- Muse Ember es el modelo de IA más compacto de Meta, diseñado para manejar tareas diarias a bajo costo.
- Este modelo supera a Claude Haiku 5.5 y GPT-6 Luna en términos de índice de inteligencia y costos.
- Muse Ember puede realizar múltiples operaciones pequeñas y posee una sólida capacidad de procesamiento de contexto.
- El modelo admite el procesamiento de diversos tipos de medios y ha sido evaluado en términos de seguridad, manteniéndose por debajo de un alto umbral de riesgo.
Meta ha lanzado su modelo más compacto, Muse Ember, diseñado para gestionar tareas de recodificación y razonamiento repetitivas realizadas por agentes de IA, manteniendo bajos costos operativos. Este modelo compacto es adecuado para cargas de trabajo diarias de agentes, incluyendo llamadas a herramientas, tareas de codificación, extracción de información, enrutamiento de solicitudes y análisis de documentos extensos. Meta afirma que Muse Ember proporciona más inteligencia por dólar en configuraciones de razonamiento que Anthropic's Claude Haiku 5.5 y OpenAI's GPT-6 Luna.
Según un informe de Artificial Analysis, Muse Ember obtuvo una puntuación de 36 en su índice de inteligencia, igual que Claude Haiku 5.5, mientras que el costo por tarea es de aproximadamente $0.14 (aproximadamente HK$1.09), casi tres veces menos que el costo estimado de $0.41 (aproximadamente HK$3.20) de Haiku. El modelo también se desempeñó bastante bien en comparación con el modelo más grande de Meta, Muse Spark 1.3.
Artificial Analysis estima que el costo por tarea en el índice de inteligencia de Muse Ember es de $0.14 (aproximadamente HK$1.09), mientras que el costo de Spark es de $2.39 (aproximadamente HK$18.63), con una puntuación de 37 en el índice de inteligencia.
Versatilidad de Muse Ember
Meta diseñó Muse Ember para manejar múltiples operaciones pequeñas que los agentes realizan en flujos de trabajo prolongados, en lugar de centrarse únicamente en problemas de razonamiento complejos. El modelo puede ejecutar flujos de trabajo comerciales de principio a fin, completando tareas mediante la recuperación de registros, realizando llamadas a herramientas en secuencia y actualizando información en aplicaciones. El modelo también cuenta con una ventana de contexto de un millón de tokens y puede generar hasta 512,000 tokens de salida, lo que le permite procesar toda una base de código o un gran conjunto de documentos en una sola llamada. En la evaluación, Muse Ember obtuvo una puntuación de 37.8% en AutomationBench-AA, un indicador que mide flujos de trabajo comerciales de extremo a extremo, en comparación, GPT-6
Luna obtuvo una puntuación de 20.2%, mientras que Claude Haiku 5.5 alcanzó un 13.9%. Además, Muse Ember obtuvo una puntuación de 61.6% en el examen final de agentes, ligeramente superior al 57.1% de Luna y al 57% de Haiku. En el índice de inteligencia personal de Meta, su puntuación fue de 46.8%, superando el 37% de Luna y el 36.1% de Haiku. Su rendimiento en codificación también es competitivo, con Muse Ember obteniendo una puntuación de 40.9% en Terminal-Bench 4.0, mientras que Haiku obtuvo 39.2%,
Luna alcanzó un 16.4%. Sin embargo, en FrontierCode 2.0-AA, Haiku tuvo un mejor desempeño, con una puntuación de 34.9%, mientras que Muse Ember obtuvo 27.2%.
Precios y formas de uso
Muse Ember, además de codificación y ejecución de agentes, también puede manejar texto, imágenes, audio y video. Esto le permite interpretar capturas de pantalla, gráficos y documentos escaneados, así como grabaciones de voz y contenido de video. En OSWorld 2.1, el modelo utilizó puntuación de crédito parcial, obteniendo una puntuación de 69.5%. Su puntuación en PerceptionBench fue de 80.6%, un indicador que evalúa la capacidad de comprensión visual de alta resolución. Meta informa que el modelo ha pasado una evaluación de seguridad que abarca riesgos químicos y biológicos, ciberseguridad y escenarios fuera de control, y la compañía reporta que Muse Ember siempre se mantiene por debajo de su alto umbral de riesgo.
El modelo está disponible a través de Muse Code y Meta Model API bajo el nombre muse-ember-1.0, con precios que comienzan desde $0.10 (aproximadamente HK$0.78) por millón de tokens de entrada y $0.50 (aproximadamente HK$3.90) por millón de tokens de salida, mientras que el costo de los tokens de entrada en caché es de $0.004 (aproximadamente HK$0.03) por millón de tokens. Muse Ember es el primer modelo de Meta que afirma utilizar el entrenamiento de Muse Wonder Full.
Se lanzó junto con Muse Wonder, diseñado para los problemas de razonamiento más difíciles, y Muse Spark, enfocado en flujos de trabajo de codificación y agentes. El objetivo más amplio de Meta es reducir el costo de las funciones avanzadas lo suficiente como para que se puedan implementar en productos y servicios cotidianos, y Muse Ember está diseñado para abordar cargas de trabajo repetitivas en gran escala que enfrentan los agentes.
Impacto de Muse Ember en el campo de la IA
El lanzamiento de Muse Ember marca un avance significativo para Meta en el desarrollo de modelos de IA, especialmente en la reducción de costos y el aumento de la eficiencia. Este modelo no solo puede manejar tareas de codificación y razonamiento, sino que también admite la interpretación de multimedia como texto, imágenes y audio, demostrando su versatilidad. A medida que la tecnología de IA se aplica cada vez más en la vida cotidiana, las características de bajo costo de Muse Ember ayudarán a impulsar una adopción comercial más amplia y podrían cambiar las estrategias de las empresas en automatización y procesamiento de datos.

