Meta presentó Muse Ember el lunes 9 de noviembre, un modelo que la compañía describe como el más pequeño y eficiente de su catálogo. Según informó El Ecosistema Startup, en la evaluación de lanzamiento de Artificial Analysis, Ember marcó 36 puntos en el Intelligence Index con esfuerzo de razonamiento máximo, el mismo puntaje redondeado que Claude Haiku 5.5 de Anthropic, pero a un costo estimado de 14 centavos de dólar por tarea frente a 41 centavos del modelo de Anthropic.
Las claves
- Muse Ember iguala a Claude Haiku 5.5 en el Intelligence Index de Artificial Analysis con 36 puntos, según la evaluación de lanzamiento.
- El costo estimado por tarea es de 14 centavos de dólar para Ember frente a 41 centavos para Haiku, de acuerdo con El Ecosistema Startup.
- En FrontierCode 2.0, Haiku obtiene 34,9% frente a 27,2% de Ember, lo que muestra que Ember pierde en mergeabilidad de código.
- En AutomationBench-AA, Ember completó el 37,8% de las tareas al primer intento, contra 20,2% de Luna y 13,9% de Haiku.
- El precio de Muse Ember en la Meta Model API arranca en US$0,10 por millón de tokens de entrada sin caché y US$0,50 por millón de tokens de salida hasta los 200.000 tokens de entrada.
Para quien ya corre agentes en producción, la diferencia no es cosmética. El trabajo que Ember ataca —llamadas a herramientas, lectura de documentos, clasificación de tickets, correcciones pequeñas de código— es justo la parte que consume la mayor cantidad de tokens en un flujo agéntico. Mark Zuckerberg lo describió en X como "nuestro modelo más pequeño que entrega más inteligencia por dólar que otros en su clase". Alexandr Wang, Chief AI Officer de Meta, fue más operativo: "Muse Wonder puede planificar, Ember puede manejar el volumen".
Los números de Meta, medidos a esfuerzo máximo de razonamiento, muestran un patrón claro: Ember gana donde el trabajo es repetitivo y verificable, y pierde donde hace falta criterio de ingeniería. FrontierCode 2.0, que evalúa si un cambio de código está listo para fusionarse, lo gana Haiku con 34,9% contra 27,2% de Ember. Y en OSWorld 2.1, el 69,5% de crédito parcial de Ember cae a 33,8% cuando las tareas se califican de forma todo-o-nada.
¿Cómo se compara el precio con Claude Haiku 5.5 y GPT-6 Luna?
La tabla de precios de Muse Ember en la Meta Model API arranca en US$0,10 por millón de tokens de entrada sin caché, US$0,004 por millón de tokens cacheados y US$0,50 por millón de tokens de salida. Esos valores aplican hasta los 200.000 tokens de entrada. Por encima de ese umbral, las tarifas suben a US$0,30, US$0,012 y US$1,50 respectivamente. El salto es brutal: una petición con 200.000 tokens de entrada sin caché y 10.000 tokens de salida facturados cuesta 2,5 centavos; un solo token de entrada adicional lleva esa misma petición a unos 7,5 centavos.
Claude Haiku 5.5 tiene el mismo precio de arranque, pero su umbral está en 100.000 tokens: por encima pasa a US$0,50 de entrada y US$2,50 de salida. Es decir, Ember te da el doble de recorrido antes del salto, aunque su tarifa post-umbral es más baja. GPT-6 Luna, en cambio, cobra US$0,20 de entrada y US$0,75 de salida en contexto largo, lo que puede convenir a cargas con prompts enormes y respuestas largas.
Artificial Analysis atribuye parte de la ventaja de costo de Ember a lecturas de caché más baratas y reporta que el modelo usó aproximadamente un tercio de los tokens de salida que Haiku a esfuerzo máximo. Ese detalle es el que separa una comparación de listas de precios de una estimación de factura real.
