A Meta lançou, na segunda-feira (9), o Muse Ember, modelo de inteligência artificial mais leve e barato do laboratório Meta Superintelligence Labs, batizado de muse-ember-1.0. Segundo a empresa, o modelo foi feito para tarefas que agentes de IA repetem em grande volume, como chamadas de ferramentas, subtarefas de programação, roteamento e extração de dados.
O que você precisa saber
- A Meta lançou, na segunda-feira (9), o Muse Ember, seu modelo de inteligência artificial mais leve e barato, batizado muse-ember-1.0.
- O modelo custa US$ 0,10 por milhão de tokens de entrada, US$ 0,004 por milhão de tokens de entrada em cache e US$ 0,50 por milhão de tokens de saída, com janela de contexto de 1 milhão de tokens.
- Segundo a Meta, o Muse Ember entrega mais inteligência por dólar do que o Claude Haiku 5.5, da Anthropic, e o GPT-6 Luna, da OpenAI, em testes da Artificial Analysis.
- O modelo processa texto, imagem, áudio e vídeo, e a Meta recomenda usá-lo em dupla com o Muse Wonder, que planeja as tarefas que o Ember executa em volume.
- O Muse Ember já está disponível no Meta Model API e no Muse Code, além do Google Cloud e da Oracle Cloud; nenhuma fonte consultada informa chegada ao Brasil.
O que é o Muse Ember
O anúncio da Meta descreve o Muse Ember como o modelo mais leve e eficiente já lançado pelo laboratório Meta Superintelligence Labs, feito para a execução de raciocínio complexo e para as tarefas que agentes de modelos de linguagem repetem o dia inteiro: chamadas de ferramentas, subtarefas de programação, roteamento, extração de dados e leitura de documentos longos. O lançamento foi confirmado pela cobertura internacional da TechCrunch e, no Brasil, pelo Olhar Digital.
Segundo a empresa, a proposta é usar o Ember ao lado de um modelo maior, como o Muse Wonder: o modelo maior planeja a tarefa e estabelece as regras, e o Ember aplica essas regras em grande volume. Na citação da própria Meta, em tradução livre: "Muse Wonder planeja, Muse Ember cuida do volume".
O modelo também processa texto, imagem, áudio e vídeo. Segundo o anúncio, agentes que usam o Ember podem ler capturas de tela, gráficos e documentos digitalizados, ou trabalhar a partir de mensagens de voz, gravações de reuniões e vídeos, sem precisar de um modelo separado para cada tipo de mídia.
O Muse Ember está disponível desde a segunda-feira (9) no Meta Model API e no Muse Code, com o identificador muse-ember-1.0. Segundo a Meta, o modelo custa US$ 0,10 por milhão de tokens de entrada, US$ 0,004 por milhão de tokens de entrada em cache e US$ 0,50 por milhão de tokens de saída, com janela de contexto de 1 milhão de tokens e até 512 mil tokens de saída. O modelo também passou a estar disponível pelo Google Cloud e pela Oracle Cloud. Nenhuma das fontes consultadas informa previsão de versão em português ou de chegada ao Brasil.
| Quem anunciou | Meta, pelo laboratório Meta Superintelligence Labs |
|---|---|
| Quando | Segunda-feira, 9 de novembro de 2026 |
| Modelo | muse-ember-1.0, quarto lançamento da linha Muse |
| Preço | US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de saída |
| Disponibilidade | Meta Model API, Muse Code, Google Cloud e Oracle Cloud |
| Brasil | Não informado |
Como o Ember se compara a concorrentes e ao modelo anterior da Meta
A Meta apresenta o Muse Ember como mais barato e mais inteligente do que o Claude Haiku 5.5, da Anthropic, e o GPT-6 Luna, da OpenAI, usando a pontuação composta da Artificial Analysis para comparar custo e desempenho. Segundo a empresa, o Ember iguala a melhor pontuação do Haiku a cerca de um terço do custo e supera todas as configurações testadas do Luna.
A tabela abaixo reúne seis avaliações citadas no relatório da Meta, incluindo uma em que o Ember perde para o Haiku: no FrontierCode 2.0-AA, teste de engenharia de software julgado pela chance de o código ser aceito, o modelo da Anthropic venceu.
A Meta também compara o Ember ao seu próprio Muse Spark 1.3, modelo que a empresa também usa para tarefas de programação e de agentes. Segundo a empresa, os dois têm pontuação parecida no índice geral da Artificial Analysis (36 contra 37), mas o Ember custa US$ 0,14 por tarefa do índice, contra US$ 2,39 do Spark 1.3, à razão de US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de saída, frente a US$ 1,25 e US$ 4,25 do modelo anterior.
| Avaliação | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| AutomationBench-AA (fluxos de negócio ponta a ponta) | 37,8 | 13,9 | 20,2 |
| Terminal-Bench 4.0 (programação em terminal) | 40,9 | 39,2 | 16,4 |
| Coding Agent Index-AA (programação em agentes reais) | 46 | 37 | 31 |
| FrontierCode 2.0-AA (engenharia de software real) | 27,2 | 34,9 | 25,2 |
| OSWorld 2.1 (uso de computador, crédito parcial) | 69,5 | 68,9 | 50,5 |
| Índice geral da Artificial Analysis | 36 | 36 | 28 |
Quem já testou o modelo
Antes do lançamento, a Meta testou o Ember com parceiros que já usam agentes de IA em produção. Em depoimento publicado no anúncio da empresa, Yashodha Bhavnani, vice-presidente de produtos de IA da Box, disse, em tradução livre: "No Box AI Complex Work Eval, o Muse Ember entrega precisão, velocidade e eficiência de token impressionantes. Ele consegue avaliar um contrato cláusula por cláusula contra o manual de negociação da empresa e chegar à classificação de risco certa, ou selecionar candidatos contra um resumo detalhado e sinalizar os limítrofes que ainda se qualificam como alternativas."
Chak Pothina, líder de inferência da You.com, afirmou, também em tradução livre, que o modelo "completou todas as tarefas de código testadas com a menor latência entre os modelos avaliados, um p95 de 2,2 segundos, de 4 a 13 vezes mais rápido que os principais modelos de peso aberto, com de 36% a 48% menos tokens de saída".
A Cloudflare, outra parceira citada no anúncio, relatou que, em seus testes, o Ember rodou até 30% mais rápido na cauda de latência do que o modelo comparável avaliado pela empresa, e lidou bem com tarefas de investigação ampla em múltiplos repositórios de código.
Por que importa
O lançamento do Muse Ember confirma uma tendência que já aparecia nos modelos anteriores da própria Meta, da Anthropic e da OpenAI: a corrida não é mais só por modelos mais poderosos, mas por modelos baratos o bastante para rodar em escala dentro de empresas comuns. Um agente de atendimento ao cliente, por exemplo, pode usar um modelo maior só para decidir a estratégia e um modelo como o Ember para aplicar essa estratégia em milhares de conversas, sem custo proibitivo.
Para quem usa IA no fluxo de marketing e atendimento, essa queda de preço muda o cálculo de o que vale a pena automatizar: tarefas repetitivas, como responder perguntas frequentes, organizar leads ou extrair dados de documentos, deixam de depender só de orçamento de grande empresa. Ao mesmo tempo, mais agentes de IA agindo em nome de empresas e de consumidores reforça por que a forma como um site organiza e expõe sua informação segue sendo parte central de aparecer tanto no Google quanto nas respostas desses assistentes.
