Meta lanza Muse Ember: un modelo 17 veces más barato que Muse Spark con casi la misma puntuación

Gran parte del trabajo de un agente de IA es aburrido. Llama a APIs, decide a qué herramienta pasar una solicitud, extrae campos de un correo y repasa un PDF largo. Para todo eso no hace falta el modelo más inteligente del mercado, pero muchos equipos pagan por él de todos modos porque es más sencillo. Meta apuesta a que pronto esto dejará de ser la norma y lanza Muse Ember.

Qué es este modelo

Muse Ember es el modelo más pequeño y eficiente de Meta hasta la fecha. No apunta a los chatbots, sino a los caballos de batalla de los sistemas de agentes: llamadas a herramientas, tareas pequeñas de código, enrutamiento de solicitudes, extracción de datos y procesamiento de documentos largos. El modelo es multimodal: acepta texto, imágenes, audio y vídeo. La ventana de contexto llega a un millón de tokens.

Ya está disponible a través de Meta Model API y Muse Code. El precio es de $0,10 por millón de tokens de entrada y $0,50 por millón de salida. Como referencia, un documento de 100 000 tokens costará aproximadamente un centavo en la entrada. La salida es más cara, pero en las tareas rutinarias suele ser corta: un JSON, una etiqueta de clase, el nombre de una función.

Las cifras: qué impresiona y qué conviene comprobar

El argumento principal de Meta es la «inteligencia por dólar». Según la compañía, en cada nivel de razonamiento Ember supera en este indicador a Claude Haiku 5.5 y GPT-6 Luna. El ejemplo más claro es la comparación con su propio modelo mayor. En la prueba de Artificial Analysis, Ember obtiene 36 puntos en el índice de inteligencia y Muse Spark 1.3, 37. Sin embargo, una tarea en Ember cuesta alrededor de $0,14 y en Spark, $2,39. Es una diferencia de casi 17 veces por un solo punto del índice.

Hay matices. El liderazgo en la mayoría de las pruebas proviene de los tests de la propia Meta, y este tipo de mediciones tradicionalmente se eligen para resaltar los puntos fuertes del modelo. Artificial Analysis, que es independiente, confirma las cifras de precio e índice, pero eso no elimina la necesidad de probar con tus propios datos.

La principal debilidad es el código real. En FrontierCode 2.0-AA, Haiku obtiene 34,9% y Ember, 27,2%. Es una brecha notable: el modelo funciona bien en pequeñas correcciones y llamadas a funciones, pero no cabe esperar que sustituya a un modelo potente en tareas complejas de programación.

Qué hacer en la práctica

El escenario más sensato es una cascada. El modelo barato asume el flujo de operaciones repetitivas: clasificación de solicitudes entrantes, análisis de documentos, llamadas a herramientas, relleno de estructuras. El caro interviene solo cuando la tarea es realmente compleja, por ejemplo, al refactorizar un repositorio grande. Si ahora toda la cadena del agente funciona con un modelo estrella, conviene calcular qué proporción de las llamadas se podría pasar a Ember sin perder calidad.

Qué comprobar en primer lugar:

• la precisión de las llamadas a herramientas con tus propios esquemas de funciones, no con benchmarks públicos;
• la estabilidad en documentos largos: un millón de tokens en la especificación no garantiza que el modelo no pierda detalles en la parte central;
• el coste en una tarea real, no por token: un modelo con razonamiento puede gastar más tokens de salida de lo que sugiere la tarifa;
• el comportamiento con entradas multimodales, si tu pipeline incluye audio o vídeo.

Otro punto: Ember solo está disponible dentro del ecosistema de Meta: Model API y Muse Code. Para los equipos ya vinculados a otros proveedores, esto implica una integración adicional y dudas sobre la dependencia del proveedor.

La conclusión es sencilla. El mercado de modelos pequeños se desplaza de «cuán inteligente es» a «cuánto cuesta una tarea completada». Muse Ember es un argumento sólido a favor de ese cambio, pero conviene elegirlo según tus propias mediciones: para la rutina resulta muy rentable, mientras que para código serio todavía queda por detrás de Haiku.