Meta Muse Ember iguala a Claude Haiku 5.5 en puntuación y cuesta un tercio por tarea

Los modelos baratos suelen perder frente a los caros no en benchmarks llamativos, sino en la factura mensual: un agente da decenas de pasos y cada uno arrastra consigo el contexto. Meta decidió atacar justo ahí. Su nuevo modelo Muse Ember obtiene 36 puntos en el Artificial Analysis Intelligence Index, igual que Claude Haiku 5.5 con la configuración máxima, pero cuesta $0,14 por tarea frente a $0,41.

De dónde viene el ahorro

El precio por token de Ember es el mismo que el de Haiku 5.5 y GPT-6 Luna: $0,10 por millón de tokens de entrada y $0,50 por millón de salida. La diferencia está en dos puntos. Primero, la entrada en caché cuesta $0,004 por millón, es decir, un 60 % menos que la competencia, y en escenarios con agentes es precisamente la que constituye la mayor parte de la factura. Segundo, en el modo máximo Ember genera aproximadamente un tercio de los tokens de salida que Haiku.

Imagine un agente que relee veinte veces seguidas el mismo repositorio. Con una caché cara, esas repeticiones devoran el presupuesto; con una barata, se convierten en céntimos. Por eso comparar modelos por el precio por token carece aquí de sentido: lo que hay que calcular es el coste de la tarea completada.

En el modo xhigh, Ember obtiene 34 puntos por $0,12. La Muse Wonder, de gama superior, ofrece 44 puntos, pero a $6,95 por tarea. Es aproximadamente 50 veces más caro por ocho puntos adicionales. Para escenarios masivos, ese intercambio rara vez se justifica.

Dónde es fuerte el modelo y dónde no

Su mejor resultado es AutomationBench-AA, un benchmark de automatización de flujos de trabajo: 68,1 %, a la par de Muse Wonder. En GDP.pdf Ember supera a Haiku (22,8 % frente a 20,8 %), mientras que en AA-Briefcase queda por detrás (1521 frente a 1574 Elo).

En programación el panorama es mixto. En Terminal-Bench 4.0 Ember va por delante: 40,9 % frente a 32,8 %. En FrontierCode 2.0 va por delante Haiku: 34,9 % frente a 27,2 %. En cambio, en su propio agente Muse Code el modelo obtiene 46 puntos en el Coding Agent Index, mientras que Haiku en Claude Code obtiene 37 y GPT-6 Luna en Codex, 31. La ventaja la aportan SWE-Atlas-QnA-AA y Terminal-Bench.

Una salvedad: es una comparación de combinaciones de «modelo más entorno», no de modelos puros. Parte de la victoria de Ember podría explicarse porque Muse Code está optimizado para él.

Conocimientos: un punto débil con una ventaja inesperada

La precisión de Ember en AA-Omniscience es de solo el 21,1 %. Es la cifra más baja entre modelos de inteligencia comparable: Haiku 5.5 tiene 34,7 % y Gemini 3.8 Flash (high), 50,5 %. Pero la causa no es que el modelo se invente cosas. Simplemente se niega a responder el 64 % de las preguntas. Como resultado, su tasa de alucinaciones es del 17,4 %, la mitad que la de Haiku.

En la práctica, esto significa que Ember admite su desconocimiento con más honestidad en lugar de mentir con aplomo. Para un producto donde el coste de un error es alto, este comportamiento puede ser más útil que una mayor precisión con más invenciones.

Qué hacer con esto

El modelo solo está disponible a través de la API propia de Meta y en Muse Code, por lo que persiste la dependencia de una sola plataforma. Todas las cifras son mediciones de un único laboratorio independiente, y en sus tareas el resultado puede variar.

La conclusión práctica es sencilla. Si construye agentes con contexto largo donde domina la entrada en caché, pruebe Ember con sus propias trazas y compare el coste de la tarea, no del token. Para preguntas de consulta sin búsqueda ni RAG conectados, es mejor no usarlo: le faltan conocimientos. Y si su agente está orientado a la terminal y a la automatización de flujos de trabajo, vale la pena probar Ember como sustituto barato de Haiku.