O Superintelligence Lab da Meta anunciou o Muse Ember em 9 de novembro de 2026. Segundo a empresa, este é seu modelo mais compacto e eficiente até agora, desenvolvido para tarefas rotineiras realizadas o dia todo por agentes de IA — acionar ferramentas, executar etapas de programação, encaminhar solicitações, extrair dados e analisar documentos extensos.
O Muse Ember pode ler e gerar texto, imagens, áudio e vídeo, além de processar até um milhão de tokens em um único prompt. O modelo já está disponível pela Meta Model API e pelo Muse Code. O preço é de $0.10 por milhão de tokens de entrada e $0.50 por milhão de tokens de saída, o que equivale a cerca de $0.14 por tarefa no benchmark da Artificial Analysis.
Como se compara aos concorrentes
No Intelligence Index da Artificial Analysis, segundo os dados da própria Meta, o Ember marca 36 e custa $0.14 por tarefa — bem menos que o modelo maior Muse Spark 1.3, que custa $2.39 e obtém uma pontuação quase idêntica, de 37. A Meta afirma que o Ember supera o Claude Haiku 5.5, da Anthropic, e o GPT-6 Luna, da OpenAI, na relação entre custo e inteligência na maioria dos testes. No entanto, no benchmark de programação FrontierCode 2.0-AA, o Haiku obtém 34.9 por cento, contra 27.2 por cento do Ember, segundo a empresa.
O TechCrunch observa que o preço do Ember por milhão de tokens de entrada é comparável ao de modelos de código aberto como DeepSeek V4.1 Flash e GLM 5.3 Flash, o que o torna competitivo em grande escala.
O lugar do Ember na linha de modelos da Meta
O Ember é o quarto modelo da série Muse, depois do Spark, de porte intermediário (abril de 2026), de seu equivalente de código aberto, Glimmer (agosto de 2026), e do modelo de ponta Wonder (outubro de 2026). A Meta imagina o Ember trabalhando em conjunto com o Muse Wonder, de maior porte: o modelo mais robusto define as políticas, enquanto o Ember as aplica em dezenas de milhares de casos, como na automação do atendimento ao cliente.
Por que importa
Para empresas que executam um grande volume de agentes automatizados de atendimento ou extração de dados, o Ember oferece uma forma mais barata de realizar tarefas repetitivas, sem deixar de processar texto, imagens, áudio e vídeo. O menor custo por tarefa pode tornar mais acessíveis os fluxos de trabalho de IA em grande escala, embora seu desempenho em programação ainda fique atrás do de alguns concorrentes.