El costo real de un agente: por qué el precio por token no lo cuenta todo
Porque el precio por token es solo la mitad de la ecuación. Según el análisis de EY publicado por TechTimes, un flujo lineal simple costaba unos US$0,04 por interacción en 2023, mientras que un sistema agéntico orquestado con llamadas a herramientas y bucles de razonamiento ronda los US$1,20 por interacción, unas 30 veces más. El precio del token cayó; el número de tokens por transacción explotó.
Gartner estimó en marzo de 2026 que los modelos agénticos requieren entre 5 y 30 veces más tokens por tarea que una consulta de chatbot estándar. Y el Stanford Digital Economy Lab encontró que el contexto reenviado —prompts de sistema, definiciones de herramientas e historial de sesión que el modelo reprocesa en cada llamada— representa cerca del 62% del costo total de inferencia de un agente.
El dato que debería preocupar a cualquier equipo es el de Microsoft Research: en tareas idénticas, el gasto total de tokens puede variar hasta 30 veces, y los modelos no pueden predecir su propio consumo antes de ejecutar (correlación de 0,39 como máximo). Forrester documentó el resultado en julio: Uber quemó su presupuesto anual de IA en cuatro meses, con costos por ingeniero de entre US$500 y US$2.000 al mes, según reveló su CTO Praveen Neppalli Naga en abril de 2026.
El contexto macro acompaña: Gartner proyecta que el gasto mundial en infraestructura como servicio optimizada para IA llegará a US$42.000 millones en 2026, casi el doble de los US$21.500 millones de 2025, y que por primera vez el gasto en inferencia (US$23.300 millones) superará al de entrenamiento (US$19.000 millones).
Disponibilidad y competencia: ¿dónde se puede usar Muse Ember?
Ember también está disponible en Muse Code, en Oracle Cloud y en el Gemini Enterprise Agent Platform de Google Cloud, según Cryptobriefing. Si necesitas control sobre dónde corre el modelo, hay opciones con pesos descargables a precios comparables.
La conclusión práctica es que Ember encaja mejor en un trabajo acotado con un chequeo claro que recibiendo un ticket de ingeniería completo sin supervisión. Muse Ember no es un modelo que gane en todas las categorías: pierde en mergeabilidad de código frente a Haiku y su ventaja se diluye cuando las tareas se califican de forma todo-o-nada. Pero ataca el problema correcto. En un mercado donde el gasto en inferencia acaba de superar al de entrenamiento y donde el contexto reenviado se lleva más de la mitad de la factura de un agente, un modelo que iguala a la referencia de su clase a un tercio del costo por tarea es una palanca real de margen.
La noticia también fue publicada por Merca2.es, que informó sobre el lanzamiento de Claude Fable 5.2 y Claude Mythos 5.2 de Anthropic, dos modelos con la misma arquitectura pero distintos niveles de acceso. Según Merca2.es, Fable 5.2 queda abierto a disponibilidad general mientras Mythos 5.2 se reserva para tareas sensibles, una segmentación que Anthropic no había aplicado hasta ahora. La compañía asegura que la nueva versión resolvió dos problemas abiertos de física teórica, una afirmación que Merca2.es señala que conviene tratar como declaración de la empresa hasta que exista verificación independiente. Los precios de estos modelos no fueron detallados en el anuncio, por lo que la comparación real llegará con las primeras facturas del trimestre, según el mismo medio.
Lo que se sabe y lo que falta por confirmar
Se sabe que Muse Ember fue presentado el lunes 9 de noviembre y que compite en costo por tarea con Claude Haiku 5.5, según la evaluación de Artificial Analysis difundida por El Ecosistema Startup. También se conoce su tabla de precios y su disponibilidad en varias plataformas. Sin embargo, la fuente no precisa el desempeño de Ember en todas las categorías ni ofrece una comparación completa con otros modelos. La afirmación de Anthropic sobre la resolución de problemas de física teórica está pendiente de verificación independiente, de acuerdo con Merca2.es. Tampoco se detallaron los precios de Fable 5.2 y Mythos 5.2.
