Meta presentó el 9 de noviembre Muse Ember, el cuarto modelo de su familia Muse tras Spark, Glimmer y Wonder, y lo posiciona como la pieza barata de un sistema de dos modelos: Ember para el trabajo repetitivo (llamadas a herramientas, subtareas de código, extracción de datos, enrutamiento) y Wonder, su modelo insignia, para el razonamiento complejo que de verdad lo necesita.
El precio es el argumento central: 0,10 $ por millón de tokens de entrada y 0,50 $ por millón de salida, con tokens en caché a 0,004 $. Tiene una ventana de contexto de 1 millón de tokens —suficiente para pasarle un repositorio completo o un conjunto de documentos en una sola llamada— y puede generar hasta 512.000 tokens de salida.
En los benchmarks que Meta ha publicado, Ember supera con holgura a GPT-6 Luna en toda la gama de configuraciones de razonamiento y
iguala el mejor resultado de Claude Haiku 5.5 en el Intelligence Index de Artificial Analysis a aproximadamente un tercio del coste por tarea. En pruebas más específicas de uso de agentes, la diferencia es más marcada: 37,8% en AutomationBench-AA frente al 13,9% de Haiku 5.5 y el 20,2% de GPT-6 Luna, y 40,9% en Terminal-Bench 4.0 frente al 39,2% y el 16,4% respectivamente. Son cifras de Meta, no de un laboratorio independiente, así que conviene esperar benchmarks de terceros antes de tomarlas como la última palabra.
Qué significa para ti
Si ya construyes agentes o pipelines con llamadas a herramientas, extracción de datos o revisión de código, Ember es un candidato obvio para la parte del trabajo que hoy resuelves con un modelo caro por pura comodidad: enrutar una petición, rellenar un formulario, parsear un documento largo. El ahorro de usar un modelo a 0,10 $/0,50 $ en lugar de uno de gama alta en esas tareas repetitivas puede ser significativo si tu volumen de llamadas es alto. Está disponible desde hoy en Muse Code, la Meta Model API (como muse-ember-1.0), Google Cloud y Oracle Cloud, así que probarlo no exige comprometerte con ninguna infraestructura nueva.
Fuentes: research.meta.ai · techcrunch.com




