IAGenerado
EN · IT · ES
Modelos

Muse Ember

Muse Ember es el modelo de IA más económico de Meta hasta la fecha, diseñado para manejar las tareas repetitivas diarias que hacen los agentes de IA, como hacer llamadas a herramientas, ejecutar código y leer documentos largos, a aproximadamente un tercio del costo de los modelos rivales para trabajos similares.

3 historias, cubiertas por primera vez el 10 de noviembre de 2026.

Qué es

Muse Ember es un modelo pequeño de IA publicado por Meta en noviembre de 2026. Es el cuarto modelo bajo la marca Muse de Meta, por debajo de Wonder y Spark en capacidad general. A diferencia de esos modelos más grandes, que manejan planificación compleja y codificación intensiva, Ember está orientado directamente a los trabajos rutinarios y repetibles que llenan la agenda de un agente de IA: hacer llamadas a herramientas, enrutar solicitudes, extraer datos, analizar documentos largos y ayudar con subtareas de programación.

El modelo comprende de forma nativa texto, imágenes, audio y video, por lo que un agente puede procesar capturas de pantalla, gráficos, páginas escaneadas, notas de voz y grabaciones de reuniones sin cambiar a un modelo separado. También cuenta con una ventana de contexto de un millón de tokens —suficiente para alimentar una base de código completa o un conjunto grande de documentos— y puede producir hasta 512K tokens de salida. Meta dice que puede operar aplicaciones de escritorio observando sus pantallas mediante capturas.

Por qué importa

Por cada millón de tokens de entrada, Ember cuesta $0,10, y los tokens de salida cuestan $0,50 por millón. Esas son los mismos precios de lista que los modelos económicos rivales Claude Haiku 5.5 y GPT-6 Luna. Pero Meta afirma que cada tarea real cuesta aproximadamente un tercio porque Ember usa menos tokens para completar el mismo trabajo. En las pruebas de benchmarks de Artificial Analysis con esfuerzo máximo de razonamiento, Ember obtuvo 36, igualando a Haiku y superando a Luna, que obtuvo 28. Los costos por tarea en esas prueba fueron de unos $0,14 para Ember, $0,41 para Haiku y $0,15 para Luna.

En AutomationBench, que evalúa flujos de trabajo reales de automatización empresarial de principio a fin, Ember completó el 37,8 % de las tareas, en comparación con el 20,2 % de Luna y el 13,9 % de Haiku. También lidera en Terminal-Bench 4.0 con el 40,9 %. Sus resultados son mixtos en pruebas centradas en programación: en FrontierCode 2.0-AA, Haiku obtuvo 34,9 % frente al 27,2 % de Ember. Algunos resultados provienen de las pruebas internas de Meta.

Los precios cambian para prompts más largos. Los tres modelos admiten hasta un millón de tokens de entrada, pero cada uno incrementa su precio después de un umbral: Ember aumenta por encima de 200K tokens, mientras que Haiku aplica recargos por encima de 100K tokens y Luna por encima de 272K tokens.

Preguntas frecuentes

Preguntas frecuentes

Preguntas que la gente hace

¿Para qué tipo de tareas está diseñado Muse Ember?

Muse Ember está construido para el trabajo repetitivo y cotidiano que hacen los agentes de IA: hacer llamadas a herramientas, enrutar solicitudes, ejecutar subtareas de codificación, extraer datos de archivos y leer o resumir documentos largos. Maneja texto, imágenes, audio y video de forma nativa, por lo que los agentes pueden procesar capturas de pantalla, páginas escaneadas y grabaciones de voz sin necesidad de un modelo de visión separado.

¿Cuánto cuesta en comparación con los modelos rivales?

El precio de lista es de $0.10 por millón de tokens de entrada y $0.50 por millón de tokens de salida, lo mismo que Claude Haiku 5.5 y GPT-6 Luna. Sin embargo, Meta dice que las tareas reales cuestan aproximadamente un tercio porque Ember utiliza menos tokens para obtener el mismo resultado. En las pruebas de Artificial Analysis, los costos por tarea fueron de aproximadamente $0.14 para Ember frente a $0.41 para Haiku.

¿Cómo de bien rinde Muse Ember en las pruebas de referencia?

En la clasificación de inteligencia de Artificial Analysis con el máximo esfuerzo de razonamiento, Ember obtuvo una puntuación de 36, igualando a Haiku y superando a Luna con 28. Lidera AutomationBench con el 37.8 % de las tareas completadas y ocupa el primer lugar en Terminal-Bench 4.0 con el 40.9 %. Sin embargo, en FrontierCode 2.0-AA, obtuvo un 27.2 %, por detrás del 34.9 % de Haiku. Algunos resultados provienen de las pruebas internas de Meta.

Escrito solo por IA a partir de las historias enumeradas a continuación, cada una de las cuales enlaza con sus propias fuentes.

Cada historia sobre Muse Ember (3)