El nuevo modelo de Meta ofrece un millón de tokens de contexto y precios desde 0.10 dólares por millón de tokens de entrada. En evaluaciones de Artificial Analysis, iguala a Claude Haiku 5.5 en el índice general y obtiene mejores resultados que GPT-6 Luna en automatización de tareas, aunque no lidera todas las pruebas.
Meta presentó este lunes 9 de noviembre de 2026 Muse Ember, su modelo de inteligencia artificial más pequeño y eficiente hasta la fecha, diseñado para ejecutar tareas repetitivas dentro de sistemas de agentes autónomos. La compañía afirma que su nueva tecnología ofrece una relación entre rendimiento y costo superior a la de Claude Haiku 5.5, de Anthropic, y GPT-6 Luna, de OpenAI, con capacidades para programar, utilizar herramientas, procesar documentos extensos y automatizar operaciones empresariales.
El lanzamiento forma parte de la estrategia de Meta Superintelligence Labs para desarrollar modelos especializados a partir de sus sistemas de mayor capacidad. Muse Ember fue entrenado utilizando Muse Wonder Full, el modelo avanzado presentado en octubre, y está pensado para asumir las operaciones de gran volumen que no necesariamente requieren utilizar un modelo de frontera en cada paso.
Según los resultados publicados por Meta y atribuidos a Artificial Analysis, Muse Ember alcanzó 36 puntos en el índice general de inteligencia, la misma puntuación que Claude Haiku 5.5 y por encima de los 28 puntos obtenidos por GPT-6 Luna, todos bajo configuraciones de razonamiento máximo. El resultado adquiere relevancia porque el nuevo modelo tiene un precio considerablemente menor por millón de tokens procesados.
Muse Ember supera a sus competidores en automatización de tareas
Una de las diferencias más importantes aparece en AutomationBench-AA, una evaluación de 657 tareas de trabajo empresarial desarrollada a partir de entornos simulados de aplicaciones como Gmail, Salesforce y Slack. En esta prueba, los agentes deben completar operaciones mediante interfaces de programación, modificar registros y cumplir todos los objetivos de una tarea sin violar las restricciones establecidas. La puntuación corresponde al porcentaje de trabajos terminados correctamente en un intento.
Muse Ember completó satisfactoriamente el 37.8% de las tareas, frente al 20.2% de GPT-6 Luna y el 13.9% de Claude Haiku 5.5, según los resultados de Artificial Analysis reproducidos por Meta. La diferencia sugiere una ventaja del nuevo modelo en este conjunto específico de procesos empresariales, aunque ninguno de los tres logró completar correctamente la mayoría de las tareas evaluadas.
En programación, Muse Ember también obtuvo resultados competitivos. Alcanzó 40.9% en Terminal-Bench 4.0, frente al 39.2% de Claude Haiku 5.5 y el 16.4% de GPT-6 Luna. Sin embargo, esta comparación utiliza distintos entornos de agentes: mini-swe-agent para Ember, Claude Code para Haiku y Codex para Luna, por lo que las diferencias no pueden atribuirse exclusivamente a la capacidad de los modelos.
Los resultados tampoco representan una superioridad general de Ember. En FrontierCode 2.0, una evaluación de tareas de ingeniería de software basada en la posibilidad de integrar los cambios propuestos en proyectos reales, Claude Haiku 5.5 consiguió 34.9%, por encima del 27.2% de Muse Ember y del 25.2% de GPT-6 Luna.
Un millón de tokens de contexto para documentos y código
Muse Ember incorpora una ventana de contexto de un millón de tokens y admite hasta 512,000 tokens de salida, según las especificaciones publicadas por Meta. Esta capacidad permite trabajar con repositorios de programación, colecciones documentales y grandes cantidades de información dentro de una misma solicitud, aunque el rendimiento efectivo depende de la complejidad de cada tarea.
El modelo también admite información multimodal. Puede analizar texto, imágenes, audio y video, una característica que permite a los agentes interpretar capturas de pantalla, documentos escaneados, gráficos, grabaciones de reuniones y contenido audiovisual sin recurrir necesariamente a un modelo distinto para cada formato.
Estas capacidades están orientadas a sistemas que realizan numerosas operaciones consecutivas. Un agente encargado de analizar contratos, por ejemplo, podría identificar cláusulas, consultar políticas de una empresa, comparar condiciones y organizar resultados. En programación, podría revisar archivos, ejecutar pruebas o proponer correcciones específicas bajo la coordinación de un sistema más amplio.
Meta apuesta por reducir el costo de los sistemas multiagente
El precio representa uno de los principales argumentos comerciales del lanzamiento. Muse Ember está disponible mediante Meta Model API con una tarifa de 0.10 dólares por millón de tokens de entrada y 0.50 dólares por millón de tokens de salida. La compañía también establece un precio de 0.004 dólares por millón de tokens de entrada recuperados de caché.
Según los cálculos presentados por Meta con información de Artificial Analysis, el nuevo modelo puede alcanzar un nivel de rendimiento general similar al de Claude Haiku 5.5 con aproximadamente un tercio de su costo por tarea. Para su configuración de razonamiento máximo, el costo promedio estimado de Muse Ember ronda los 0.14 dólares por tarea del índice. Estas cifras corresponden a las condiciones de la evaluación y no representan un precio fijo para cualquier operación empresarial.
