Archivo editorial

Inteligencia ArtificialNoticia

Muse Ember: el modelo pequeño de Meta baja el coste de los agentes, pero sus cifras siguen siendo propias

Meta ha lanzado Muse Ember, un modelo multimodal orientado a tareas repetitivas de agentes, con acceso por API, una ventana de contexto de un millón de tokens y un precio anunciado de 0,10 dólares por millón de tokens de entrada. Su propuesta es interesante por el coste de ejecución, aunque la mayor parte de las comparaciones publicadas procede de evaluaciones de Meta o de la selección que la compañía hace de Artificial Analysis.

Publicado
10 de noviembre de 2026
Tiempo
5 min de lectura
Autoría
Redacción Cubix Academia
Profundidad
intermedio
Placa con circuitos integrados negros dispuestos en filas sobre una base clara.

Meta ha presentado Muse Ember como su modelo más pequeño y eficiente para el trabajo repetitivo que realizan los agentes: llamadas a herramientas, extracción, clasificación, subtareas de código y lectura de documentos largos. Está disponible desde el 9 de noviembre en la Meta Model API y en Muse Code. La noticia no es que aparezca otro modelo generalista, sino que el fabricante intenta hacer económicamente viable la parte mecánica de un sistema agéntico.

Qué ofrece el lanzamiento

Muse Ember se identifica en la API como muse-ember-1.0. Meta anuncia 0,10 dólares por millón de tokens de entrada, 0,004 dólares por millón de tokens de entrada en caché y 0,50 dólares por millón de tokens de salida para solicitudes de hasta 200.000 tokens. Por encima de ese umbral, la tarifa publicada sube a 0,30 dólares de entrada, 0,012 en caché y 1,50 de salida.

La ficha técnica indica una ventana de contexto de un millón de tokens y hasta 512.000 tokens de salida, además de compatibilidad con Responses API, uso de herramientas, salida estructurada, comprensión de imágenes y búsqueda con grounding. Son capacidades que encajan con agentes que repiten pasos pequeños, no una promesa de que el modelo deba encargarse de la planificación más difícil.

El modelo está pensado para el volumen

La documentación de Meta propone una división de trabajo: Muse Wonder o Muse Spark planifican y razonan en el bucle principal, mientras Ember absorbe subtareas repetitivas. En un flujo de investigación, ese patrón podría traducirse en extraer campos de muchos documentos, clasificar entradas, normalizar nombres o preparar borradores estructurados después de que otro componente haya definido el criterio.

La ventaja económica aparece cuando el sistema hace muchas llamadas cortas y previsibles. Si cada paso requiere deliberación larga, conocimiento especializado o una decisión de alto impacto, cambiar a un modelo barato puede reducir el precio y también la calidad. El lanzamiento describe un componente de una arquitectura, no un sustituto universal de los modelos mayores.