Meta Muse Ember: US$ 0,10 por milhão de tokens e benchmarks

Um agente que corrige um único bug pode mandar centenas de pedidos pequenos a um modelo: ler este arquivo, rodar aquele teste, ajustar esta linha, resumir aquele log. A Meta diz que o Muse Ember foi feito para esse tipo de tráfego. A Meta colocou hoje, 9 de novembro de 2026, o Muse Ember, seu menor modelo, na Meta Model API e no Muse Code, a dez centavos de dólar para ler um milhão de tokens e 50 centavos para escrevê-los.

O preço é a manchete e os benchmarks da Meta são o argumento: na tabela que a empresa publicou, o Muse Ember supera o Claude Haiku 5.5, da Anthropic, e o GPT-6 Luna, da OpenAI, na maioria das linhas. Não vence o Haiku em todas, e quatro das dez linhas foram rodadas pela própria Meta.

Publicação da Meta for Developers no X, em 9 de novembro de 2026, anunciando o Muse Ember (@MetaforDevs)

Ver no X

A publicação da Meta for Developers descreve o Muse Ember como "nosso menor e mais eficiente modelo" e diz que ele "se destaca em subtarefas de programação, chamadas de ferramentas e análise de documentos", com entradas de áudio e vídeo além de texto e imagens. Também recomenda combiná-lo com o Muse Wonder ou o Muse Spark. O blog de lançamento e a documentação de modelos da Meta trazem as especificações que a publicação omite, e é neles que o restante desta matéria se apoia.

O que se leva por US$ 0,10

O ID do modelo é muse-ember-1.0. Ele aceita texto, imagens, vídeo, áudio e PDF, devolve texto, tem janela de contexto de 1M de tokens e pode escrever até 512K tokens em uma resposta, segundo o blog da Meta. A documentação diz que ele aceita as mesmas requisições do Muse Spark, pelos endpoints Responses, Chat Completions e Messages, "por um preço menor por token".

A página de preços da Meta fixa a entrada em cache em US$ 0,004 por milhão de tokens e traz também uma ressalva que o anúncio não menciona. O Muse Ember tem duas faixas. Uma requisição de até 200K tokens de entrada paga US$ 0,10 de entrada e US$ 0,50 de saída. Uma com mais de 200K paga US$ 0,30 e US$ 1,50, e segundo a página essa tarifa vale para a requisição inteira, não só para os tokens acima de 200K. O Muse Wonder e o Muse Spark não têm esse acréscimo, então o argumento de "jogue o código inteiro" custa o triplo da tarifa de destaque no lado do Ember.

Mais dois limites da mesma página: o Ember funciona só no modo Standard, ou seja, não existe o modo Contributor com desconto (que troca um preço menor pela permissão de treinar com seus dados, e que o Spark 1.3 tem), e a busca na web é cobrada à parte, a US$ 2,50 por 1.000 consultas.

Onde ele fica diante do Spark e do Wonder

A Meta já vende três modelos de raciocínio em escada. O Wonder é o mais alto, aparece como "em prévia" na documentação e custa US$ 4,00 de entrada e US$ 20,00 de saída por milhão de tokens. O Muse Spark 1.3 custa US$ 1,25 e US$ 4,25. O Ember é o degrau mais barato.

Pelas nossas contas, a entrada do Ember é 12,5 vezes mais barata que a do Spark 1.3 e 40 vezes mais barata que a do Wonder; a saída é 8,5 vezes mais barata que a do Spark e 40 vezes mais barata que a do Wonder. Se um agente lê 10 milhões de tokens e escreve 1 milhão, isso dá US$ 1,50 no Ember, US$ 16,75 no Spark 1.3 e US$ 60,00 no Wonder a preços de tabela (cálculo nosso, sem contar o cache).

A comparação da Meta, montada com dados da Artificial Analysis, mostra a diferença que sustenta o argumento: o Ember marca 36 no Índice de Inteligência da Artificial Analysis contra 37 do Spark 1.3, com US$ 0,14 por tarefa do índice contra US$ 2,39. É cerca de 17 vezes mais barato por tarefa por um ponto a menos. A Meta também diz que o Ember é o primeiro modelo treinado com o Muse Wonder Full, que é como um modelo pequeno herda o comportamento de um grande.

Dez linhas, três juízes

A Meta compara o Ember com o Claude Haiku 5.5 e o GPT-6 Luna, todos com raciocínio "max", em dez linhas. O Ember (contra Haiku e Luna) marca 37,8% contra 13,9% e 20,2% no AutomationBench-AA, 46 contra 37 e 31 no Coding Agent Index-AA, 40,9% contra 39,2% e 16,4% no Terminal-Bench 4.0, 80,6% contra 78,6% e 62,8% no PerceptionBench, e 36 contra 36 e 28 no Índice da Artificial Analysis. No Agents' Last Exam são 61,6% contra 57,0% e 57,1%, e no Personal Superintelligence Index da Meta, 46,8 contra 36,1 e 37,0.

O padrão é menos limpo que "a Meta vence". A maior diferença do Ember está no AutomationBench-AA, e no GDP.pdf-AA ele empata com o Luna em 22,8%, com o Haiku em 20,8%. No OSWorld 2.1, da Meta, supera o Haiku por 0,6 ponto com crédito parcial, o que trataríamos como empate. Na versão binária estrita desse teste, segundo a tabela da Meta, os resultados são 33,8% para o Ember, 27,8% para o Haiku e 17,0% para o Luna.

