Por Redação Insight · Editor responsável: Werner Jacob · Atualizado em 10 de novembro de 2026.
A Meta lançou em 9 de novembro o Muse Ember, que ela descreve como seu menor e mais eficiente modelo de IA, feito para o trabalho que agentes repetem o dia inteiro. Na Meta Model API, custa US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de saída, mas só para prompts de até 200 mil tokens. Acima disso, o preço triplica.
O modelo (muse-ember-1.0) aceita texto, imagem, áudio e vídeo e tem janela de 1 milhão de tokens. Os testes de desempenho foram divulgados pela própria Meta, e parte deles é interna. O Ember perde em 1 dos 10 testes que a Meta mostra, o FrontierCode 2.0, para o Claude Haiku 5.5.
Tabela de Conteúdo
Quanto custa o Muse Ember?
| Prompt (por milhão de tokens) | Entrada | Saída |
|---|---|---|
| Até 200 mil tokens | US$ 0,10 | US$ 0,50 |
| Acima de 200 mil tokens | US$ 0,30 | US$ 1,50 |
A Meta também lista um preço menor para entrada em cache, que não entra na tabela. Segundo o anúncio, a saída pode chegar a 512 mil tokens por resposta, limite que a página de documentação do modelo não traz.
O que significa perder em só 1 teste?
No FrontierCode 2.0, de programação e medido pela Artificial Analysis, o Ember marca 27,2%, o Haiku 5.5 marca 34,9% e o GPT-6 Luna, 25,2%. Nos outros nove, a Meta mostra o Ember à frente ou empatado, sempre no máximo esforço de raciocínio. O empate é com o Haiku no índice da Artificial Analysis e com o Luna no GDP.pdf-AA.
| Teste (máximo esforço) | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| Índice de Inteligência da Artificial Analysis | 36 | 36 | 28 |
| AutomationBench-AA (aprovação estrita) | 37,8% | 13,9% | 20,2% |
| Coding Agent Index-AA | 46 | 37 | 31 |
| Terminal-Bench 4.0 | 40,9% | 39,2% | 16,4% |
| FrontierCode 2.0-AA | 27,2% | 34,9% | 25,2% |
| Agents’ Last Exam (Linux, medição interna da Meta) | 61,6% | 57,0% | 57,1% |
A tabela mostra 6 dos 10 testes do anúncio. No Terminal-Bench, a Meta usou o melhor harness publicado de cada modelo (harness é o programa que roda o modelo): mini-swe-agent para o Ember, Claude Code para o Haiku e Codex para o Luna.
E o custo por tarefa?
A Meta destaca o custo por tarefa. O anúncio afirma que o Ember "delivers more intelligence per dollar than Claude Haiku 5.5 or GPT-6 Luna at any reasoning setting" (mais inteligência por dólar, em tradução nossa). O Haiku chega a 36,2 pontos no índice por US$ 0,411 por tarefa. O Ember marca 36 por cerca de US$ 0,14.
Esse custo do Ember é, segundo a legenda do gráfico, uma estimativa com o preço proposto, e o rodapé fala em preço de tabela.
A Meta também compara o Ember ao Muse Spark 1.3, outro modelo dela. No índice, são 36 contra 37. Por tarefa, US$ 0,14 contra US$ 2,39.
Para que a Meta diz que ele serve?
A empresa cita chamadas de ferramentas, subtarefas de programação, roteamento, extração de dados e leitura de documentos longos. Na lógica da Meta, outro modelo dela, maior, cuida dos problemas mais difíceis, e o Ember fica com o trabalho repetível em escala.
Um exemplo do blog para desenvolvedores: 10 mil fotos legendadas e organizadas em álbuns por US$ 1,33 no total, sendo US$ 0,81 do Muse Wonder (o modelo maior, que planeja) e US$ 0,52 do Ember. A introdução da mesma página traz US$ 1,59 e US$ 0,50, e a Meta não explica a diferença.
E na prática?
- Agentes com muitas chamadas curtas: o preço por token é o argumento central da Meta.
- Programação: o Ember perde no FrontierCode 2.0 e ganha no Coding Agent Index-AA (46 contra 37 e 31). O resultado depende do tipo de tarefa.
- Para começar: a Meta indica gerar uma chave em dev.meta.ai, apontar um cliente compatível com a API da OpenAI para a Meta Model API e usar o modelo
muse-ember-1.0. O blog diz que o Ember está em todos os planos do Muse Code, mas o cartão do Muse Code na página do modelo cita só o Wonder, então vale conferir no seu plano.
Antes de migrar, compare o custo por tarefa no seu uso. A comparação com os rivais é toda da Meta.
O que a Meta não diz
- O preço do Haiku 5.5 e do GPT-6 Luna: sem ele, não dá para conferir a conta de "inteligência por dólar" fora da tabela da Meta.
- Se os pesos do modelo serão abertos: o anúncio não trata do assunto.
- Como funcionam os testes internos (OSWorld 2.1, PerceptionBench e outros). O anúncio só define o Personal Superintelligence Index como um composto interno de oito avaliações.
- Onde ele está à venda: as páginas divergem. O Google Cloud aparece nas duas (como Google Cloud Marketplace na página do modelo). O Oracle Cloud só aparece como disponibilidade no anúncio; na página do modelo, a Oracle surge apenas em depoimento. O OpenRouter tem um link na página do modelo, em cartão que cita o Wonder, e o anúncio não o menciona. Este texto confirma só Meta Model API, Muse Code e Google Cloud.
Leia também no Insight
- GPT-6.1 Terra: o que a OpenAI promete para o uso de computador e o preço
- Claude Fable 5.2: preço, promoção e o Mythos restrito
- Outra cobertura do Insight sobre a Nvidia e Jensen Huang
- A Nvidia e a robótica no CoRL