto) e do Wonder (outubro). A Meta o posiciona como o modelo para tarefas repetitivas em escala: onde um agente pesado estabelece as regras, o Ember aplica essas regras em dezenas de milhares de casos.

Quem acompanha a família Muse pode comparar com o Meta lança Spaces para o agente Muse, que tratou do agente pessoal da Meta.

O modelo tem janela de contexto de 1 milhão de tokens e pode gerar até 512 mil tokens de saída. Ele entende nativamente texto, imagens, áudio e vídeo, o que permite que agentes leiam capturas de tela, gráficos e documentos digitalizados, ou trabalhem a partir de gravações de voz e vídeo, sem precisar de um modelo separado.

A Meta afirma que o Ember foi o primeiro modelo treinado usando o Muse Wonder Full. O custo estimado é de cerca de 0,14 dólares por tarefa no Artificial Analysis, um valor baixo o suficiente para rodar em todo produto, para todos.

Os números no Artificial Analysis

A tabela abaixo resume os resultados publicados pela Meta, comparando o Muse Ember com o Claude Haiku 5.5 e o GPT-6 Luna, todos no nível máximo de raciocínio:

• AutomationBench (fluxos de negócio de ponta a ponta): Ember 37,8 contra 13,9 do Haiku e 20,2 do Luna
• Agents' Last Exam (tarefas de agentes de ponta a ponta): Ember 61,6 contra 57,0 e 57,1
• Personal Superintelligence Index (trabalho pessoal e de conhecimento): Ember 46,8 contra 36,1 e 37,0
• Terminal-Bench 4.0 (codificação agêntica em terminal): Ember 40,9 contra 39,2 e 16,4
• Coding Agent Index (codificação em harnesses reais de agentes): Ember 46 contra 37 e 31
• FrontierCode 2.0 (tarefas de engenharia julgadas por mesclabilidade): Ember 27,2 contra 34,9 do Haiku e 25,2 do Luna
• GDP.pdf (trabalho profissional sobre documentos longos): Ember 22,8, empatando com o Luna em 22,8 e acima do Haiku em 20,8
• OSWorld 2.1 (uso de computador em apps de desktop): Ember 69,5 parcial contra 68,9 e 50,5
• PerceptionBench (percepção visual fina com ferramentas): Ember 80,6 contra 78,6 e 62,8
• Artificial Analysis Index: Ember 36, empatando com o Haiku em 36 e acima do Luna em 28

O FrontierCode é o único benchmark onde o Haiku supera o Ember. Em todos os outros, o Ember empata ou vence.

Preço e disponibilidade

O Muse Ember está disponível hoje na Meta Model API e no Muse Code, com o identificador muse-ember-1.0. O preço é de 0,10 dólar por milhão de tokens de entrada, 0,004 dólar por milhão de tokens de entrada em cache e 0,50 dólar por milhão de tokens de saída. O modelo também suporta a Responses API.

Além da Meta, o Ember está disponível no Google Cloud e no Oracle Cloud. A Meta afirma ter modelos ainda mais eficientes em treinamento.

O que a Meta diz sobre segurança

Antes do lançamento, o Ember foi avaliado sob o Meta Superintelligence Scaling Framework, incluindo riscos químicos, biológicos, de cibersegurança e de perda de controle. Segundo a Meta, o modelo permaneceu abaixo dos limiares de alto risco em todas as categorias avaliadas.

A Meta também publicou uma avaliação de segurança do modelo, incluindo como ele se comporta ao agir em nome dos usuários: se respeita a intenção do usuário, trata informações sensíveis de forma apropriada, resiste a instruções ocultas em páginas web, documentos ou saídas de ferramentas, e pede intervenção humana antes de ações de alto impacto.

Quem compara modelos de execução pode cruzar com o Claude Fable 5.2 e Mythos 5.2: Anthropic lança modelos mais rápidos e baratos, que cobre a estratégia da Anthropic de modelos mais rápidos e baratos para tarefas repetitivas.