Meta apresenta Muse Ember, o seu menor modelo para agentes de IA

A Meta apresentou o Muse Ember, que descreve como o seu modelo de IA mais pequeno e mais eficiente 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, isto é, um modelo deliberadamente compacto para que cada pedido custe menos a processar. A Meta refere a chamada de ferramentas, pequenas tarefas de programação, o encaminhamento de pedidos, a extração de dados de ficheiros e a análise de documentos longos. A empresa defende que estes passos repetitivos 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 junta-se à família Muse, desenvolvida pela equipa de superinteligência da Meta, ao lado de Spark, Glimmer, Wonder e outros. O modelo está disponível de imediato através da Meta Model API e do Muse Code, a ferramenta de programação da Meta. Os dois órgãos de comunicação indicam os números seguintes, todos com origem na Meta ou em testes que a Meta cita:

• Preço: 0,10 dólares por milhão de tokens de entrada e 0,50 dólares 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 só vez e, segundo o Hipertextual, até 512 mil tokens de saída, o suficiente para processar uma base de código inteira ou uma coleção de documentos num único pedido.
• Modalidades: compreensão nativa de texto, imagens, áudio e vídeo, pelo que um agente pode analisar capturas de ecrã, diagramas, documentos digitalizados ou gravações de voz sem recorrer a um segundo modelo.
• Custo por tarefa: cerca de 0,14 dólares 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 habitual de os fornecedores de IA cobrarem o acesso aos modelos através de uma API. Com estes 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 se compara o Muse Ember com o Claude Haiku 5.5 e o 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 0,14 dólares 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 0,41 dólares por tarefa, quase o triplo. O maior Muse Spark 1.3 obtém 37, quase o mesmo, mas a 2,39 dólares por tarefa.

No AutomationBench-AA, um teste de processos empresariais, o Muse Ember regista 68,1%, ao 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 noutros, sempre com menor custo por tarefa. No OSWorld, que mede a capacidade de um agente controlar um computador sozinho, o Ember supera o GPT-6 Luna e o Claude Haiku 5.5, todos com o raciocínio no máximo. No Terminal Bench 4.0, que avalia tarefas reais de engenharia, o Ember obtém mais do dobro do GPT-6 Sol, mas o Hipertextual salienta que o topo da tabela pertence a modelos da Anthropic (Opus, Astra e Sonnet), enquanto o Ember disputa a zona intermédia com outros grandes modelos de código aberto.

Uma divisão de trabalho entre modelos pequenos e grandes

A Meta descreve uma abordagem a dois níveis. O trabalho avançado, como planear uma estratégia geral, pode ficar com o Muse Wonder, enquanto o Ember trata do trabalho operacional. Segundo o Hipertextual, os engenheiros da Meta otimizaram o modelo para subtarefas de programação, como ler ficheiros, executar testes e fazer correções pontuais, que se repetem muitas vezes, por vezes centenas, numa única sessão de desenvolvimento. Com esta frequência, uma diferença de alguns cêntimos por tarefa acumula-se depressa.

Quanto à segurança, o Hipertextual, citando uma publicação do blogue da Meta, diz que o modelo tem as mesmas proteções de treino e de execução dos restantes modelos Muse, o que significa que não tem capacidades de intrusão nem outras capacidades proibidas. O órgão recomenda, ainda assim, cuidado com as permissões concedidas a uma IA que trabalha com os seus ficheiros.

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, pelo que pode variar consoante a carga de trabalho. Nenhum dos artigos indica o número de parâmetros do Muse Ember nem se os seus pesos são abertos. As comparações com o Claude Haiku 5.5 e o GPT-6 Luna continuam a ser afirmações do fornecedor até que terceiros publiquem as suas próprias medições.

O que muda para as empresas que usam agentes de IA

Para uma empresa que implementa agentes, a lição prática está no encaminhamento: reservar os modelos caros para o planeamento e enviar os passos repetitivos, como extração, triagem e pequenas correções de código, para um modelo mais barato. O Muse Ember facilita o teste dessa escolha, já que o preço publicado é de 0,10 e 0,50 dólares por milhão de tokens. Antes de mudar, meça o custo e a taxa de sucesso por tarefa com os seus próprios documentos e código, porque os benchmarks da Meta podem não refletir a sua carga de trabalho. Convém também definir um orçamento por agente, para que tokens baratos não se transformem numa fatura descontrolada.