Meta apresenta Muse Ember, modelo de raciocínio pequeno voltado para tarefas de agentes

A Meta posiciona o Muse Ember como o modelo menor e mais eficiente da família, feito para o trabalho que agentes repetem o dia todo: tool calls, subtarefas de código, routing, extração e leitura de documentos longos. A empresa afirma que ele iguala a melhor pontuação do Claude Haiku 5.5 a cerca de um terço do custo e supera todas as configurações do GPT-6 Luna. Também diz que ele fica na fronteira de eficiência do ranking da Artificial Analysis, sem modelo que pontue mais gastando menos por tarefa. São alegações da própria Meta, com o relatório de avaliação publicado por ela.

Os números de operação: modelo muse-ember-1.0, disponível no Muse Code e na Meta Model API, com suporte à Responses API. Preço de US$ 0,10 por milhão de tokens de entrada, US$ 0,004 por milhão de entrada em cache e US$ 0,50 por milhão de saída. Janela de 1M de tokens e até 512K de saída. É multimodal nativo (texto, imagem, áudio e vídeo) e consegue operar um computador a partir de screenshots. A Meta cita custo de cerca de US$ 0,14 por tarefa da Artificial Analysis. Na segurança, diz que o modelo ficou abaixo dos limiares de alto risco do seu framework (riscos químicos, biológicos, de segurança cibernética e perda de controle) e que avaliou resistência a instruções escondidas em páginas, documentos e saídas de ferramentas. Foi o primeiro treinado com o Muse Wonder Full, e a empresa sugere o par: Muse Wonder planeja, Muse Ember cuida do volume.

O Ember completa uma linha que o CEVIU vem acompanhando. Em 9 de abril de 2026, noticiamos o Muse Spark, modelo multimodal de raciocínio com tool use e orquestração multiagente. Em 10 de julho de 2026, veio o Muse Spark 1.1, voltado a tarefas agentic. Em 11 de agosto de 2026 e 13 de agosto de 2026, cobrimos o Muse Glimmer, de 30 bilhões de parâmetros e peso aberto, para agentes locais. Em 27 de agosto de 2026, o Muse Image. Agora, segundo a Meta, o portfólio fica com Wonder para os problemas mais difíceis, Spark para código e agentes, e Ember para tarefas repetitivas em escala e baixo custo.

Para quem opera agentes em produção, o custo dominante está nos muitos passos pequenos, não no raciocínio difícil. Se os benchmarks da Meta se confirmarem em cargas reais, o Ember vira candidato a executor barato, com um modelo maior só no planejamento. Vale validar com sua própria avaliação antes de migrar, já que os comparativos vêm da fabricante.