A Meta anunciou o Muse Ember, seu menor e mais eficiente modelo de inteligência artificial até o momento, voltado a tarefas repetitivas executadas em grande volume por agentes de IA. O preço na API da Meta é de US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de tokens de saída, com janela de contexto de 1 milhão de tokens. A apresentação foi feita por Mark Zuckerberg em uma publicação no X, segundo o Canaltech, em reportagem publicada em 10 de novembro de 2026.
Principais pontos
- O Muse Ember custa US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de saída para prompts de até 200 mil tokens, segundo o Canaltech.
- Nas avaliações da Artificial Analysis, o custo médio por tarefa ficou em aproximadamente US$ 0,14, cerca de 17 vezes menor que os US$ 2,39 por tarefa do Muse Spark 1.3, também da Meta.
- No índice geral de inteligência da Artificial Analysis, o modelo marcou 36 pontos, empatado com o Claude Haiku 5.5 e acima dos 28 pontos do GPT-6 Luna; no FrontierCode 2.0-AA, o Claude ficou na frente, com 34,9%, contra 27,2% do Ember.
- O modelo está disponível na Meta Model API com o identificador muse-ember-1.0, no Muse Code e em plataformas de nuvem parceiras, incluindo Google Cloud e Oracle Cloud.
Quanto custa o Muse Ember por milhão de tokens
O preço divulgado pela Meta é de US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de tokens de saída, válido para prompts de até 200 mil tokens, conforme o Canaltech. A saída custa cinco vezes mais que a entrada por token, uma assimetria que pesa de forma diferente conforme o desenho de cada agente: fluxos que reenviam muito contexto e geram pouco texto tendem a se beneficiar mais do que fluxos de geração longa.
A Artificial Analysis mediu custo médio de aproximadamente US$ 0,14 por tarefa com o Muse Ember. O número serve como referência de ordem de grandeza para comparar com o Muse Spark 1.3, posicionado pela Meta para fluxos de trabalho e programação e registrado nas mesmas avaliações com US$ 2,39 por tarefa. A diferença de cerca de 17 vezes é o argumento central do lançamento: o ganho não vem de capacidade bruta, e sim de custo por execução.
Desempenho: onde o Ember ganha e onde perde
O Canaltech relata que o Muse Ember superou o Claude Haiku 5.5 e o GPT-6 Luna em avaliações de automação empresarial, tarefas complexas de agentes, programação em terminal e percepção visual. No índice geral da Artificial Analysis, o modelo alcançou 36 pontos, empatado com o Claude Haiku 5.5 e acima dos 28 pontos do GPT-6 Luna.
O resultado não é uniforme. No FrontierCode 2.0-AA, que avalia tarefas reais de engenharia de software, o Claude Haiku 5.5 ficou na frente, com 34,9%, contra 27,2% do Muse Ember. A leitura editorial possível é que a escolha entre os dois modelos depende do tipo de subtarefa: rankings agregados escondem diferenças relevantes quando o trabalho exige raciocínio de engenharia mais longo.
Desenvolvido a partir do Muse Wonder Full, o modelo mais avançado da empresa, o Ember processa textos, imagens, áudios e vídeos sem depender de modelos auxiliares, segundo o Canaltech. A Meta organiza o portfólio em três camadas: Muse Wonder para problemas mais complexos, Muse Spark para fluxos de trabalho e programação, e Muse Ember para tarefas repetitivas e execução de agentes em grande escala. O movimento acompanha outros lançamentos desenhados para tarefas rápidas de agentes, como o Gemini 4 Hydrogen, que o Google colocou no lugar do Gemini 3.8 Flash nos produtos da empresa.
Onde o Muse Ember roda e como avaliar a migração
O modelo está disponível na Meta Model API, com o identificador muse-ember-1.0, no Muse Code e em plataformas de nuvem parceiras, incluindo Google Cloud e Oracle Cloud, de acordo com o Canaltech. A Meta informou ainda que avaliou o Ember sob o Meta Superintelligence Scaling Framework, estrutura que analisa riscos de cibersegurança, ameaças químicas e biológicas e perda de controle sobre sistemas de IA, e que o modelo ficou abaixo de todos os limites de alto risco nessas categorias.
Segundo a empresa, o Muse Ember recebeu proteções para tarefas executadas em nome dos usuários, incluindo resistência a instruções maliciosas escondidas em páginas e documentos, o chamado prompt injection, e solicitação de confirmação humana antes de ações de alto impacto.
Do ponto de vista de decisão, e aqui em análise editorial, a migração de subtarefas para um modelo de baixo custo costuma ser testada em três frentes:
- Volume e repetição: tarefas com prompt estável e saída verificável por regra, como extração de campos e classificação, tendem a ser as primeiras candidatas.
- Erro tolerável: quanto menor o custo de uma resposta errada, mais seguro começar pelo modelo barato e escalar para o maior apenas nos casos de exceção.
- Rastreabilidade: fluxos com confirmação humana obrigatória em ações de alto impacto exigem que o passo de aprovação seja registrado, não apenas executado.
Esses critérios são recomendações editoriais, não resultados medidos pela Meta nem pela Artificial Analysis. Os números divulgados servem para priorizar testes, não substituem a medição no workload da própria empresa.
Para líderes de produto e tecnologia, o lançamento desloca a discussão de “qual é o modelo mais forte” para “qual é o custo por tarefa concluída com qualidade aceitável”. O Muse Ember entra no portfólio da Meta como a camada de execução em volume, com preço de US$ 0,10 por milhão de tokens de entrada, 1 milhão de tokens de contexto e desempenho inferior ao Claude Haiku 5.5 em engenharia de software no FrontierCode 2.0-AA. A decisão de migrar subtarefas continua dependendo de teste próprio, com o custo por tarefa como métrica de acompanhamento. Para avaliar a aplicação em um fluxo específico, o caminho é conversar com o time da GTM Capital.
Perguntas frequentes
Quanto custa o Meta Muse Ember por milhão de tokens?
O Muse Ember custa US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de tokens de saída na API da Meta, para prompts de até 200 mil tokens. Segundo o Canaltech, a Artificial Analysis mediu custo médio de aproximadamente US$ 0,14 por tarefa, cerca de 17 vezes menor que os US$ 2,39 por tarefa do Muse Spark 1.3.
O Muse Ember é melhor que o Claude Haiku 5.5?
Depende da tarefa. Segundo o Canaltech, o Muse Ember superou o Claude Haiku 5.5 em automação empresarial, tarefas complexas de agentes, programação em terminal e percepção visual, mas ficou atrás no FrontierCode 2.0-AA, com 27,2% contra 34,9% do modelo da Anthropic. No índice geral da Artificial Analysis, os dois empataram com 36 pontos.
Como acessar o Muse Ember?
O Muse Ember está disponível na Meta Model API com o identificador muse-ember-1.0, no Muse Code e em plataformas de nuvem parceiras, incluindo Google Cloud e Oracle Cloud, conforme o Canaltech. A reportagem não informa restrição por país nem detalha condições comerciais além do preço por token.
Quais tarefas o Muse Ember foi feito para executar?
A Meta posicionou o modelo para tarefas repetitivas em grande volume, como chamadas de ferramentas, análise de documentos, extração de dados e subtarefas de programação, segundo o Canaltech. Ele pode operar como agente principal em processos automatizados ou como subagente dentro de sistemas mais complexos, com janela de contexto de 1 milhão de tokens e até 512 mil tokens de saída por chamada.






