Muse Ember, de Meta, iguala a Claude Haiku 5.5 en un índice de IA por un tercio del coste

Meta ha lanzado Muse Ember, un modelo propietario compacto orientado a las tareas repetitivas que realizan los agentes de IA. Un proveedor independiente de evaluaciones ha medido en él una puntuación de inteligencia compuesta aproximadamente igual a la de Claude Haiku 5.5, de Anthropic, con cerca de un tercio del coste por tarea evaluada.

La comparación es más limitada que una afirmación de equivalencia general entre ambos modelos. Artificial Analysis otorgó una puntuación redondeada de 36 en su Intelligence Index a las versiones con máximo nivel de razonamiento de los dos modelos. El coste medido fue de 0,14 dólares por tarea para Muse Ember y de 0,41 dólares para Claude Haiku 5.5. El índice combina nueve evaluaciones, entre ellas automatización empresarial, trabajo en terminal, programación sobre repositorios reales y conocimientos factuales.

Ese coste es una media ponderada de las tareas de evaluación del proveedor, no el precio de una petición habitual de un cliente. La factura real depende de la longitud de las instrucciones, las entradas almacenadas en caché, el volumen de salida y el esfuerzo de razonamiento. Por eso, los desarrolladores y empresas franceses que estén valorando el modelo tendrán que probar sus propias cargas de trabajo, en lugar de multiplicar la cifra por tarea del estudio por el número previsto de llamadas del agente.

Qué ofrece Meta

Meta presentó Muse Ember el 9 de noviembre como su modelo de razonamiento más pequeño y eficiente. Está disponible como muse-ember-1.0 a través de Meta Model API y Muse Code, y admite entradas de texto, imágenes, vídeo, audio y PDF. La documentación de Meta indica una ventana de contexto de 1.048.576 tokens, una salida máxima de 524.288 tokens y niveles de razonamiento que van de mínimo a máximo.

Meta presenta Ember como una capa de ejecución para tareas acotadas, como llamadas a herramientas, enrutamiento, extracción de datos, procesamiento de documentos y subtareas de programación. Sus modelos Muse Wonder o Muse Spark, de mayor tamaño, pueden planificar un flujo de trabajo mientras varias llamadas a Ember se encargan de pasos más concretos. Esta división es relevante porque los sistemas de agentes pueden realizar numerosas llamadas a modelos antes de completar una única tarea visible para el usuario.

Para peticiones de hasta 200.000 tokens de entrada, las tarifas publicadas por Meta para su API son de 0,10 dólares por cada millón de tokens de entrada, 0,004 dólares por cada millón de tokens de entrada almacenados en caché y 0,50 dólares por cada millón de tokens de salida. Si una petición supera los 200.000 tokens de entrada, pasa íntegramente a la tarifa de contexto largo: 0,30 dólares por millón de tokens de entrada, 0,012 dólares por millón de tokens almacenados en caché y 1,50 dólares por millón de tokens de salida. Esto significa que la ventana de un millón de tokens de Ember no mantiene la tarifa publicitada más baja en toda su extensión.

Artificial Analysis señala que Ember y Haiku 5.5 tienen los mismos precios anunciados para tokens de entrada y salida en las configuraciones comparadas. La menor factura de Ember en la evaluación se debió a una tarifa más baja para las entradas almacenadas en caché y a un volumen de tokens de salida aproximadamente un tercio menor, no a una diferencia de tres veces en los precios estándar publicados para entrada y salida.

Buenos resultados en automatización, pero señales dispares en programación

El empate en la puntuación compuesta oculta diferencias sustanciales entre las pruebas. En la comparación actual de Artificial Analysis, Ember con el máximo nivel de razonamiento obtuvo un 68,1% en AutomationBench-AA, frente al 35,4% de Haiku 5.5. También se impuso en Terminal-Bench 4.0, con un 40,9% frente al 32,8%.

Haiku lideró en FrontierCode 2.0, que utiliza tareas de ingeniería procedentes de repositorios reales y evalúa si se aceptaría el cambio propuesto: un 34,9% frente al 27,2% de Ember. El informe de evaluación de Meta afirma que Artificial Analysis ejecutó el conjunto privado de 132 tareas. La diferencia es una advertencia para los equipos cuyos agentes deben desenvolverse en código de producción desconocido, reproducir errores y entregar parches que puedan integrarse.

Los modelos también se probaron dentro de productos de programación diferentes. Ember, integrado en Muse Code, obtuvo 46 puntos en el Coding Agent Index de Artificial Analysis, mientras que Haiku, en Claude Code, logró 37. Los entornos de ejecución, las herramientas y el diseño del agente pueden influir en estos resultados, por lo que las puntuaciones comparan tanto combinaciones completas de modelo y agente como los modelos subyacentes.

La recuperación de información factual es el punto más débil de Ember en los resultados independientes publicados. Obtuvo un 21,1% en AA-Omniscience y se negó a responder al 64% de las preguntas. Artificial Analysis registró una tasa de alucinación del 17,4% entre las respuestas relevantes, inferior a la de Haiku, pero el elevado porcentaje de negativas indica que Ember puede no ser adecuado cuando se espera que un agente dependa de sus conocimientos internos sin recurrir a sistemas de recuperación.

Qué implica para los equipos franceses

El lanzamiento es relevante para Francia porque Ember está documentado para el acceso empresarial global más allá del servicio para desarrolladores de Meta. S3NS, la empresa francesa de servicios en la nube controlada por Thales y desarrollada con tecnología de Google Cloud, incluye Muse Ember 1.0 en fase preliminar en un punto de acceso global de la documentación de su plataforma Gemini Enterprise Agent Platform. La página describe el uso con pago por consumo y mediante cuota fija, y señala que el modelo aún no está disponible con carácter general y puede contar con asistencia limitada.

La política de uso geográfico de Meta no incluye a Francia entre los territorios restringidos, aunque la compañía advierte de que la disponibilidad del servicio se controla técnicamente y puede cambiar. Eso no garantiza que todas las cuentas francesas, modalidades de facturación o regiones de despliegue puedan utilizar el modelo. Las organizaciones que gestionen datos personales o confidenciales también deben evaluar las condiciones contractuales, la ubicación de los datos y el cumplimiento normativo, en lugar de interpretar la disponibilidad del modelo como una autorización en materia de privacidad.

Para una startup francesa que procese documentos, clasifique solicitudes de asistencia o distribuya numerosas tareas concretas entre subagentes, la eficiencia medida de Ember podría reducir los costes de inferencia. Un equipo de software que realice cambios complejos en repositorios maduros puede dar más importancia a la ventaja de Haiku en FrontierCode. Los flujos de trabajo que dependan mucho del conocimiento necesitarán sistemas de recuperación, fuentes fundamentadas y una gestión adecuada de las negativas.

Muse Ember modifica así el equilibrio entre precio y rendimiento, pero no resuelve la elección. La comparación útil no es "Ember frente a Haiku" en abstracto, sino el coste y la tasa de fallos de cada modelo dentro del ciclo exacto de agente que el equipo pretenda poner en funcionamiento.