Modelos y plataformas de IA
Meta lanza Muse Ember para reducir los costos de las tareas de agentes y programación
Añade Unite.AI a tus fuentes preferidas en Google
Meta AI Research presentó Muse Ember el 9 de noviembre de 2026 y lo describió como su modelo más pequeño y la opción más eficiente de la empresa para tareas repetitivas de agentes y programación. Estuvo disponible ese mismo día a través de Muse Code y la API de Meta Model, a un precio de 0,10 $ por millón de tokens de entrada y 0,50 $ por millón de tokens de salida.
El modelo está dirigido a la parte repetitiva de la actividad de los agentes: llamadas a herramientas, subtareas de programación, enrutamiento, extracción y análisis de documentos extensos. Según Meta, los agentes dedican la mayoría de sus tokens a estos pasos pequeños y estructurados. Ember puede recuperar registros, llamar a herramientas en secuencia y actualizar sistemas en distintas aplicaciones, lo que le permite ejecutar un flujo de trabajo empresarial de principio a fin.
Precios y funciones de los modelos de la familia Muse
La entrada en caché cuesta 0,004 $ por millón de tokens. El modelo se ofrece como muse-ember-1.0 y es compatible con la API Responses. Según Meta, su ventana de contexto de 1 millón de tokens puede albergar una base de código completa o un conjunto de documentos en una sola llamada, y el modelo admite salidas de hasta 512.000 tokens.
La comparación de Meta con Muse Spark 1.3 pone de relieve el equilibrio entre rendimiento y costo: Ember obtiene 36 puntos en el Artificial Analysis Intelligence Index, frente a los 37 de Spark 1.3, mientras que los costos indicados por tarea de Artificial Analysis son de 0,14 $ y 2,39 $, respectivamente. Ember también es el primer modelo entrenado con Muse Wonder Full. Meta prevé que Wonder planifique los problemas más difíciles, Spark se ocupe de la programación y los flujos de trabajo con agentes, y Ember realice a gran escala versiones repetibles de esas tareas.
Resultados de las evaluaciones de agentes y programación
Según Meta, Ember iguala el mejor resultado de Claude Haiku 5.5 en el Intelligence Index con aproximadamente un tercio de su costo por tarea y supera a GPT-6 Luna en todas las configuraciones de razonamiento. Ningún modelo de toda la clasificación de Artificial Analysis obtiene una puntuación más alta con un costo menor por tarea. Los costos de Ember en esa comparación son estimaciones basadas en los precios de lista de Meta.
Meta informa de los siguientes resultados de evaluación con el razonamiento al máximo:
| Evaluación | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| AutomationBench-AA, flujos de trabajo empresariales | 37.8% | 13.9% | 20.2% |
| Agents’ Last Exam, subconjunto de Linux | 61.6% | 57.0% | 57.1% |
| Terminal-Bench 4.0 | 40.9% | 39.2% | 16.4% |
| Coding Agent Index-AA | 46 | 37 | 31 |
| FrontierCode 2.0-AA | 27.2% | 34.9% | 25.2% |
| OSWorld 2.1, crédito parcial | 69.5% | 68.9% | 50.5% |
AutomationBench-AA empleó una puntuación estricta de pass@1, y Terminal-Bench evaluó cada modelo con la configuración de evaluación publicada en la que obtuvo su mejor resultado. Agents’ Last Exam y OSWorld fueron evaluaciones internas de Meta. El resultado de Haiku en FrontierCode matiza la afirmación más amplia sobre sus capacidades de programación: esa prueba evalúa tareas reales de ingeniería según la posibilidad de integrar los cambios, y Haiku lidera en ella.
Ember también procesa de forma nativa texto, imágenes, audio y video. Por ello, un agente puede trabajar con capturas de pantalla, gráficos, documentos escaneados, notas de voz, grabaciones de reuniones o videos sin recurrir a otro modelo. Además de la programación basada en texto, estas entradas amplían el modelo de ejecución al uso de computadoras de escritorio y al trabajo con documentos con abundante contenido visual.
Seguridad y pruebas iniciales con socios
Meta evaluó Ember conforme a su marco Superintelligence Scaling Framework en relación con riesgos químicos y biológicos, de ciberseguridad y de pérdida de control. La empresa informa que, en las categorías evaluadas, el modelo se mantuvo por debajo de los umbrales de alto riesgo del marco y recibió la misma formación y las mismas pruebas básicas de seguridad. Las evaluaciones del comportamiento de los agentes abarcaron el respeto por las intenciones del usuario, el manejo de información confidencial, la resistencia a instrucciones ocultas en páginas web, documentos o resultados de herramientas, y la consulta a una persona antes de realizar acciones de gran impacto.
Meta también publicó testimonios sobre las pruebas iniciales de Cloudflare y You.com. Dane Knecht, director de tecnología de Cloudflare, dijo que Ember funcionó hasta un 30 % más rápido en la cola de latencia que el modelo comparable que probó su empresa y que gestionó bien investigaciones que abarcaban varios repositorios. Chak Pothina, responsable de inferencia de You.com, informó de una latencia en el percentil 95 de 2,2 segundos y señaló que Ember completó todos los retos de programación con la menor latencia entre los modelos probados. Pothina también dijo que, durante esas pruebas, Ember generó entre un 36 % y un 48 % menos de tokens de salida.
Para los desarrolladores, Ember ofrece una capa de ejecución de menor costo que puede funcionar por debajo de la capacidad de planificación de Muse Wonder y reducir la cantidad de llamadas repetitivas enviadas a un modelo más caro. Las cifras de Meta respaldan esa división del trabajo, mientras que el resultado de FrontierCode marca su límite: la eficiencia y los buenos resultados en tareas con agentes no garantizan la superioridad en todas las tareas de ingeniería.
