Meta lanza Muse Ember, modelo ligero para agentes de IA

El destaque del lanzamiento es el costo por tarea. Según Meta, Muse Ember entrega más inteligencia por dólar que Claude Haiku 5.5 o GPT-6 Luna en cualquier nivel de razonamiento. Empata con la mejor puntuación de Haiku a cerca de un tercio del costo y supera todos los niveles de Luna. El modelo también ocupa la frontera de eficiencia del leaderboard completo de Artificial Analysis: ningún modelo puntúa más por menos por tarea.

En este artículo vas a ver:

• Qué es Muse Ember y para qué fue creado
• Los números de desempeño en Artificial Analysis
• Cómo se compara el modelo con Haiku 5.5 y GPT-6 Luna
• Cómo probar Muse Ember hoy
• Qué dice Meta sobre seguridad y disponibilidad

Qué es Muse Ember

Muse Ember es el cuarto modelo de la familia Muse, después de Spark (abril), Glimmer (agosto) y Wonder (octubre). Meta lo posiciona como el modelo para tareas repetitivas a escala: donde un agente pesado establece las reglas, Ember aplica esas reglas en decenas de miles de casos.

Quien sigue a la familia Muse puede compararlo con Meta lanza Spaces para el agente Muse, que trató del agente personal de Meta.

El modelo tiene una ventana de contexto de 1 millón de tokens y puede generar hasta 512 mil tokens de salida. Entiende de forma nativa texto, imágenes, audio y video, lo que permite que los agentes lean capturas de pantalla, gráficos y documentos escaneados, o trabajen a partir de grabaciones de voz y video, sin necesitar un modelo separado.

Meta afirma que Ember fue el primer modelo entrenado usando Muse Wonder Full. El costo estimado es de cerca de 0,14 dólares por tarea en Artificial Analysis, un valor lo suficientemente bajo como para ejecutarse en todo producto, para todos.

Los números en Artificial Analysis

La tabla abajo resume los resultados publicados por Meta, comparando Muse Ember con Claude Haiku 5.5 y GPT-6 Luna, todos en el nivel máximo de razonamiento:

• AutomationBench (flujos de negocio de extremo a extremo): Ember 37,8 contra 13,9 de Haiku y 20,2 de Luna
• Agents' Last Exam (tareas de agentes de extremo a extremo): Ember 61,6 contra 57,0 y 57,1
• Personal Superintelligence Index (trabajo personal y de conocimiento): Ember 46,8 contra 36,1 y 37,0
• Terminal-Bench 4.0 (codificación agente en terminal): Ember 40,9 contra 39,2 y 16,4
• Coding Agent Index (codificación en harnesses reales de agentes): Ember 46 contra 37 y 31
• FrontierCode 2.0 (tareas de ingeniería juzgadas por mergeabilidad): Ember 27,2 contra 34,9 de Haiku y 25,2 de Luna
• GDP.pdf (trabajo profesional sobre documentos largos): Ember 22,8, empatando con Luna en 22,8 y por encima de Haiku en 20,8
• OSWorld 2.1 (uso de computadora en apps de escritorio): Ember 69,5 parcial contra 68,9 y 50,5
• PerceptionBench (percepción visual fina con herramientas): Ember 80,6 contra 78,6 y 62,8
• Artificial Analysis Index: Ember 36, empatando con Haiku en 36 y por encima de Luna en 28

FrontierCode es el único benchmark donde Haiku supera a Ember. En todos los demás, Ember empata o gana.

Precio y disponibilidad

Muse Ember está disponible hoy en Meta Model API y en Muse Code, con el identificador muse-ember-1.0. El precio es de 0,10 dólar por millón de tokens de entrada, 0,004 dólar por millón de tokens de entrada en caché y 0,50 dólar por millón de tokens de salida. El modelo también soporta Responses API.

Además de Meta, Ember está disponible en Google Cloud y en Oracle Cloud. Meta afirma tener modelos aún más eficientes en entrenamiento.

Lo que dice Meta sobre seguridad

Antes del lanzamiento, Ember fue evaluado bajo el Meta Superintelligence Scaling Framework, incluyendo riesgos químicos, biológicos, de ciberseguridad y de pérdida de control. Según Meta, el modelo se mantuvo por debajo de los umbrales de alto riesgo en todas las categorías evaluadas.

Meta también publicó una evaluación de seguridad del modelo, incluyendo cómo se comporta al actuar en nombre de los usuarios: si respeta la intención del usuario, trata la información sensible de forma apropiada, resiste instrucciones ocultas en páginas web, documentos o salidas de herramientas, y pide intervención humana antes de acciones de alto impacto.

Quien compara modelos de ejecución puede cruzarlo con Claude Fable 5.2 y Mythos 5.2: Anthropic lanza modelos más rápidos y baratos, que cubre la estrategia de Anthropic de modelos más rápidos y baratos para tareas repetitivas.