Muse Ember de Meta: ficha, precio, benchmarks y cuándo elegirlo

Qué es Muse Ember, el modelo pequeño y barato de Meta: precio, contexto de 1M, benchmarks que publicó Meta y cuándo elegirlo. Datos a 15 de noviembre de 2026.

info Definición Rápida
Muse Ember es el modelo más pequeño y eficiente de la familia Muse de Meta, lanzado el 9 de noviembre de 2026 para trabajo repetitivo de agentes: llamadas a herramientas, subtareas de código, enrutamiento y extracción de datos. Se usa por API como muse-ember-1.0, con 1M de tokens de contexto y entrada de texto, imagen, video, audio y PDF.

¿Qué es Muse Ember y cuándo salió?

Meta lo presentó el 9 de noviembre de 2026 en su blog de investigación. En la familia Muse cada modelo tiene un papel: Muse Wonder para los problemas más difíciles, Muse Spark para flujos de código y de agentes, y Muse Ember para tareas repetibles de código y de agentes a gran escala. Meta también dice que Ember es el primer modelo entrenado con Muse Wonder Full.

La idea práctica: Ember es la pieza barata y rápida que haces trabajar muchas veces, no el modelo al que le pides lo más difícil. Para entender esa diferencia, lee modelos pequeños vs grandes.

¿Para qué sirve?

Meta lo recomienda para trabajo de alto volumen: tareas de subagentes, llamadas a herramientas, enrutamiento y procesamiento de grandes colecciones de imágenes, archivos y registros. Como acepta texto, imagen, video, audio y PDF, encaja en tareas como etiquetar cientos de capturas de pantalla, extraer campos de documentos o clasificar mensajes de soporte. Para el concepto, mira modelos multimodales.

El esfuerzo de razonamiento va de minimal a max, y el valor por defecto es max. Para tareas simples, prueba un nivel menor y compara costo y calidad.

Meta aclara sus límites: para problemas difíciles de código de un solo intento, preguntas que dependen de mucho conocimiento o código visual, usa Muse Spark o Muse Wonder.

¿Qué benchmarks publicó Meta y cómo se leen?

Estas cifras las publica Meta en el anuncio de Ember, con todos los modelos en razonamiento max. Algunas son evaluaciones internas de Meta y otras vienen de Artificial Analysis. A 15 de noviembre de 2026:

BenchmarkPuntaje de Muse EmberQuién lo midió
Terminal-Bench 4.040.9%No indicado en el anuncio (mejor arnés publicado de cada modelo)
OSWorld 2.1 (crédito parcial)69.5%Meta (evaluación interna)
OSWorld 2.1 (binario)33.8%Tabla del anuncio de Meta
Agents’ Last Exam61.6%Meta (evaluación interna, subconjunto Linux)
AutomationBench-AA37.8%Artificial Analysis (Intelligence Index v5); lo reporta Meta
FrontierCode 2.0-AA27.2%Artificial Analysis (Intelligence Index v5); lo reporta Meta
PerceptionBench (con herramientas)80.6%Meta (evaluación interna)

Cómo leerlos:

  • Mira qué variante se reporta. OSWorld 2.1 aparece con dos cifras, una con crédito parcial (69.5%) y otra binaria (33.8%). No son lo mismo: la binaria da una cifra mucho menor.
  • Meta publica también la comparación. En la tabla del anuncio, Meta pone a Claude Haiku 5.5 y GPT-6 Luna al lado de Ember. En FrontierCode 2.0-AA, la propia Meta muestra a Haiku 5.5 por encima (34.9% frente a 27.2%). Que un laboratorio publique un caso desfavorable es una buena señal de lectura, pero la tabla sigue siendo suya.
  • Contra su hermano mayor. Meta cita a Artificial Analysis (Intelligence Index v5): 36 para Ember y 37 para Muse Spark 1.3, con un costo por tarea del índice de 0.14 dólares frente a 2.39.
  • No armes rankings entre laboratorios. Cada uno usa su arnés y su configuración (en Terminal-Bench 4.0, Meta usó el mejor arnés publicado de cada modelo). Por eso el mismo nombre de benchmark puede dar cifras muy distintas según quién lo corra. Para profundizar, lee benchmarks de IA.

¿Cuánto cuesta y qué contexto tiene?

