Pular para o conteúdo

Muse Ember: o modelo mais barato da Meta para agentes de IA

A Meta lançou em 9/11 o Muse Ember, seu menor modelo, a US$ 0,10 por milhão de tokens. Preço, contexto, benchmarks e o que a empresa não revelou.

Foto de Patrick Cardoso

Patrick Cardoso

Categoria Tecnologia
Muse Ember: o modelo mais barato da Meta para agentes de IA
Ilustração Editorial por IA / ai.patrickcardoso.

A Meta lançou em 9 de novembro de 2026 o Muse Ember, que a empresa chama de seu modelo “menor e mais eficiente”. O alvo é o trabalho repetitivo dos agentes de IA: chamadas de ferramenta, subtarefas de código, roteamento, extração de dados e leitura de documentos longos. O modelo custa US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de saída, e a Meta afirma que ele entrega mais inteligência por dólar do que o Claude Haiku 5.5, da Anthropic, e o GPT-6 Luna, da OpenAI.

O Muse Ember é a aposta da Meta no modelo pequeno que faz o volume enquanto um modelo maior planeja. O preço por token empata com os rivais; a vantagem que a Meta mostra está no custo por tarefa.

— Patrick Cardoso

O que a Meta anunciou

O lançamento saiu no blog de pesquisa da Meta e num post para desenvolvedores. Segundo a TechCrunch, o modelo vem do Meta Superintelligence Labs. A Meta diz que o Ember é o primeiro modelo treinado com o Muse Wonder Full, seu modelo de fronteira, e que ele fecha o portfólio da marca: o Muse Wonder para os problemas mais difíceis, o Muse Spark para código e fluxos com agentes e o Ember para tarefas repetíveis em escala.

A ideia de uso que a empresa repete é a divisão de papéis. Na frase do anúncio, citada pela TechCrunch, “o Muse Wonder planeja, o Muse Ember dá conta do volume”. Alexandr Wang, diretor de IA da Meta, repetiu a fórmula no X, segundo a VentureBeat. Mark Zuckerberg descreveu o Ember na mesma rede como “nosso menor modelo, com mais inteligência por dólar do que outros da sua classe”.

Especificações divulgadas

Pela página oficial, o modelo atende pelo identificador muse-ember-1.0 na Meta Model API e está no Muse Code, o agente de programação da empresa, em todos os planos de assinatura. A janela de contexto é de 1 milhão de tokens, com até 512 mil tokens de saída. A VentureBeat detalha os números listados pela Meta: 1.048.576 tokens de contexto e 524.288 de saída máxima.

O Ember aceita texto, imagem, áudio e vídeo. A VentureBeat acrescenta PDF à lista e informa que a saída é só texto. O esforço de raciocínio vai de mínimo a máximo, com o máximo como padrão. A API responde nos formatos Responses, Chat Completions e Messages, segundo a mesma reportagem; a Meta, na página de pesquisa, menciona o suporte à Responses API. A empresa diz que o Ember também está disponível no Google Cloud e no Oracle Cloud. A VentureBeat ressalva que a prévia do Google Cloud documenta só entrada de texto e imagem.

Os preços oficiais para prompts de até 200 mil tokens são US$ 0,10 por milhão de tokens de entrada, US$ 0,004 por milhão de tokens em cache e US$ 0,50 por milhão de saída. Acima de 200 mil tokens, sobem para US$ 0,30, US$ 0,012 e US$ 1,50. A VentureBeat lembra que a tarifa maior vale para a requisição inteira, incluindo a saída.

O que a Meta não revelou

A Meta não divulgou o número de parâmetros nem liberou os pesos. A VentureBeat registra isso de forma explícita e observa que, por esse motivo, não dá para comparar o tamanho do Ember com modelos abertos. “Menor” é a descrição da própria empresa em relação aos outros modelos Muse; nenhuma das fontes consultadas traz uma medida de tamanho.

Os números e de onde vêm

Parte dos resultados vem da Artificial Analysis, empresa independente de avaliação, e parte de testes internos da Meta. A página de lançamento separa os dois.

No Intelligence Index da Artificial Analysis, em esforço máximo, o Ember marcou 36, o mesmo número arredondado do Claude Haiku 5.5. Sem arredondar, segundo o gráfico da Meta, são 35,8 contra 36,2. O custo estimado por tarefa do índice foi de cerca de US$ 0,14 para o Ember e US$ 0,41 para o Haiku. O GPT-6 Luna, no ajuste mais alto, chegou a 27,8 a cerca de US$ 0,15 por tarefa. A Meta avisa no gráfico que os custos do Ember são estimativas calculadas com o preço de tabela.

