Um ponto de diferença, dezessete vezes o preço
A Meta lançou o Muse Ember em 9 de novembro e o chama de seu modelo menor e mais eficiente, feito para “o trabalho que os agentes repetem o dia todo: chamadas de ferramentas, subtarefas de código, roteamento, extração e leitura de documentos longos”. A comparação com que a empresa abre não é com um rival, mas com a própria casa. No anúncio, a Meta coloca o Muse Ember em 36 pontos no Artificial Analysis Intelligence Index contra 37 do seu próprio Muse Spark 1.3 — e em cerca de US$ 0,14 por tarefa contra US$ 2,39.
Isso é aproximadamente dezessete vezes o custo por um ponto de índice. Os preços por token por trás do número são US$ 0,10 por milhão de tokens de entrada e US$ 0,50 de saída para o Muse Ember, contra US$ 1,25 e US$ 4,25 do Muse Spark 1.3. A entrada em cache custa US$ 0,004 por milhão. Prompts acima de 200 mil tokens são cobrados à parte: US$ 0,30 de entrada, US$ 0,012 de entrada em cache e US$ 1,50 de saída por milhão.

De onde vêm os números
O número do índice é independente: a Artificial Analysis publicou a versão 5 do seu Intelligence Index em 9 de novembro, e a comparação de custo por tarefa usa o preço de tabela de cada modelo. Nesse índice o Muse Ember empata com o Claude Haiku 5.5 em 36, com o GPT-6 Luna em 28. O gráfico da própria Meta cruzando inteligência e custo por tarefa, tirado da mesma fonte, põe o Muse Ember em 35,8 por US$ 0,136 a tarefa no raciocínio máximo, enquanto o Haiku 5.5 chega a 36,2 por US$ 0,411.
A tabela de benchmarks é mista. As notas com o sufixo “-AA” vêm da Artificial Analysis: o Muse Ember vence o AutomationBench-AA com 37,8% contra 13,9% do Haiku 5.5 e 20,2% do GPT-6 Luna, e o Coding Agent Index-AA com 46 contra 37 e 31 — mas perde o FrontierCode 2.0-AA, em que o Haiku 5.5 marca 34,9% contra 27,2%. O Agents’ Last Exam (61,6%), o Personal Superintelligence Index (46,8%) e o PerceptionBench (80,6%) estão rotulados como avaliações internas da Meta. No Terminal-Bench 4.0 a Meta informa 40,9% contra 39,2% do Haiku 5.5 e 16,4% do GPT-6 Luna, com cada modelo rodando no seu melhor arcabouço publicado — mini-swe-agent, Claude Code e Codex, respectivamente — um método honesto que também dificulta a comparação direta.
Saído do modelo grande
O Muse Ember é o primeiro modelo que a Meta treina usando o Muse Wonder Full, o modelo de fronteira apresentado em outubro, e a empresa o apresenta como o cumprimento de uma promessa feita então: usar os modelos grandes para produzir modelos especializados que pudesse colocar em toda parte. A linha descrita agora é Muse Wonder para os problemas mais difíceis, Muse Spark para código e fluxos agênticos, e Muse Ember para o trabalho repetível em escala.

A janela de contexto é de um milhão de tokens com até 512 mil tokens de saída, o bastante, diz a Meta, para engolir uma base de código ou um conjunto de documentos inteiro numa única chamada. O modelo está disponível no Muse Code e na Meta Model API como muse-ember-1.0, suporta a Responses API e aparece no Google Cloud e no Oracle Cloud ao lado do Muse Spark e do Muse Wonder.
Segurança, e os números dos parceiros
A Meta afirma ter avaliado o Muse Ember sob o seu Meta Superintelligence Scaling Framework para riscos químicos e biológicos, de cibersegurança e de perda de controle, e que em todas as categorias examinadas o modelo ficou abaixo dos limiares de risco alto do arcabouço. Diz ainda ter testado como o modelo se comporta agindo em nome de um usuário, inclusive se resiste a instruções escondidas em páginas da web, documentos ou saídas de ferramentas. Nenhuma nota disso é publicada.
Os números dos primeiros parceiros são deles. O diretor de tecnologia da Cloudflare, Dane Knecht, disse que o Muse Ember “rodou até 30% mais rápido na cauda do que o modelo comparável que testamos”. O responsável por inferência da You.com, Chak Pothina, relatou uma latência p95 de 2,2 segundos, “cerca de 4 a 13 vezes mais rápida que os principais modelos de pesos abertos, e com 36% a 48% menos tokens de saída”. Nenhuma das duas afirmações nomeia os modelos de comparação.
O que resta observar é se a posição no índice se sustenta quando a Artificial Analysis rodar de novo a versão 5 em outros arcabouços. O empate com o Haiku 5.5 por um terço do custo é todo o argumento deste modelo, e ele repousa num número de uma única classificação publicada no dia do lançamento.