Meta lanza Muse Ember, un modelo de IA económico diseñado para tareas repetitivas de agentes

Qué podrías hacer con él

• Un desarrollador podría ejecutar cientos de automatizaciones de negocio al estilo Zapier, como enrutar datos, llamar a herramientas y analizar documentos largos, por alrededor de un tercio del costo de modelos rivales ¹.
• Una empresa podría cargar una base de código completa o un conjunto de documentos en un solo prompt gracias a la ventana de contexto de 1 millón de tokens del modelo y recibir hasta 512K tokens de salida ².
• Un desarrollador podría construir un agente que supervise pantallas de computadora mediante capturas de pantalla y opere aplicaciones de escritorio sin necesidad de un modelo de visión separado ².

Para qué sirve Muse Ember

Muse Ember es el cuarto modelo bajo la marca Muse de Meta, situándose por debajo de Wonder y Spark en capacidad. Mientras los modelos más grandes se encargan de planificación y codificación compleja, Ember toma el trabajo repetible que llena la agenda de un agente: llamadas a herramientas, decisiones de enrutamiento, extracción de datos y análisis de documentos largos ¹².

Entiende nativamente texto, imágenes, audio y video, por lo que un agente puede leer capturas de pantalla, gráficos, páginas escaneadas, notas de voz y grabaciones de reuniones sin cambiar a un modelo separado ². Meta también señaló que puede operar aplicaciones de escritorio observando sus pantallas .

Rendimiento de un vistazo

En el ranking principal de inteligencia de Meta de Artificial Analysis, Ember obtiene 36 puntos en esfuerzo máximo de razonamiento — empatando con Claude Haiku 5.5 y superando GPT-6 Luna, que se sitúa en 28 ¹².

Su área más fuerte son los flujos de trabajo de automatización. En AutomationBench-AA, que prueba 657 automatizaciones reales de negocio tipo Zapier, Ember completa el 37,8 % de las tareas, muy por delante del 20,2 % de Luna y el 13,9 % de Haiku ¹². En benchmarks específicos de codificación es más mixto: lidera Terminal-Bench 4.0 con 40,9 pero queda por detrás de Haiku en FrontierCode 2.0-AA, con 27,2 frente a los 34,9 de este último .

## Precio frente a rivales

La tarifa básica de Ember coincide con la de servicios competidores: $0,10 por cada millón de tokens de entrada y $0,50 por cada millón de tokens de salida. Pero Meta dice que cada tarea real cuesta alrededor de un tercio porque Ember usa menos tokens para hacer el mismo trabajo [2]. A esfuerzo máximo de razonamiento, Meta fija el costo en $0,136 por tarea según Artificial Analysis, comparado con $0,411 para Haiku y $0,152 para Luna [1][2].

Los prompts largos amplían aún más la diferencia. Haiku agrega recargos por encima de 100.000 tokens de prompt, mientras que Luna multiplica por dos su tarifa de entrada por encima de 272.000 tokens. Meta no ofrece ninguna capa de contexto largo para Ember [1].

## Cómo conseguirlo

Ember tiene pesos cerrados, lo que significa que no puedes ejecutarlo localmente en tu propia GPU o laptop. Está disponible solo a través de la [[Meta Model API]] alojada y dentro de [[Muse Code]], el agente de codificación de Meta [1][3]. Soporta la API Responses compatible con OpenAI, por lo que el código existente que apunta a OpenAI debería funcionar mayormente con un cambio de configuración [3]. Los socios de pruebas tempranas incluyen [[Box]], [[Cline]], [[Oracle]], [[Cloudflare]] y [[You.com]] [1]. El modelo lanzó el 9 de noviembre de 2026 [1].

*Esta noticia informa sobre una tendencia con fines informativos. No constituye asesoramiento ni ánimo para realizar ninguna de estas acciones.*

## Key facts

- Muse Ember puntuá 36 en el Índice de Inteligencia de Artificial Analysis, empatando con Claude Haiku 5.5 y superando GPT-6 Luna
- Cuesta alrededor de $0,136 por tarea, aproximadamente un tercio del $0,411 de Claude Haiku 5.5
- Ventana de contexto de 1 millón de tokens con hasta 512K tokens de salida — cuatro veces el límite rival
- Más fuerte en flujos de trabajo de automatización (37,8 % en AutomationBench-AA), más débil en tareas de código real fusionable (27,2 % en FrontierCode)
- Disponible solo vía Meta Model API y Muse Code; los pesos son cerrados y no existe opción local


## Sources

1. [Meta Releases Muse Ember, a 1M-Context Model for High-Volume Agent Work](https://www.marktechpost.com/2026/11/09/meta-muse-ember-small-agent-model/) — marktechpost.com
2. [Introducing Our Smallest, Most Efficient Model: Muse Ember](https://research.meta.ai/blog/muse-ember)
3. [Meta Model API](https://developer.meta.com/ai/products/meta-model-api/)