Meta lanza Muse Ember, modelo para agentes a US$0.10

Qué es Muse Ember y por qué Meta apunta a la capa barata de los agentes

Meta abrió el 9 de noviembre el acceso a Muse Ember, el modelo más pequeño y económico de su familia Muse, a 0,10 dólares por millón de tokens de entrada y 0,50 por millón de salida. Son exactamente las mismas tarifas de lista que ya ofrecen Claude Haiku 5.5 y GPT-6 Luna, así que aquí no se compite por precio de catálogo sino por otra cosa: cuántos tokens consume el modelo hasta terminar la tarea.

La tesis de producto es concreta y le habla directo a cualquiera que haya construido un agente. El modelo grande decide la estrategia y decenas de llamadas pequeñas ejecutan cada paso: invocar una herramienta, clasificar un ticket, extraer datos de una factura, corregir una línea de código, leer un contrato de 80 páginas. Ahí se va el presupuesto de una startup. Mark Zuckerberg lo resumió en su publicación en X como un modelo para el "trabajo intensivo en tokens que los agentes repiten todo el día".

Ember es el cuarto modelo de la familia, después de Spark en abril, Glimmer en agosto —el único de pesos abiertos— y Wonder en octubre. La división de trabajo que plantea Meta es explícita: Wonder planifica, Spark resuelve programación y flujos agénticos complejos, y Ember replica esas mismas tareas a escala y a bajo coste.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

En lo técnico, el modelo acepta una ventana de contexto de 1 millón de tokens y salidas de hasta 512.000, suficiente para meter un repositorio entero o un expediente completo en una sola llamada. Procesa texto, imágenes, audio y vídeo de forma nativa —capturas de pantalla, gráficos, documentos escaneados, notas de voz, grabaciones de reuniones— y puede operar aplicaciones de escritorio a partir de lo que ve en pantalla. Los pesos, eso sí, siguen cerrados: se consume por API o dentro de Muse Code, nunca se descarga.

¿Cuánto cuesta Muse Ember frente a Claude Haiku 5.5 y GPT-6 Luna?

Modelo	Entrada (1M tokens)	Salida (1M tokens)	Coste por tarea	Índice (máx.)
Muse Ember	0,10 $	0,50 $	0,136 $	35,8
Claude Haiku 5.5	0,10 $	0,50 $	0,411 $	36,2
GPT-6 Luna	0,10 $	0,50 $	0,152 $	27,8
Muse Spark 1.3	1,25 $	4,25 $	2,39 $	37

La tabla viene del gráfico que publicó Meta con datos del Artificial Analysis Intelligence Index. La lectura clave está en la tercera columna: Ember y Haiku 5.5 empatan en capacidad (35,8 contra 36,2 puntos), pero el coste medio por tarea del modelo de Anthropic es 0,411 dólares frente a 0,136. De ahí sale la afirmación de Meta de costar cerca de un tercio por tarea con el mismo nivel de inteligencia.

Conviene saber por qué dos modelos con idéntica tarifa pueden costar tan distinto. Uno razona más tiempo y produce más texto; el otro llega al resultado con menos pasos internos. El precio por millón de tokens no captura esa diferencia, el coste por tarea sí. Es el argumento que sostiene toda la campaña.

Un detalle útil para quien planifica gasto: Unite.AI reporta que el token de entrada en caché cuesta 0,004 dólares por millón, una tarifa pensada para prompts de sistema largos que se repiten en cada llamada, el patrón habitual de cualquier agente en producción.

Sobre el rival de Anthropic, vale precisar la estructura de precios: según la cobertura de Yahoo Finance, Haiku 5.5 aplica 0,10 y 0,50 dólares por millón para solicitudes de menos de 100.000 tokens —cerca del 90% de las peticiones al Haiku anterior, según la compañía— y sube a 0,50 y 2,50 por encima de ese umbral. Es decir, la comparación directa solo es válida en el tramo corto.

Dónde gana y dónde pierde Muse Ember en las pruebas

Los resultados por tipo de trabajo son lo más informativo del lanzamiento, y también lo más matizado.

AutomationBench-AA (flujos empresariales completos): Ember 37,8%, GPT-6 Luna 20,2%, Haiku 5.5 13,9%.
Terminal-Bench 4.0 (programación desde la línea de comandos): Ember 40,9%, Haiku 39,2%, Luna 16,4%.
Coding Agent Index: Ember 46, Haiku 37, Luna 31.
OSWorld 2.1 (uso del ordenador, tarea completa): Ember 33,8%, Haiku 27,8%, Luna 17%.
Agents' Last Exam: Ember 61,6%, Luna 57,1%, Haiku 57,0%.
FrontierCode 2.0 (si un maintainer aceptaría de verdad los cambios del agente): Haiku gana 34,9% contra 27,2% de Ember. DeepSeek llega al 28,5%.

