Meta lança Muse Ember, modelo menor para agentes de IA baratos

A Meta apresentou o Muse Ember, que descreve como seu menor e mais eficiente modelo de IA até agora. Segundo o The Decoder e o Hipertextual, que noticiam o anúncio da Meta, o modelo foi pensado para o trabalho de rotina que os agentes de IA executam em segundo plano, e não para conversas abertas ou raciocínio pesado.

O Muse Ember é um modelo de linguagem pequeno, ou seja, um modelo deliberadamente compacto para que cada requisição custe menos para processar. A Meta cita a chamada de ferramentas, pequenas tarefas de programação, o encaminhamento de solicitações, a extração de dados de arquivos e a análise de documentos longos. A empresa argumenta que essas etapas repetitivas consomem a maior parte dos recursos quando um agente de IA trabalha sozinho, e por isso faz sentido ter um modelo dedicado e barato.

O que a Meta anunciou sobre o Muse Ember

Segundo o Hipertextual, o Ember se junta à família Muse, desenvolvida pela equipe de superinteligência da Meta, ao lado de Spark, Glimmer, Wonder e outros. O modelo está disponível imediatamente pela Meta Model API e pelo Muse Code, a ferramenta de programação da Meta. Os dois veículos relatam os números a seguir, todos originados da Meta ou de testes que a Meta cita:

• Preço: US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de tokens de saída, segundo o The Decoder e o Hipertextual.
• Janela de contexto: até um milhão de tokens de entrada de uma vez e, segundo o Hipertextual, até 512 mil tokens de saída, o bastante para processar uma base de código inteira ou uma coleção de documentos em uma única requisição.
• Modalidades: compreensão nativa de texto, imagens, áudio e vídeo, de modo que um agente pode analisar capturas de tela, diagramas, documentos digitalizados ou gravações de voz sem chamar um segundo modelo.
• Custo por tarefa: cerca de US$ 0,14 no teste da Artificial Analysis, segundo o The Decoder.

Um token é a unidade de texto que um modelo lê ou escreve, mais ou menos um pedaço de palavra, e o preço por milhão de tokens é a forma usual de os fornecedores de IA cobrarem o acesso aos modelos por API. Com esses preços, o Ember fica entre as opções mais baratas para agentes de grande volume, embora os dois artigos não os comparem com as tarifas publicadas pela concorrência.

Como o Muse Ember se compara ao Claude Haiku 5.5 e ao GPT-6 Luna

Segundo a Meta, conforme o The Decoder, o Muse Ember entrega mais inteligência por dólar do que o Claude Haiku 5.5 ou o GPT-6 Luna em cada nível de raciocínio. No teste da Artificial Analysis, custa cerca de US$ 0,14 por tarefa e é o modelo mais barato a atingir 36 pontos ou mais no Intelligence Index. O Claude Haiku 5.5 chega à mesma pontuação por US$ 0,41 por tarefa, quase o triplo. O maior Muse Spark 1.3 faz 37, quase o mesmo, mas a US$ 2,39 por tarefa.

No AutomationBench-AA, um teste de processos de negócios, o Muse Ember marca 68,1%, no nível do Muse Wonder e do GPT-6 Astra, relata o The Decoder. O Hipertextual acrescenta que, segundo a Meta, o Ember iguala o Claude Haiku 5.5 em alguns benchmarks e supera o GPT-6 Luna em outros, sempre com menor custo por tarefa. No OSWorld, que mede a capacidade de um agente de controlar um computador sozinho, o Ember supera o GPT-6 Luna e o Claude Haiku 5.5, todos com raciocínio no máximo. No Terminal Bench 4.0, que avalia tarefas reais de engenharia, o Ember obtém mais que o dobro do GPT-6 Sol, mas o Hipertextual observa que o topo da tabela pertence a modelos da Anthropic (Opus, Astra e Sonnet), enquanto o Ember disputa a faixa intermediária com outros grandes modelos de código aberto.

Uma divisão de trabalho entre modelos pequenos e grandes

A Meta descreve uma abordagem em dois níveis. O trabalho avançado, como planejar uma estratégia geral, pode ficar com o Muse Wonder, enquanto o Ember cuida do trabalho operacional. Segundo o Hipertextual, os engenheiros da Meta otimizaram o modelo para subtarefas de programação, como ler arquivos, rodar testes e fazer correções pontuais, que costumam se repetir centenas de vezes em uma única sessão de desenvolvimento. Com essa frequência, uma diferença de alguns centavos por tarefa se acumula rápido.

Sobre segurança, o Hipertextual, citando uma publicação do blog da Meta, diz que o modelo tem as mesmas proteções de treinamento e de execução dos demais modelos Muse, o que significa que não tem capacidades de invasão nem outras capacidades proibidas. O veículo recomenda, ainda assim, cuidado com as permissões concedidas a uma IA que trabalha com seus arquivos.

O que ainda não foi verificado

Todos os números de desempenho acima vêm da Meta ou de testes que ela cita, e os dois artigos lidos não mencionam nenhuma replicação independente. O custo por tarefa da Artificial Analysis combina o preço por token com o número de tokens que o modelo realmente consome, então pode variar conforme a carga de trabalho. Nenhum dos artigos informa o número de parâmetros do Muse Ember nem se seus pesos são abertos. As comparações com o Claude Haiku 5.5 e o GPT-6 Luna continuam sendo afirmações do fornecedor até que terceiros publiquem suas próprias medições.

O que muda para empresas que usam agentes de IA

Para uma empresa que implanta agentes, a lição prática está no encaminhamento: reservar os modelos caros para o planejamento e mandar as etapas repetitivas, como extração, triagem e pequenas correções de código, para um modelo mais barato. O Muse Ember facilita testar essa escolha, já que o preço publicado é de US$ 0,10 e US$ 0,50 por milhão de tokens. Antes de trocar, meça o custo e a taxa de acerto por tarefa com seus próprios documentos e código, porque os benchmarks da Meta podem não refletir a sua carga de trabalho. Vale também definir um orçamento por agente, para que tokens baratos não virem uma conta fora de controle.