La estrategia consiste en distribuir el trabajo entre modelos de distinta capacidad. Muse Wonder podría encargarse de planificar y resolver los problemas más complejos, mientras Muse Ember ejecutaría numerosas operaciones pequeñas, como clasificar información, consultar herramientas y procesar documentos.
Esta división permitiría evitar que cada operación de un sistema multiagente requiera utilizar el modelo más costoso de la familia. Sin embargo, su eficiencia dependerá de la coordinación entre modelos, los tokens utilizados, las herramientas disponibles y la frecuencia con la que sea necesario revisar o repetir una tarea. La compañía también presentó una comparación con Muse Spark 1.3. En el índice de Artificial Analysis, Ember alcanzó 36 puntos frente a 37 de Spark, pero el costo estimado por tarea fue de 0.14 dólares para Ember y 2.39 dólares para Spark. Esto representa una diferencia considerable para aplicaciones que necesitan ejecutar miles de solicitudes.
Empresas prueban el modelo en programación y análisis documental
Meta informó que organizaciones como Box, Cline, Oracle, Cloudflare y You.com participaron en pruebas tempranas del modelo. Box destacó su capacidad para revisar contratos y evaluar documentos empresariales, mientras Cline señaló su utilidad en tareas de programación delegadas a subagentes. Oracle reportó resultados prometedores en problemas de ingeniería y Cloudflare destacó mejoras de velocidad en sus propias evaluaciones.
En particular, Cloudflare afirmó haber observado una reducción de hasta 30% en los tiempos de respuesta de mayor latencia frente a un modelo comparable utilizado durante sus pruebas. You.com también comunicó resultados favorables en velocidad y consumo de tokens. Estas declaraciones corresponden a experiencias reportadas por los socios comerciales de Meta, no a una comparación independiente y estandarizada de todos los modelos disponibles.
Los resultados requieren distinguir pruebas independientes e internas
Aunque Meta utiliza resultados de Artificial Analysis para respaldar sus comparaciones, también incorpora evaluaciones realizadas por sus propios equipos. En Agents’ Last Exam, por ejemplo, Muse Ember alcanzó 61.6%, frente a 57.1% de GPT-6 Luna y 57% de Claude Haiku 5.5. Sin embargo, esta evaluación fue ejecutada internamente por Meta utilizando un subconjunto de tareas en Linux, por lo que no debe presentarse como una clasificación externa independiente.
El informe metodológico de la compañía reconoce además que algunas comparaciones utilizan herramientas o entornos distintos y que las configuraciones de los competidores pueden no estar optimizadas para cada evaluación. Por ello, los resultados ofrecen referencias sobre determinadas capacidades, pero no garantizan el mismo rendimiento en todos los sistemas de producción.
En materia de seguridad, Meta afirmó haber examinado Muse Ember bajo su marco de evaluación de riesgos avanzados, incluyendo escenarios relacionados con ciberseguridad, riesgos químicos y biológicos y pérdida de control. Según la empresa, el modelo permaneció por debajo de los umbrales de alto riesgo establecidos en ese marco. También evaluó su resistencia a instrucciones maliciosas ocultas en documentos y su comportamiento ante acciones de alto impacto. Estas conclusiones corresponden a las pruebas reportadas por la propia compañía.
Disponibilidad y una nueva estrategia para modelos pequeños
Muse Ember está disponible desde este 9 de noviembre mediante Meta Model API y Muse Code, bajo el identificador muse-ember-1.0. También ofrece compatibilidad con Responses API. Meta no anunció una publicación abierta de sus pesos, por lo que su disponibilidad comercial no equivale a poder descargarlo y ejecutarlo de manera independiente en infraestructura propia.
El lanzamiento amplía una familia que incluye Muse Wonder, orientado a problemas complejos, Muse Spark, enfocado en programación y procesos agentivos, y Muse Ember, especializado en operaciones repetitivas de menor costo. La compañía señaló que continúa entrenando modelos todavía más eficientes.
La aparición de Muse Ember refleja una transformación en la competencia por la inteligencia artificial. El desarrollo ya no se concentra exclusivamente en aumentar el rendimiento de los modelos más potentes, sino también en reducir los recursos necesarios para ejecutar aplicaciones de forma continua.
En los sistemas de agentes, una sola tarea puede requerir decenas o cientos de operaciones internas. Si cada una utiliza un modelo costoso, el gasto puede aumentar considerablemente. Los modelos pequeños especializados buscan resolver ese problema, siempre que mantengan niveles suficientes de precisión y fiabilidad.
Con Muse Ember, Meta intenta posicionarse en ese segmento mediante una combinación de capacidad multimodal, grandes ventanas de contexto y precios reducidos. Sus resultados frente a Claude Haiku 5.5 y GPT-6 Luna muestran avances relevantes en determinadas evaluaciones, pero su desempeño en aplicaciones reales será decisivo para establecer el alcance de esta propuesta.
