O Superintelligence Lab da Meta anunciou o Muse Ember na segunda-feira, 9 de novembro de 2026. É o menor modelo da família Muse e foi desenvolvido para tarefas de agentes em grande escala, como chamadas de ferramentas, subtarefas de programação, encaminhamento e análise de documentos longos. Segundo a Meta, o Ember pode processar texto, imagens, áudio e vídeo, tem uma janela de contexto de 1.048.576 tokens e gera respostas de até 524.288 tokens.
A empresa apresenta o Ember como um modelo de trabalho que complementa modelos maiores, como Muse Spark ou Muse Wonder. Em um fluxo de trabalho com agentes, o modelo maior planeja e raciocina, enquanto o Ember executa tarefas repetitivas e de baixo custo em milhares de itens. A ideia é reduzir drasticamente o custo por tarefa.
Como o Ember se compara aos concorrentes
A Meta avaliou o Ember no Artificial Analysis Index, um benchmark que reúne testes de programação, finanças e automação empresarial. Segundo a empresa, o Ember igualou a pontuação geral do Claude Haiku 5.5, da Anthropic, custando cerca de um terço por tarefa. Também superou o modelo Luna, da OpenAI, no mesmo benchmark e ficou 17% à frente na suíte AutomationBench-AA, composta por 657 tarefas em aplicativos na nuvem.
Os preços refletem o foco em custos: 10 centavos por milhão de tokens de entrada e 50 centavos por milhão de tokens de saída. Com o cache, o custo de entrada pode cair para 0,4 centavo por milhão de tokens. Solicitações com contexto longo, acima de 200 mil tokens de entrada, têm tarifas maiores, conforme indicado na documentação da Model API.
Onde o Ember se encaixa hoje
O Muse Ember já está disponível na Model API da Meta e no Muse Code, em qualquer plano pré-pago ou por assinatura. Ele funciona apenas no modo Standard, que aloca o máximo de hardware disponível para cada solicitação. O modelo aceita o mesmo formato de solicitação que o Muse Spark, então, para trocar de modelo, basta alterar o ID na chamada à API.
Desenvolvedores podem usar o Ember em tarefas delimitadas e repetidas muitas vezes, como classificar chamados de suporte, criar legendas para grandes conjuntos de imagens, extrair campos de PDFs ou executar comandos de terminal em um fluxo de trabalho mais amplo.
Por que importa
Para empresas que executam muitas tarefas repetitivas de IA — como encaminhar chamados de suporte ao cliente ou processar documentos em lote —, o Muse Ember oferece uma forma mais barata de ampliar as operações sem perder a capacidade de lidar com diferentes tipos de mídia. O menor preço por token pode reduzir os custos operacionais, embora ainda falte validação independente, por terceiros, das alegações sobre os benchmarks.
