Meta Muse Ember alcança Claude Haiku 5.5 em pontuação e custa um terço por tarefa

Modelos baratos geralmente perdem para os caros não em benchmarks vistosos, mas na conta do mês: um agente dá dezenas de passos, e cada um arrasta consigo o contexto. A Meta decidiu atacar exatamente aí. Seu novo modelo Muse Ember marca 36 pontos no Artificial Analysis Intelligence Index, o mesmo que o Claude Haiku 5.5 nas configurações máximas, mas custa US$ 0,14 por tarefa contra US$ 0,41.

De onde vem a economia

O preço por token do Ember é o mesmo do Haiku 5.5 e do GPT-6 Luna: US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de saída. A diferença está em dois pontos. Primeiro, a entrada em cache custa US$ 0,004 por milhão, ou seja, 60% menos que a concorrência, e em cenários com agentes é justamente ela que compõe a maior parte da conta. Segundo, no modo máximo o Ember gera cerca de um terço dos tokens de saída do Haiku.

Imagine um agente que relê o mesmo repositório vinte vezes seguidas. Com cache caro, essas repetições devoram o orçamento; com cache barato, viram centavos. Por isso, comparar modelos pelo preço por token aqui não faz sentido: o que é preciso calcular é o custo da tarefa concluída.

No modo xhigh, o Ember marca 34 pontos por US$ 0,12. O Muse Wonder, de linha superior, entrega 44 pontos, mas por US$ 6,95 por tarefa. É cerca de 50 vezes mais caro por oito pontos adicionais. Para cenários de grande escala, essa troca raramente se justifica.

Onde o modelo é forte e onde não é

O melhor resultado é o AutomationBench-AA, benchmark de automação de fluxos de trabalho: 68,1%, no mesmo nível do Muse Wonder. No GDP.pdf o Ember supera o Haiku (22,8% contra 20,8%), enquanto no AA-Briefcase fica atrás (1521 contra 1574 Elo).

Em código, o quadro é misto. No Terminal-Bench 4.0 o Ember está à frente: 40,9% contra 32,8%. No FrontierCode 2.0 o Haiku está à frente: 34,9% contra 27,2%. Já no agente próprio, o Muse Code, o modelo marca 46 pontos no Coding Agent Index, enquanto o Haiku no Claude Code obtém 37 e o GPT-6 Luna no Codex, 31. A vantagem vem do SWE-Atlas-QnA-AA e do Terminal-Bench.

Uma ressalva: esta é uma comparação de conjuntos «modelo mais arcabouço», e não de modelos puros. Parte da vitória do Ember pode se explicar pelo fato de o Muse Code ser ajustado para ele.

Conhecimento: ponto fraco com uma vantagem inesperada

A precisão do Ember no AA-Omniscience é de apenas 21,1%. É o menor índice entre modelos de inteligência comparável: o Haiku 5.5 tem 34,7% e o Gemini 3.8 Flash (high), 50,5%. Mas a causa não é que o modelo invente coisas. Ele simplesmente se recusa a responder 64% das perguntas. Com isso, sua taxa de alucinações é de 17,4%, metade da do Haiku.

Na prática, isso significa que o Ember admite com mais honestidade que não sabe, em vez de mentir com convicção. Para um produto em que o custo do erro é alto, esse comportamento pode ser mais útil do que uma precisão maior com mais invenções.

O que fazer com isso

O modelo está disponível apenas pela API própria da Meta e no Muse Code, então a dependência de uma única plataforma permanece. Todos os números são medições de um único laboratório independente, e nas suas tarefas o resultado pode ser diferente.

A conclusão prática é simples. Se você constrói agentes com contexto longo, em que a entrada em cache domina, rode o Ember nos seus próprios traces e compare o custo da tarefa, e não do token. Para perguntas de consulta sem busca ou RAG conectados, é melhor não usá-lo: falta conhecimento. E se o seu agente é voltado ao terminal e à automação de fluxos de trabalho, vale testar o Ember como substituto barato do Haiku.