Muse Ember: 10 centavos el millón de tokens de entrada y letra chica desde los 200K

Muse Ember es el modelo más chico y más eficiente de Meta, y salió hoy, 9 de noviembre, para el trabajo que un agente de IA repite todo el día: llamar herramientas, repartir pedidos, extraer datos de documentos y resolver subtareas de código. Cuesta USD 0,10 por millón de tokens de entrada y USD 0,50 por millón de salida, y ya se puede usar en la API de Meta, la conexión con la que los programas le hablan al modelo, y en Muse Code, su agente de programación. Un token es la unidad con la que estos servicios miden el texto: para simplificar, un pedazo de palabra.

La novedad le importa a quien arma bots, automatizaciones o agentes y paga la IA por consumo. Si solo conversás con el agente Muse, con ChatGPT o con Gemini, hoy no tenés que hacer nada: el anuncio y la documentación de Meta lo ubican en la API y en Muse Code, no en el producto de consumo. Si pagás por consumo, conviene mirar dos cosas antes de cambiar de modelo: en el tramo base, su entrada y su salida cuestan lo mismo que las de sus dos rivales directos, y pasar de 200.000 tokens de entrada triplica la tarifa de toda la petición.

Si pagás por consumo, empezá por acá

• Probalo primero en lo repetitivo. Clasificar tickets, extraer campos, ordenar archivos o ejecutar subtareas. La documentación manda los problemas difíciles de código, las preguntas que dependen de mucho conocimiento y el código visual a Muse Spark o Muse Wonder.
• El cambio técnico es chico. Meta dice que acepta el mismo cuerpo de petición que Muse Spark, así que la mayoría de los ejemplos se adapta cambiando el modelo a muse-ember-1.0.
• Controlá la entrada de cada petición. Una conversación larga guardada y los tokens en caché cuentan para llegar a los 200.000. Revisá en el panel de uso cuánto te cobra cada tramo.
• Si tenés suscripción a Muse Code y trabajás con código de clientes, revisá el modo Contributor: deja que Meta entrene con tu código y viene encendido por defecto. Se apaga en /settings o, para una corrida, con --contributor-mode off.
• Si tu producto llega a usuarios de Cuba, Haití, Nicaragua o Venezuela, frená antes de integrarlo: esos cuatro países figuran entre los territorios restringidos de la API.

Qué es Muse Ember

TechCrunch lo cuenta como el cuarto modelo de la marca Muse, después de Spark en abril, Glimmer en agosto y Wonder en octubre, sin sumar los de imagen y voz. Meta lo presenta como el primero que entrenó con Muse Wonder Full, su variante más potente, y lo piensa como pieza de equipo y no como cerebro único. Su frase para explicarlo es «Muse Wonder planifica, Muse Ember se encarga del volumen» (traducción propia). TechCrunch lo baja a un ejemplo de atención al cliente: un modelo grande define cómo tratar un problema y uno liviano aplica esas reglas en decenas de miles de casos.

Según la ficha técnica, recibe texto, imagen, video, audio y PDF, y responde siempre en texto. Tiene una ventana de contexto de 1.048.576 tokens, la cantidad de información que puede considerar de una vez, y hasta 524.288 tokens de salida. El esfuerzo de razonamiento va de «minimal» a «max», y por defecto viene en el máximo, un detalle que importa cuando pagás por lo que el modelo escribe y piensa. A diferencia de Muse Glimmer, el gemelo de código abierto de Spark según TechCrunch, Artificial Analysis lo cataloga como modelo propietario: en lo que leímos no aparece una descarga del modelo, así que no lo podés correr en tu propio equipo.

El precio: 10 centavos, igual que sus rivales en el tramo base

Acá conviene frenar antes de repetir el titular fácil. TechCrunch escribió que, a ese valor, Ember es «significativamente más barato» que Claude Haiku y GPT-6 Luna. Las listas dicen otra cosa: Anthropic cobra USD 0,10 y 0,50 por Haiku 5.5, y Artificial Analysis registra los mismos valores para Luna. Artificial Analysis, una firma que compara modelos y que Meta usa en su anuncio, lo dice sin vueltas en su análisis de hoy: mismos precios de entrada y de salida. La diferencia está en el costo de completar una tarea y en la «entrada en caché», el texto ya enviado que el servicio reutiliza y cobra menos. En la tabla, el índice es el Intelligence Index, el puntaje compuesto de Artificial Analysis.

Precios por millón de tokens en el tramo base. Costo por tarea e índice: Artificial Analysis, 9 de noviembre de 2026. La entrada en caché de Luna surge del descuento del 90% que informa esa firma.

