Meta ha anunciado el lanzamiento de Muse Ember, el modelo de inteligencia artificial más pequeño y eficiente desarrollado por la compañía hasta la fecha. Esta nueva herramienta ha sido diseñada específicamente para ejecutar tareas de razonamiento complejas, labores de codificación y, fundamentalmente, aquellas actividades que los agentes de IA repiten de manera continua a lo largo de una jornada laboral.
El lanzamiento de Muse Ember se produce en el marco de la expansión de la familia de modelos Muse. Previamente, la compañía había presentado Wonder, orientado a la resolución de problemas de alta complejidad, y Spark, enfocado en la programación y los flujos agénticos. Con la incorporación de Ember, Meta busca consolidar una oferta de modelos con capacidades avanzadas que prioricen la eficiencia operativa al momento de resolver diversas tareas.
Según ha detallado Meta en un comunicado oficial, el enfoque principal de Muse Ember es la resolución de tareas repetitivas. La empresa fundamenta esta especialización en el hecho de que los agentes de inteligencia artificial invierten la mayor parte de sus tokens en ejecutar "muchos pasos pequeños y estructurados". En este escenario, Muse Ember permite la gestión integral de flujos de trabajo empresariales, optimizando los procesos repetitivos para reducir el consumo de tokens. Entre sus aplicaciones prácticas se encuentran la extracción de registros, la llamada a herramientas en secuencia y la actualización de sistemas a través de diversas aplicaciones.
En términos de competitividad, Meta ha resaltado la propuesta de valor de este modelo, afirmando que ofrece "más inteligencia por dólar" en comparación con otros modelos destacados del sector, como Claude Haiku 5.5 y GPT-6 Luna. De acuerdo con las pruebas internas realizadas por la tecnológica, Muse Ember supera a sus competidores en la evaluación 'Agent's Last Exam', alcanzando una puntuación de 61,6, frente a los 57 y 57,1 obtenidos por los modelos de Claude y GPT, respectivamente.
Además, la compañía ha asegurado que Muse Ember iguala la mejor puntuación de Haiku utilizando aproximadamente un tercio del coste, superando al mismo tiempo todos los ajustes de Luna. Meta ha subrayado que su modelo se posiciona como el más eficiente en el ranking de Artificial Analysis, destacando que ningún otro modelo en dicha clasificación logra una puntuación superior manteniendo un coste por tarea más bajo.
En cuanto a su accesibilidad y costes, Muse Ember está disponible a través de la API de Meta Model. El precio se ha fijado en 0,10 dólares por millón de tokens de entrada y 0,50 dólares por millón de tokens de salida. Para aquellos prompts que superen los 200.000 tokens, el coste se incrementa a 0,3 dólares por millón de entrada y 1,50 dólares por millón de salida.
Desde el punto de vista técnico, el modelo cuenta con una ventana de contexto de un millón de tokens y una capacidad de salida de hasta 512.000 tokens. Estas especificaciones permiten procesar volúmenes masivos de información, como el código fuente completo de un software o conjuntos extensos de documentos. Asimismo, se trata de un modelo multimodal nativo, lo que significa que posee la capacidad de comprender texto, imágenes, audio y vídeo.
Gracias a esta multimodalidad, Muse Ember es capaz de procesar notas de voz, leer capturas de pantalla, interpretar gráficos y analizar documentos escaneados. También puede analizar grabaciones de reuniones e incluso manejar un ordenador basándose en capturas de pantalla. Meta ha sugerido que este modelo puede trabajar de forma coordinada con Muse Wonder; en este esquema, Wonder se encargaría de la planificación de las tareas complejas, mientras que Ember gestionaría el volumen de ejecución.
Finalmente, Meta ha hecho hincapié en que el desarrollo de Muse Ember se ha regido por los parámetros de seguridad del 'Meta Superintelligence Scaling Framework'. Este marco incluye protecciones contra riesgos biológicos y químicos, amenazas de ciberseguridad y la prevención de la pérdida de control del modelo. También se han implementado medidas de seguridad para el comportamiento del modelo cuando actúa en nombre de un usuario, incluyendo la gestión de información sensible, la resistencia a instrucciones ocultas en documentos o páginas web y la obligatoriedad de solicitar confirmación humana antes de ejecutar acciones de alto impacto.
Actualmente, Muse Ember, junto con Muse Spark y Muse Wonder, ya se encuentran disponibles para su uso en las plataformas de Google Cloud y Oracle Cloud.