Ese último punto es el que cambia la conversación. FrontierCode no mide si el agente escribe código plausible, sino si el cambio pasaría una revisión real. Para quien usa un modelo pequeño como subagente de programación —el que abre archivos, aplica parches y lanza pruebas—, es el dato más cercano al trabajo cotidiano. Y ahí el modelo más barato no es el más hábil.

Hay dos advertencias más que el propio artículo original señala. El coste por tarea es una estimación de Meta con precios propuestos, así que el famoso tercio se verifica con la carga propia o no se verifica. Y de las pruebas citadas, solo el índice de Artificial Analysis es independiente: Agents' Last Exam y los índices internos de Meta no tienen confirmación externa. En seguridad, Unite.AI recoge que el modelo pasó las evaluaciones del marco de escalado de Meta sin superar umbrales de riesgo alto en las categorías analizadas.

Qué dicen los primeros socios que lo probaron

Meta reunió cinco testimonios de empresas que tuvieron acceso previo. Box lo usó para revisar contratos cláusula por cláusula contra un manual de negociación y destacó velocidad y consumo de tokens. Cline lo proyecta como subagente dentro de sus flujos de programación. Cloudflare reportó hasta un 30% más de rapidez en las respuestas más lentas según su CTO, Dane Knecht, y buen desempeño en investigaciones sobre varios repositorios a la vez. Oracle habló de capacidad prometedora en ingeniería compleja.

El dato más concreto viene de You.com: según su responsable de inferencia, Chak Pothina, Ember completó todas las pruebas de programación con la latencia más baja del grupo, un p95 de 2,2 segundos, entre 4 y 13 veces más rápido que los principales modelos de pesos abiertos y con 36-48% menos tokens de salida. Son casos elegidos por Meta, es decir, marketing con forma de caso de uso; pero vienen de quienes pagan las llamadas.

La duda de fondo: el índice que todos citan cambió de reglas

Business Insider reportó que Artificial Analysis rediseñó su sistema de pruebas, en parte manteniendo exámenes en secreto para dificultar el ajuste de modelos a los benchmarks. Con el nuevo sistema, la brecha entre los mejores modelos de pesos abiertos y el líder pasó de tres a doce puntos. Cualquier comparación de índices hecha con reglas distintas merece cautela, incluida la que Meta usa en su gráfico.

En paralelo, Ars Technica describió el patrón de fondo del sector: OpenAI y Anthropic compiten por eficiencia y bajan precios mientras las empresas adoptan routers de modelos para mandar menos trabajo a los modelos frontera. Muse Ember es la respuesta de Meta a ese movimiento, con la diferencia de que sus pesos no se publican.

¿Qué significa esto para tu startup?

Tres consecuencias prácticas, y una advertencia que vale más que las tres.

1. Mide tu propio coste por tarea antes de migrar nada. El 0,136 dólares de Meta sale de un benchmark, no de tu producto. Toma una muestra de tus llamadas reales —las que hoy van a un modelo caro— y córrelas con el mismo prompt en Ember y en tu modelo actual. Compara coste total y tasa de acierto. Si tu agente hace tres llamadas por tarea con contextos de 40.000 tokens, el ahorro real es distinto al del gráfico.

2. Diseña en capas, no en un solo modelo. La arquitectura que Meta describe —un planificador grande arriba, un ejecutor barato abajo— es replicable con cualquier proveedor. Empieza por las tareas donde un error cuesta poco o se corrige con una comprobación posterior: extracción de campos, clasificación, enrutamiento, resumen de documentos, llamadas a herramientas. Deja el razonamiento y el código crítico en el modelo grande.

3. Aprovecha el contexto largo y el caché. Un millón de tokens de ventana permite procesar un expediente completo sin trocear y sin perder coherencia entre documentos, algo que en flujos legales, seguros o due diligence reduce mucho la fontanería. Y si tu prompt de sistema es largo, el token en caché a 0,004 dólares es la palanca de ahorro más grande y la más ignorada.

La advertencia: no pongas a Ember como subagente de código en un repositorio crítico sin verificación automática. FrontierCode lo deja por debajo de Haiku por casi ocho puntos, y esa prueba es la que más se parece a lo que ocurre cuando un agente propone cambios que alguien tiene que aprobar.

Queda además un hueco de información que afecta a Europa: Meta no indicó en qué países está disponible la API ni las condiciones de uso de datos para este modelo. Una empresa con restricciones de residencia de datos no puede evaluarlo todavía, y eso es un bloqueo real, no un detalle menor.