Datos a 15 de noviembre de 2026, según la documentación y el anuncio de Meta:

DatoValor
ID de APImuse-ember-1.0
Fecha de lanzamiento9 de noviembre de 2026
Contexto1M tokens (1,048,576); salida máxima 512K (524,288)
Entrada / salidaTexto, imagen, video, audio y PDF / solo texto
Precio hasta 200K de entrada0.10 USD entrada, 0.004 USD entrada en caché, 0.50 USD salida (por millón de tokens)
Precio con más de 200K de entrada0.30 USD entrada, 0.012 USD entrada en caché, 1.50 USD salida (por millón de tokens)
Límites por equipo3,000 peticiones por minuto y 4,000,000 tokens por minuto
Abierto o cerradoCerrado: se ofrece por API, no entre los modelos de pesos abiertos de Meta
ModoSolo Standard en la API de Meta

Un detalle de la factura: cuando una petición pasa de 200K tokens de entrada, se cobra completa a la tarifa de contexto largo, no solo los tokens que exceden el umbral. Los tokens en caché cuentan para ese total.

Ejemplo ilustrativo de cálculo: una petición con 50.000 tokens de entrada y 5.000 de salida cuesta 50.000 x 0.10 / 1.000.000 = 0.005 USD más 5.000 x 0.50 / 1.000.000 = 0.0025 USD, unos 0.0075 USD. Para entender cada pieza, mira tokens, costo por token y ventana de contexto.

¿Cuándo elegirlo y cuándo no?

Elígelo cuando:

  • Tienes miles de elementos que clasificar o extraer y el costo por petición decide.
  • Necesitas una entrada mixta (capturas, audio, PDF) en un solo modelo.
  • Montas un flujo con subagentes y quieres que la pieza repetitiva sea barata.

No lo elijas cuando:

  • El problema es difícil y de un solo intento; Meta recomienda Spark o Wonder.
  • Necesitas pesos abiertos para correrlo tú mismo. Mira modelos abiertos y cerrados.
  • Quieres comparar con un modelo pequeño de otro laboratorio: prueba también Claude Haiku 5.5 con tus propios datos.

Ejemplo

Ejemplo ilustrativo: una diseñadora de producto exportó 200 comentarios de usuarios, algunos con captura de pantalla, y necesita agruparlos por tema para una sesión de priorización. Escribe una instrucción que pida, para cada comentario, un JSON con tema, gravedad de 1 a 3 y una cita corta, y la ejecuta con Muse Ember. Con unos 2.000 tokens de entrada y 300 de salida por comentario, el lote ronda 0.07 USD según las tarifas de la tabla.

Qué probar mañana: toma 20 comentarios, clasifícalos tú a mano y compara con el resultado del modelo. Si coinciden en la mayoría, escala al lote completo; si no, ajusta la instrucción o sube el nivel de razonamiento.

Errores comunes

  • Usar Ember para el problema más difícil del proyecto en lugar de Spark o Wonder.
  • Leer un solo número de benchmark sin mirar la variante (crédito parcial o binario).
  • Suponer que es de pesos abiertos porque Meta tiene otros modelos abiertos.
  • Dejar el razonamiento en max para tareas triviales sin comparar el costo.
  • Cruzar los 200K tokens de entrada sin notar que toda la petición cambia de tarifa.
  • Escalar a todo el lote sin revisar antes una muestra a mano.

Fuentes

Preguntas frecuentes

¿Cuál es el ID de API de Muse Ember?
muse-ember-1.0. Está disponible en la API de modelos de Meta (Meta Model API) y en Muse Code. Funciona con los endpoints Responses, Chat Completions y Messages.
¿Cuánto cuesta Muse Ember?
A 15 de noviembre de 2026, Meta lista 0.10 dólares por millón de tokens de entrada y 0.50 de salida para peticiones de hasta 200K tokens de entrada. Con más de 200K, toda la petición se cobra a 0.30 de entrada y 1.50 de salida. Los precios cambian: confirma en la página de precios de Meta.
¿Muse Ember es de código abierto?
No. La documentación de Meta lo lista entre los modelos alojados en su API, no entre los de pesos abiertos, que hoy son Muse Spark Open y Muse Glimmer. Si necesitas pesos descargables, mira esa otra línea.
¿Qué tipos de archivo acepta?
Según la documentación de Meta, acepta texto, imagen, video, audio y PDF como entrada. La salida es solo texto.
¿Es el mejor modelo de Meta?
No. Meta lo describe como su modelo más pequeño y eficiente. Para problemas difíciles de código de un solo intento, preguntas de mucho conocimiento o código visual, la propia documentación recomienda Muse Spark o Muse Wonder.