A VentureBeat relata que a Artificial Analysis atribui parte da vantagem de custo ao cache mais barato e ao fato de o Ember ter usado cerca de um terço dos tokens de saída do Haiku no esforço máximo. A mesma reportagem nota que o preço por token do Ember, até 200 mil tokens, é igual ao preço inicial do Haiku 5.5 e do GPT-6 Luna. A TechCrunch, por outro lado, escreveu que o Ember é “significativamente mais barato” que os dois. A diferença aparece no custo por tarefa medido, que depende de quantos tokens cada modelo gasta.

A maior vantagem está em fluxos de negócio. No AutomationBench-AA, que simula agentes trabalhando em aplicativos corporativos, o Ember completou 37,8% das tarefas na primeira tentativa, contra 20,2% do Luna e 13,9% do Haiku. No Terminal-Bench 4.0, ficou com 40,9%, perto dos 39,2% do Haiku; cada modelo rodou no seu próprio ambiente (mini-swe-agent, Claude Code e Codex), o que limita a comparação.

Os resultados de código são mistos. No FrontierCode 2.0-AA, que avalia se a alteração está pronta para ser integrada, o Haiku lidera com 34,9% contra 27,2% do Ember. No OSWorld 2.1, teste interno da Meta de uso do computador, o Ember tem 69,5% com crédito parcial, mas cai para 33,8% quando a tarefa só conta se for concluída por inteiro. A VentureBeat conclui que os números favorecem dar ao Ember tarefas delimitadas, com uma checagem clara, em vez de entregar a ele um ticket inteiro de engenharia sem supervisão.

Na comparação interna com o Muse Spark 1.3, o Ember marcou 36 contra 37 no índice da Artificial Analysis, com custo por tarefa de US$ 0,14 contra US$ 2,39, segundo a Meta.

Exemplos e parceiros

No post para desenvolvedores, a Meta descreve uma migração de 16 analisadores léxicos do Pygments, de Python para Rust. O Muse Wonder planejou e supervisionou; 16 agentes rodando o Ember fizeram as conversões em paralelo. A empresa diz que todos passaram nos testes e que a execução custou cerca de US$ 3,96, e avisa que os resultados variam de uma rodada para outra.

A página de lançamento traz depoimentos de Box, Cline, Oracle, Cloudflare e You.com. O CTO da Cloudflare, Dane Knecht, diz que o Ember rodou até 30% mais rápido na cauda de latência do que o modelo comparável testado pela empresa. A You.com cita latência p95 de 2,2 segundos nos seus testes. São números dos parceiros, publicados pela Meta.

Sobre segurança, a Meta afirma ter avaliado o Ember no seu Meta Superintelligence Scaling Framework, em riscos químicos e biológicos, cibersegurança e perda de controle, e que o modelo ficou abaixo dos limiares de alto risco. A VentureBeat informa que, segundo a Meta, o conteúdo enviado à API no modo padrão não é usado para treinar modelos.

Onde o Ember entra na linha Muse

Pela TechCrunch, o Ember é o quarto modelo da marca Muse, depois do Spark (abril), do Glimmer, versão de código aberto (agosto), e do Wonder (outubro). A VentureBeat lista também o Muse Spark Open, de pesos abertos, lançado dias depois do Wonder, o que torna a contagem de “quarto modelo” discutível. O assistente de consumo, o Muse Agent, saiu em setembro, segundo a TechCrunch.

A Meta diz ter “modelos ainda mais eficientes em treinamento”, sem dar data.

O que não está confirmado

O tamanho do modelo e o número de parâmetros não foram divulgados. Os benchmarks marcados como internos (Agents’ Last Exam, Personal Superintelligence Index, OSWorld 2.1 e PerceptionBench) são da Meta e não têm verificação externa nas fontes consultadas. Os custos por tarefa do Ember são estimativas da Meta com preço de tabela. A avaliação de segurança é declarada pela empresa, sem relatório independente nas reportagens. Não há, nas fontes, informação sobre disponibilidade ou preço específico no Brasil.

Fontes

Tags relacionadas

Compartilhar

Newsletter

Novos posts direto no seu e-mail

Quando publicar algo novo, você recebe primeiro — sem feed, sem algoritmo.

Sem spam. Cancele quando quiser.

Continue lendo

Leituras relacionadas