A linha que vai no sentido contrário é a mais próxima do trabalho diário de programação. No FrontierCode 2.0-AA, que a Meta descreve como tarefas reais de engenharia julgadas por poderem ser incorporadas ao código, o Haiku 5.5 marca 34,9% e o Ember 27,2%, uma diferença de 7,7 pontos. A própria Meta escreve nessa linha: "para os problemas mais difíceis, combine com o Muse Wonder". Como referência, nossa cobertura do Claude Fable 5.2 mostra essa mesma família de testes no topo da linha da Anthropic.

A Meta também escolhe as linhas. Cinco das dez vêm da Artificial Analysis, a empresa independente; Agents' Last Exam, OSWorld 2.1 e PerceptionBench são marcadas como avaliações da própria Meta, e o Personal Superintelligence Index é um índice composto interno. A linha do Terminal-Bench dá a cada modelo o melhor arnês publicado, que não é a mesma configuração para todos. Não vimos uma rodada independente de nenhum desses testes por alguém de fora da Meta e da Artificial Analysis.

Um terço do custo do Haiku, mas de quem é o gráfico?

A afirmação mais forte da Meta é de custo: o Ember "iguala a melhor pontuação do Haiku por cerca de um terço do custo e supera todas as configurações do Luna". Os dados do gráfico sustentam a conta. O Haiku 5.5 na configuração mais alta marca 36,2 a US$ 0,411 por tarefa; o Ember na dele marca 35,8 a US$ 0,136. É 3,0 vezes mais barato pela nossa divisão, por 0,4 ponto a menos. A melhor configuração do Luna no gráfico, 27,8 a US$ 0,152, fica abaixo do Ember nos dois eixos.

Duas ressalvas do próprio blog. A legenda do gráfico diz que os custos do Ember são "estimativas com o preço proposto", enquanto a nota de rodapé diz "preço de tabela"; pela página não deu para saber qual deles os custos plotados usam. E o custo por tarefa é a medida da Artificial Analysis sobre os tokens usados no seu próprio conjunto de tarefas, então um modelo que "pensa" mais na sua carga de trabalho pode mexer no número.

O que os parceiros disseram e o que eles vendem

A página da Meta cita cinco empresas que testaram o modelo antes do lançamento. O CTO da Cloudflare diz que o Ember "foi até 30% mais rápido na cauda que o modelo comparável que testamos". O responsável por inferência da You.com relata latência p95 de 2,2 segundos em seus testes de programação, "de 4 a 13 vezes mais rápida que os principais modelos de pesos abertos", com 36 a 48% menos tokens de saída. A Box aponta uma tarefa de revisão de contratos, o fundador da Cline o considera adequado para trabalho de subagentes e a Oracle chama de "encorajadores" os resultados iniciais.

São depoimentos de fornecedores publicados na página da Meta, e nenhum esclarece com quais modelos ou configurações a comparação foi feita. Trate-os como um sinal sobre latência, que a tabela da Meta não cobre, e não como um teste independente.

Segurança, na classificação da Meta

A Meta diz que avaliou o Ember pelo seu Meta Superintelligence Scaling Framework, incluindo riscos químicos e biológicos, de cibersegurança e de perda de controle, e que ele ficou "abaixo dos limites de alto risco do marco". Acrescenta que o modelo recebeu o mesmo treinamento de segurança básico dos maiores e que foi testado quanto à resistência a instruções escondidas em páginas web ou em saídas de ferramentas. É a avaliação que a Meta faz do próprio modelo; a publicação não linka nenhum relatório.

Teste nos seus passos mais lentos e baratos

Se você usa um arnês de agentes, o sensato é um teste restrito. Escolha os passos repetitivos (leitura de arquivos, execução de testes, extração de documentos longos) e mande só esses para o muse-ember-1.0, deixando um modelo maior para planejar, como a Meta sugere. Julgue pelo número de resultados que você aceita por dólar gasto, não por pontos de benchmark, e mantenha cada requisição abaixo de 200K tokens de entrada ou calcule o preço pela faixa mais alta.

Os assinantes do Muse Code têm uma dúvida em aberto. A lista de planos da Meta cita Muse Spark, Muse Wonder e Muse Image no nível Everyday, e nem o blog nem a página de planos explicam como o Ember conta nos limites de uso.

Placares rodados pelo próprio fornecedor são o padrão dos lançamentos deste mês; nossa análise dos números do GPT-6 Cyber da OpenAI teve a mesma ressalva. O teste que decide o caso do Ember é barato: passe seus próprios 100 passos rotineiros de agente por ele e conte quantos você aceitaria sem editar.

Fonte: Meta, Introducing Our Smallest, Most Efficient Model: Muse Ember

meta muse ember meta model api muse code agentes de ia

AI

Sobre o autor

AI Briefing Daily Editorial. A redação do AI Briefing Daily, uma publicação independente sobre inteligência artificial. Cada matéria é apurada em fontes primárias, verificada manualmente e revisada por uma pessoa antes de ser publicada.