IA en un minutoNoticiasModelos
Meta presenta Muse Ember, un modelo ligero y barato para las tareas de los agentes de IA
Redacción de IA en un minuto · Editor: Jon Elgezabal
En 30 segundos
Muse Ember es la apuesta de Meta para el trabajo repetitivo de los agentes, como llamar a herramientas o leer documentos largos, a 0,10 dólares el millón de tokens de entrada. Su ventana de contexto alcanza el millón de tokens y trabaja con texto, imágenes, audio y vídeo. Meta asegura que iguala a Claude Haiku 5.5 en Artificial Analysis gastando aproximadamente la tercera parte, aunque Haiku 5.5 sigue ganando en FrontierCode 2.0.
Meta presenta un modelo pequeño para las tareas que los agentes de IA repiten sin parar.
La empresa presentó este lunes 9 de noviembre Muse Ember, que define como su modelo más pequeño y eficiente. Está pensado para el trabajo que un agente hace una y otra vez a lo largo del día: llamar a herramientas, resolver subtareas de programación, decidir a dónde va cada petición, extraer datos y leer documentos largos. Es también el primero que Meta entrena con Muse Wonder Full, y completa una familia en la que Muse Wonder se ocupa de los problemas más difíciles y Muse Spark, de la programación y los flujos con agentes.
Según Meta, cada millón de tokens de entrada cuesta 0,10 dólares, o 0,004 si esa entrada ya está en caché, y cada millón de salida, 0,50. Admite hasta un millón de tokens de contexto y respuestas de hasta 512.000, y maneja de forma nativa texto, imágenes, audio y vídeo. Ya está disponible con el nombre muse-ember-1.0 en la API de modelos de Meta y en Muse Code, y también en Google Cloud y Oracle Cloud.
Para compararlo con la competencia, Meta usa el Intelligence Index de Artificial Analysis, una clasificación que pone a los modelos de IA una puntuación común y calcula lo que cuesta cada tarea. Con esa medida, la empresa sostiene que Ember iguala la mejor puntuación de Claude Haiku 5.5, de Anthropic, por aproximadamente un tercio del coste, y que supera a GPT-6 Luna, de OpenAI, en todos sus niveles de razonamiento. Hay matices: los costes de Ember son estimaciones de Meta con su precio de lista, varias pruebas son evaluaciones internas de la empresa y en FrontierCode 2.0, una prueba de Artificial Analysis con tareas reales de ingeniería, Haiku 5.5 sigue por delante, con un 34,9 % frente al 27,2 % de Ember.
Meta recomienda combinarlo con Muse Wonder y lo resume en una frase: "Muse Wonder planifica, Muse Ember maneja el volumen". La empresa asegura que antes del lanzamiento lo evaluó con su marco de riesgos, en los terrenos químico y biológico, de ciberseguridad y de pérdida de control, y que quedó por debajo de los umbrales de riesgo alto.
Por qué importa · análisis y opinión
La guerra de precios en IA ya no se libra solo en los modelos estrella, sino en los pequeños que hacen el trabajo menudo de los agentes, donde se gasta la mayor parte de los tokens. Con Ember, Meta se suma a Anthropic y OpenAI en ese terreno y propone repartir tareas: un modelo grande que planifica y otro barato que ejecuta. Para quien ya tiene agentes en marcha, ese reparto puede abaratar mucho la factura si las subtareas son sencillas y repetitivas. Pero las comparaciones las firma la propia Meta, con costes estimados y varias pruebas internas, así que lo prudente es medirlo con tareas reales del equipo antes de cambiar de proveedor, sobre todo en programación, donde el rival de Anthropic aún rinde mejor.
Fuente oficial: Meta · Redactada con ayuda de IA: cómo hacemos las noticias
¿Qué significa para tu negocio? · análisis y opinión
Este lanzamiento interesa sobre todo a las empresas pequeñas y a los autónomos de España y Latinoamérica que ya automatizan procesos con agentes de IA conectados por API: clasificar correos, extraer datos de documentos escaneados o resumir informes largos. A quien solo usa un chat de IA desde el navegador no le cambia nada por ahora. El anuncio no detalla en qué países se puede usar, así que conviene comprobarlo antes de planificar nada.
Nuestro consejo es no cambiar de modelo solo por el precio de la etiqueta. Los 0,10 dólares por millón de tokens se refieren a la entrada, y el gasto real de un agente depende también de lo que el modelo genera y de cuántas veces se repite cada tarea. Lo prudente es elegir una tarea repetitiva y acotada, pasarla por el modelo que ya se usa y por Muse Ember con los mismos ejemplos reales, y comparar aciertos y factura durante unos días. El reparto que propone Meta, un modelo grande que fija el criterio y otro ligero que lo aplica en volumen, se puede probar a pequeña escala sin rehacer todo el sistema.
El riesgo principal está en los datos. Si el agente va a procesar grabaciones de reuniones, notas de voz o documentos con información de clientes o empleados, conviene revisar las condiciones del proveedor y dónde se tratan esos datos antes de enviarlos, y empezar las pruebas con material que no sea sensible.
