Muse Ember, el modelo de Meta para agentes que repiten tareas todo el día, cuesta US$0,10 por cada millón de tokens de entrada. Meta lo presentó el 9 de noviembre de 2026 como el modelo más pequeño y eficiente de su familia Muse, pensado para llamadas a herramientas, subtareas de código, clasificación de pedidos, extracción de datos y lectura de documentos largos.
Precio: US$0,10 por millón de tokens de entrada y US$0,50 por millón de salida.
Fecha: 9 de noviembre de 2026, ya disponible como muse-ember-1.0.
Contexto: 1 millón de tokens de entrada y hasta 512.000 tokens de salida.
Índice Artificial Analysis: 36 puntos, el mismo máximo de Claude Haiku 5.5.
La cuenta que vende Meta es simple. Un agente no gasta sus tokens en una sola respuesta brillante: los quema en cientos de pasos chicos, uno detrás de otro, revisando archivos, probando código y moviendo datos entre aplicaciones. Si cada paso cuesta menos, el agente completo cuesta menos, y ahí Ember apunta su precio.
En la medición de Artificial Analysis citada por Meta, Ember cierra cada tarea del índice por unos US$0,14. Claude Haiku 5.5, de Anthropic, llega al mismo puntaje de 36 con un costo cercano a US$0,41 por tarea. OpenAI queda detrás con GPT-6 Luna: 28 puntos en ese mismo índice y sin superar a Ember en ningún nivel de razonamiento, datos de la propia comparativa de Meta.
Muse Ember rinde donde el agente repite
AutomationBench-AA, la prueba de flujos de trabajo empresariales completos, deja la diferencia más clara: Ember marca 37,8 % frente a 13,9 % de Haiku 5.5 y 20,2 % de GPT-6 Luna. En Agents’ Last Exam, con tareas de agente de principio a fin, Ember suma 61,6 frente a 57,0 de Haiku y 57,1 de Luna.
El código trae una foto más pareja. En el Coding Agent Index-AA Ember logra 46 puntos, contra 37 de Haiku y 31 de Luna, y en Terminal-Bench 4.0 anota 40,9 frente a 39,2 de Haiku. Pero en FrontierCode 2.0, con tareas reales de ingeniería juzgadas por si el cambio se puede integrar, Haiku 5.5 gana con 34,9 % frente a 27,2 % de Ember.
Ese detalle ordena la lectura completa. Ember no viene a resolver el problema más duro del equipo, viene a cargar el volumen diario sin disparar la factura. Para los problemas más exigentes, Meta propone emparejarlo con Muse Wonder: Wonder planifica y Ember ejecuta la parte repetida, una división que la empresa repite en todo el anuncio.
La comparación interna también ayuda a ubicarlo. Muse Spark 1.3 marca 37 puntos en el índice de Artificial Analysis, apenas un punto más que Ember, pero cada tarea le cuesta US$2,39 frente a los US$0,14 de Ember, con precios de lista de US$1,25 por millón de tokens de entrada y US$4,25 de salida. La brecha no es de inteligencia, es de costo por paso.
Ember trabaja con texto, imágenes, audio y video en el mismo modelo. Un agente puede leer una captura de pantalla, revisar un documento escaneado o trabajar desde una nota de voz sin cambiar de herramienta, y su ventana de 1 millón de tokens admite un proyecto de código completo o un paquete grande de documentos en una sola llamada.
El punto débil queda a la vista
Artificial Analysis señala el conocimiento general como su flanco flojo. En la medición de omnisciencia de esa firma, Ember acierta 21,1 % frente a 34,7 % de Haiku 5.5, y rehúsa buena parte de las preguntas de conocimiento directo. Traducido a uso real: sirve para ejecutar pasos con datos que el propio sistema le entrega, no para responder de memoria como un asistente general.
Meta informó que Ember pasó la evaluación de su marco de superinteligencia, con pruebas de riesgo químico y biológico, de ciberseguridad y de pérdida de control, y que quedó por debajo de los umbrales de riesgo alto en las categorías revisadas. La empresa añade que el modelo recibió la misma formación y las mismas pruebas centrales de seguridad que sus modelos grandes, pese a su tamaño.
Las primeras empresas que lo probaron lo usaron en trabajo concreto. Box contó que Ember revisa contratos cláusula por cláusula contra la guía de negociación de una empresa y entrega la calificación de riesgo correcta, y que también criba candidatos contra un perfil detallado marcando los casos dudosos. Box, Cline, Oracle, Cloudflare y You.com figuran entre los socios tempranos citados por Meta.
El acceso arranca en la API de modelos de Meta y en Muse Code, con el identificador muse-ember-1.0, soporte para la API de Respuestas y entrada en caché a US$0,004 por millón de tokens. Ember, Spark y Wonder quedaron disponibles también en Google Cloud y en Oracle Cloud, datos del anuncio oficial.
Otro dato cierra el círculo de familia: Ember es el primer modelo entrenado con Muse Wonder Full, el modelo más grande de Meta. El grande enseñó al chico, y el chico salió a cobrar centavos por tarea.
Para quien monta agentes en español para clientes de América Latina y del mercado hispano de Estados Unidos, esa rebaja de costo por paso decide si un agente puede quedar encendido todo el día o solo se enciende para demostraciones.
Fuente: Meta AI Research
