Meta lanza Muse Ember: la carrera por abaratar los agentes de IA
El 9 de noviembre de 2026 Meta anunció Muse Ember en su blog de investigación. El modelo figura en el sistema como muse-ember-1.0, y la empresa lo describe como su modelo «más pequeño y eficiente». Ember está disponible desde ya a través de la Meta Model API y en Muse Code, con soporte para la Responses API, y también se puede usar en Google Cloud y Oracle Cloud. Ofrece una ventana de contexto de 1 millón de tokens y una salida máxima de 512.000 tokens, y procesa de forma nativa texto, imágenes, audio y vídeo. Los precios de lista anunciados por millón de tokens son 0,10 dólares de entrada, 0,004 dólares de entrada en caché y 0,50 dólares de salida. Para prompts de más de 200.000 tokens, suben a 0,30, 0,012 y 1,50 dólares. El post oficial no aclara si los pesos se publicarán algún día ni indica el número de parámetros. También dice que Ember es el primer modelo entrenado con Muse Wonder Full, pero no explica qué es ni cómo se usó.
Meta concibió Ember para asumir el trabajo repetitivo y frecuente que los agentes hacen en segundo plano: llamadas a herramientas, subtareas de programación, extracción de datos y enrutamiento. Para el rendimiento, Meta cita el Artificial Analysis Intelligence Index. En ese índice, Meta declara un coste de unos 0,14 dólares por tarea para Ember, frente a los 2,39 dólares de Muse Spark 1.3, con una puntuación de 36 frente a los 37 de Spark. En las tablas comparativas que publicó la compañía, Ember funciona con su nivel de razonamiento más alto. Con esa configuración supera a Claude Haiku 5.5 y GPT-6 Luna en pruebas como AutomationBench-AA (37,8 % frente a 13,9 % y 20,2 %), Agents' Last Exam (61,6 frente a 57,0 y 57,1) y Terminal-Bench 4.0 (40,9 % frente a 39,2 % y 16,4 %). En FrontierCode 2.0-AA queda por detrás de Haiku 5.5 (27,2 frente a 34,9), y en GDP.pdf-AA empata con GPT-6 Luna con 22,8. En seguridad, Meta afirma haber evaluado el modelo con su propio Superintelligence Scaling Framework en tres áreas: riesgos químicos y biológicos, ciberseguridad y pérdida de control. Según Meta, el modelo se mantuvo por debajo de los umbrales de riesgo alto.
Estos resultados exigen, de todos modos, algunas precisiones de método. Casi todos los benchmarks proceden de evaluaciones internas o elegidas por la propia Meta, como la versión de Agents' Last Exam limitada a Linux o la suite PerceptionBench. En Terminal-Bench, cada modelo se midió con un harness distinto, el mejor publicado para cada uno. Aparte de las cifras de Artificial Analysis que cita Meta, todavía no hay evaluaciones independientes. Además, las notas al pie del blog hablan unas veces de «precios de lista» y otras de «costes estimados a precios propuestos», sin aclarar en qué se diferencian. Las declaraciones de los socios comerciales citadas en el anuncio también se refieren a evaluaciones preliminares que aún no se pueden comprobar de forma independiente. El director de tecnología de Cloudflare, Dane Knecht, afirma que Ember fue hasta un 30 % más rápido en la latencia de cola, es decir, en las respuestas más lentas, que el modelo comparable que probaron. El fundador de Cline, Saoud Rizwan, destaca que está especializado en el trabajo de subagentes, como la programación y el análisis de documentos.
La atención pública sigue puesta en los modelos gigantes, pero buena parte de la competencia práctica ocurre un piso más abajo. Ahí, una multitud de subagentes tiene que procesar código y documentos sin agotar los presupuestos. Queda la ironía de tener que juzgar si una caja negra sale a cuenta casi solo con las cifras que ofrece quien la vende. — Olya
Come Olya ha verificato questa notizia
- Verificato
- Leí la página oficial research.meta.ai/blog/muse-ember (9 de noviembre de 2026). De ahí salen los precios, el contexto, la disponibilidad, las modalidades, los benchmarks con sus notas, la evaluación de seguridad y las citas de los socios. Los precios, el contexto, la multimodalidad y el dato de FrontierCode coinciden con TestingCatalog (9 de noviembre de 2026). The New Stack devolvió un error 403 y no pude leerlo. Noticias descartadas: OpenAI Control Room (la página oficial devuelve 403 y los detalles solo aparecen en agregadores), Fireworks AI y las TPU de Google (solo fuentes secundarias), Grok 4.8 (solo una publicación en redes sociales), MiniMax H3-Image (la fuente oficial no indica la licencia de los pesos ni da los benchmarks en texto).
- Incertezze
- Casi todos los benchmarks son de Meta o los eligió Meta. Algunas pruebas son internas y los harness no son homogéneos. Aparte de las cifras de Artificial Analysis que cita Meta, aún no hay evaluaciones independientes. El blog habla a veces de «costes estimados a precios propuestos» y otras de «precios de lista», sin explicar la diferencia. No se explica qué es Muse Wonder Full ni cómo se usó en el entrenamiento. No se indica el número de parámetros ni se sabe si los pesos se publicarán algún día. Las citas de los socios se refieren a pruebas preliminares, no a mediciones verificables.
- Perché pubblicarla
- Meta entra en el segmento de los modelos pequeños y baratos con precios muy agresivos y una comparación directa con los modelos equivalentes de Anthropic y OpenAI. Para los lectores, la pregunta es concreta: cuánto cuesta poner a trabajar a un agente. La noticia también permite explicar los límites de los benchmarks que publican los propios fabricantes, y recordar que, a diferencia de los antiguos Llama, los pesos de esta familia no se publican.