El «costo por tarea» es lo que gastó cada modelo, en promedio, para resolver la batería de pruebas de ese índice. Ahí Ember empata en 36 puntos con Haiku por cerca de un tercio del costo, y queda 8 puntos debajo de Muse Wonder por cerca de 1/50 del gasto. Dos razones explican la distancia, según Artificial Analysis: la entrada en caché cuesta 60% menos y representa la mayor parte del gasto en sus evaluaciones con agentes, y Ember genera más o menos un tercio de los tokens de salida de Haiku. El gráfico de Meta afina el empate, con 35,8 para Ember y 36,2 para Haiku, y la misma firma pone a Ember unas cuatro veces por debajo de DeepSeek V4.1 Flash y GLM-5.3-Flash en costo por tarea.

Eso sí: un promedio de laboratorio no es tu factura. Una tarea tuya, con otro largo y sin caché, se puede comportar distinto. Antes de migrar, corré una muestra propia y compará lo que importa: cuánto costó terminar el trabajo bien, no cuánto marca la lista.

La letra chica de los 200K

El anuncio vende que Ember puede tragarse una base de código o un conjunto de documentos en una sola llamada, y da los precios sin mencionar ningún escalón. El escalón está en la página de precios: si la petición supera los 200.000 tokens de entrada, la entrada pasa de USD 0,10 a 0,30, la entrada en caché de 0,004 a 0,012 y la salida de 0,50 a 1,50. Y no se encarece solo lo que excede: Meta cobra la petición completa a la tarifa alta.

Un cálculo propio, sin caché, muestra el salto. Con 199.000 tokens de entrada y 5.000 de salida, la petición cuesta unos USD 0,0224. Con 201.000 de entrada y los mismos 5.000 de salida, unos USD 0,0678. Dos mil tokens más, tres veces el precio. Para los que cuentan centavos, que en este rubro son todos, la diferencia se nota apenas lo multiplicás por miles de llamadas.

La trampa más probable no es un documento gigante, sino una charla que crece sola. Cuando una petición continúa una conversación guardada con previous_response_id, su entrada incluye toda esa conversación, y los tokens en caché también cuentan para el límite. En una suscripción a Muse Code no aparece el recargo como tal, pero una petición que pasa la marca consume más rápido el uso del plan.

Tampoco es un invento exclusivo de Meta. Haiku 5.5 tiene un escalón que llega antes y pega más fuerte: desde 100.000 tokens, la petición paga USD 0,50 de entrada y 2,50 de salida, cinco veces su tarifa base. Dentro de la familia, en cambio, Muse Spark y Muse Wonder no aplican recargo por contexto largo. La conclusión práctica es la misma que Meta sugiere para el modelo: tareas chicas, acotadas y muchas.

Qué dicen las pruebas, y quién las hizo

La tabla del anuncio mezcla dos cosas que conviene separar. Agents’ Last Exam, OSWorld, PerceptionBench y el Personal Superintelligence Index son evaluaciones internas de Meta; este último es además un índice compuesto armado por la propia compañía. Las marcadas con «AA» vienen de Artificial Analysis, y ahí el resultado es menos parejo que un cartel de lanzamiento.

Ember saca 46 en el índice de agentes de código, por encima de Haiku con 37 y de Luna con 31, cada uno corriendo en su propia herramienta. Pero queda detrás de Haiku en FrontierCode 2.0, con 27,2% contra 34,9%, y en AA-Briefcase, una prueba que puntúa comparando modelos entre sí, con 1.521 contra 1.574. Su punto débil es el conocimiento: acierta 21,1% en AA-Omniscience, el valor más bajo entre los modelos de inteligencia similar que comparó esa firma, en buena parte porque se niega a contestar el 64% de las preguntas. A cambio inventa menos, con una tasa de alucinación de 17,4%, la mitad que Haiku. Si tu agente necesita que le digan «no sé», suma; si necesita que sepa, usá otro.

Dos números muestran por qué no conviene comprar un puntaje suelto. En AutomationBench-AA, Meta publica 37,8%, con crédito a Artificial Analysis y un criterio al que llama estricto, y el análisis de esa firma informa 68,1%; lo que leímos no explica la diferencia. Y en Terminal-Bench 4.0, Haiku tiene 39,2% en la tabla de Meta y 32,8% en la de Artificial Analysis. Meta aclara que usó para cada modelo la herramienta con mejor resultado publicado, y en el caso de Haiku fue Claude Code. Una explicación posible es el entorno, porque Artificial Analysis no detalla cuál usó en esa cifra.

El anuncio trae además elogios de Box, Cline, Oracle, Cloudflare y You.com, socios que probaron Ember antes de su salida y que Meta eligió para su propio anuncio.

