El Superintelligence Lab de Meta anunció Muse Ember el 9 November 2026. La empresa afirma que es su modelo más pequeño y eficiente hasta la fecha, diseñado para las tareas rutinarias que realizan los agentes de IA durante todo el día: usar herramientas, resolver subtareas de programación, dirigir solicitudes, extraer datos y analizar documentos extensos.
Muse Ember puede leer y generar texto, imágenes, audio y video, y procesar hasta un millón de tokens en una sola instrucción. Meta ya lo ofrece a través de Meta Model API y Muse Code. El precio es de $0.10 por millón de tokens de entrada y $0.50 por millón de tokens de salida, lo que equivale a unos $0.14 por tarea en la prueba de Artificial Analysis.
Cómo se compara con la competencia
En el Intelligence Index de Artificial Analysis, según las propias mediciones de Meta, Ember obtiene 36 puntos y cuesta $0.14 por tarea, mucho menos que el modelo más grande Muse Spark 1.3, que cuesta $2.39 y obtiene una puntuación casi idéntica: 37. Meta afirma que Ember supera a Claude Haiku 5.5, de Anthropic, y a GPT‑6 Luna, de OpenAI, en inteligencia por costo en la mayoría de sus pruebas. Sin embargo, en la prueba de programación FrontierCode 2.0‑AA, Haiku obtiene un 34.9 por ciento, frente al 27.2 por ciento de Ember, según la empresa.
TechCrunch señala que el precio de Ember por millón de tokens de entrada es comparable al de modelos de código abierto como DeepSeek V4.1 Flash y GLM 5.3 Flash, lo que lo hace competitivo a gran escala.
El lugar de Ember en la línea de modelos de Meta
Ember es el cuarto modelo de la serie Muse de Meta. Le siguen en la línea el modelo de gama media Spark (April 2026), su equivalente de código abierto Glimmer (August 2026) y el modelo de frontera Wonder (October 2026). Meta prevé que Ember trabaje junto al modelo más grande Muse Wonder: el modelo de mayor capacidad establece las políticas y Ember las aplica en decenas de miles de casos, por ejemplo, en la automatización del servicio al cliente.
Por qué importa
Para las empresas que gestionan grandes cantidades de agentes automatizados de atención al cliente o extracción de datos, Ember ofrece una forma más barata de ejecutar esas tareas repetitivas sin renunciar a la capacidad de trabajar con texto, imágenes, audio o video. El menor costo por tarea podría hacer más asequibles los flujos de trabajo de IA a gran escala, aunque su rendimiento en programación sigue por detrás del de algunos competidores.
