Meta ha presentado Muse Ember, un modelo de inteligencia artificial diseñado para ejecutar tareas repetitivas de programación y automatización mediante agentes. La compañía lo define como su modelo más pequeño y eficiente hasta la fecha y lo orienta a operaciones como analizar documentos, extraer información, realizar llamadas a herramientas y resolver subtareas de desarrollo de software.
Disponible desde el 9 de noviembre a través de Meta Model API y Muse Code, Muse Ember amplía la familia de modelos Muse, en la que también se encuentran Muse Spark y Muse Wonder. Su principal argumento comercial es el coste: Meta fija el precio en 0,10 dólares por millón de tokens de entrada, unos 0,09 euros, y 0,50 dólares por millón de tokens de salida, alrededor de 0,43 euros.
Un modelo pensado para los agentes de IA
Muse Ember no está concebido para sustituir a los modelos de mayor capacidad en cualquier tarea de programación. Su especialidad son los trabajos acotados que los agentes ejecutan repetidamente: leer archivos, lanzar pruebas, aplicar correcciones concretas, clasificar información o utilizar herramientas externas.
La propuesta de Meta consiste en repartir el trabajo entre distintos modelos. Muse Wonder puede encargarse de la planificación y el razonamiento más complejo, mientras que Ember ejecuta numerosas subtareas con un coste inferior. Muse Spark ocupa una posición intermedia para flujos de trabajo que necesitan más capacidad de razonamiento que las operaciones rutinarias.
El modelo admite una ventana de contexto de hasta un millón de tokens y puede generar hasta 512.000 tokens de salida. También procesa de forma nativa texto, imágenes, audio y vídeo, una capacidad que permite utilizarlo para analizar capturas de pantalla, documentos escaneados, grabaciones y otros contenidos multimodales.
Meta destaca su rendimiento frente a otros modelos
La compañía ha publicado resultados de distintas pruebas para respaldar la eficiencia de Muse Ember. En Terminal-Bench 4.0, un benchmark centrado en tareas de programación ejecutadas por agentes, obtiene una puntuación de 40,9%, frente al 39,2% de Claude Haiku 5.5 y el 16,4% de GPT-6 Luna, según los datos recogidos por Meta.
El resultado no se repite en todas las evaluaciones. En FrontierCode 2.0, que analiza tareas de ingeniería de software y la calidad de las soluciones, Claude Haiku 5.5 alcanza el 34,9%, por delante del 27,2% de Muse Ember y el 25,2% de GPT-6 Luna.
Meta también destaca sus resultados en AutomationBench y Agents’ Last Exam, pruebas centradas en la ejecución de flujos de trabajo y tareas con agentes. Estas cifras proceden de evaluaciones de la compañía y de Artificial Analysis, por lo que conviene tener en cuenta la metodología y las condiciones de cada benchmark al compararlas.
Disponible en la API y en Muse Code
Muse Ember ya puede utilizarse mediante Meta Model API con el identificador muse-ember-1.0, además de estar integrado en Muse Code. Su tarifa estándar es de 0,10 dólares por millón de tokens de entrada y 0,50 dólares por millón de tokens de salida. Para los tokens de entrada almacenados en caché, el precio anunciado es de 0,004 dólares por millón.
Meta asegura que el modelo se ha sometido a evaluaciones de seguridad relacionadas con riesgos químicos y biológicos, ciberseguridad y pérdida de control. Según la compañía, los resultados se mantienen por debajo de los umbrales de alto riesgo definidos en su marco de evaluación. También señala que ha probado su comportamiento cuando actúa en nombre de los usuarios, incluida su resistencia a instrucciones maliciosas ocultas en páginas web o documentos.
Con Muse Ember, Meta busca reducir el coste de ejecutar agentes que necesitan realizar muchas operaciones pequeñas y frecuentes. La estrategia no pasa únicamente por desarrollar modelos cada vez más potentes, sino por combinar distintas capacidades para ajustar el coste y el rendimiento al tipo de trabajo que debe resolver cada agente.