De afuera, Simon Willison, desarrollador conocido por su seguimiento de modelos, le hizo a Ember su prueba informal del pelícano en bicicleta en cada nivel de esfuerzo, y contó el resultado en Hacker News:

Más tokens de razonamiento no parecen producir un SVG claramente mejor.Simon Willison, en Hacker News (traducción propia)

Willison aclara que suele haber una correlación bastante fuerte entre el nivel de razonamiento y la calidad del dibujo, y que es la primera vez que la ve romperse. Es un juego, no una medición, y uno de los niveles ni siquiera devolvió el dibujo completo. La medición formal va para otro lado: en el índice de Artificial Analysis, bajar de máximo a «xhigh» baja el costo por tarea de USD 0,14 a 0,12 y resta unos dos puntos, de 36 a 34. Como el modelo viene en esfuerzo máximo, vale probar con tu propia tarea cuánto te conviene ese ahorro.

Tu código también puede ser parte del precio

En la API, Ember funciona solo en modo estándar: según la documentación de precios, en ese modo tu contenido no se usa para entrenar modelos de Meta. Lo que cambia es la suscripción a Muse Code. Los planes de USD 5, 15, 50 y 200 por mes arrancan por defecto en modo Contributor: te dan más uso a cambio de permitir que Meta entrene futuros modelos con tus instrucciones, código, archivos, contexto y respuestas. La política de la API, anterior a Ember y que todavía no lo nombra, aclara que eso vale sea cual sea el modelo elegido dentro de la suscripción.

Se puede apagar, con dos detalles. La opción se guarda por computadora, así que hay que repetirla en cada equipo, y en uno nuevo la primera sesión interactiva la enciende y lo avisa. Para scripts y automatizaciones, Meta recomienda fijarla en cada corrida con el parámetro --contributor-mode off o con la variable MUSE_CONTRIBUTOR_MODE=0. Si trabajás con código de un cliente, esto no es un detalle de configuración: es una conversación que deberías tener antes de apretar Enter.

Ojo también con otra opción barata de la misma casa. Muse Spark 1.3 en modo Contributor cuesta USD 0,10 de entrada y 0,20 de salida, menos que Ember en salida, pero entrena con tus datos y tiene un límite de 150 peticiones por minuto, contra 3.000 de Ember.

Por qué Meta sale a pelear abajo

Meta dice que Ember tiene un costo tan bajo como para funcionar en cualquier producto y que entrena modelos todavía más eficientes. Hoy, de todos modos, lo disponible son la API y Muse Code. Nuestra lectura es que la pelea por los agentes se está corriendo del modelo más brillante al que resuelve miles de pasos chicos sin arruinar a quien paga la cuenta. Un agente no se funde por una gran pregunta filosófica, sino por las diez mil veces que abre un archivo.

Dentro de su propia línea, la tabla del anuncio es elocuente: con datos de Artificial Analysis, Muse Spark 1.3 saca 37 puntos a USD 2,39 por tarea y Ember saca 36 a USD 0,14. Eso no vuelve inútil a Spark, porque esos puntajes no miden todo y la propia Meta le deja a Spark y a Wonder el trabajo más difícil. Sí presiona a cualquiera que hoy mande cada subtarea al modelo caro por costumbre.

Y desde América Latina

Acá hay más letra chica. La política geográfica de la API, actualizada el 12 de octubre, dice que el servicio no está disponible en todas las jurisdicciones y que Meta decide dónde habilitarlo. Entre los territorios restringidos figuran Cuba, Haití, Nicaragua y Venezuela. La restricción no alcanza solo a usar la API desde ahí: tampoco se pueden ofrecer productos integrados a usuarios finales ubicados ahí ni permitirles el acceso a sabiendas.

Argentina, Brasil, Chile, Colombia, México, Perú y Uruguay no aparecen en esa lista, pero no encontramos una lista pública de países habilitados, y la misma política dice que solo se puede usar donde Meta habilitó el acceso y que puede restringirlo en cualquier momento. La suscripción, además, puede variar según la región: los beneficios disponibles se muestran antes de pagar. Los precios están en dólares y la documentación que consultamos, en inglés. No probamos el servicio desde la región, así que lo sensato es crear la cuenta y correr una petición antes de prometerle nada a un cliente.

Fuentes

• Meta: anuncio del 9 de noviembre, documentación de Muse Ember, precios y límites, suscripciones de Muse Code, planes de Muse Code y política geográfica.
• Comparación: análisis de Artificial Analysis, ficha de Muse Ember, ficha de GPT-6 Luna y precios de Claude.
• Cobertura y reacción: TechCrunch y comentario de Simon Willison en Hacker News.
• Las citas de textos en inglés son traducción propia.