Meta lança Muse Ember, modelo leve e barato para agentes de IA

O Meta Superintelligence Labs lançou na segunda-feira (9) o Muse Ember, o modelo de IA mais leve e de menor custo do laboratório até agora. Segundo a Meta, ele foi feito para raciocínio complexo na execução e para o trabalho que agentes repetem o dia todo: chamadas de ferramentas, subtarefas de programação, roteamento, extração de dados e leitura de documentos longos.

O preço é o principal argumento. O Ember custa US$ 0,10 por milhão de tokens de entrada (cerca de R$ 0,54, na conversão do Olhar Digital). Usando a pontuação composta da Artificial Analysis, a Meta diz que o modelo é mais barato e mais inteligente que concorrentes como o Haiku, da Anthropic, e o Luna, da OpenAI. O preço também seria competitivo com o de alternativas de código aberto, como DeepSeek V4.1 Flash e GLM 5.3 Flash. A comparação é da própria Meta.

A ideia é usar o Ember junto de um modelo maior, como o Muse Wonder, numa estrutura de agentes. Num atendimento ao cliente, por exemplo, o modelo mais pesado definiria as regras para resolver um tipo de problema, e o Ember as aplicaria em dezenas de milhares de casos. No anúncio, a Meta resumiu: “Muse Wonder planeja, Muse Ember lida com o volume”.

O modelo também foi treinado para lidar com texto, imagens e áudio. Segundo a Meta, isso permite que agentes leiam capturas de tela, gráficos e documentos digitalizados, ou trabalhem a partir de mensagens de voz, gravações de reuniões e vídeos, sem precisar de um modelo separado para cada formato.

O Ember é o quarto modelo da marca Muse. Antes vieram o Spark, de porte intermediário, em abril; o Glimmer, versão de código aberto do Spark, em agosto; e o Wonder, modelo de fronteira, em outubro. O Muse Agent, principal produto de IA da Meta para o consumidor, saiu em setembro e teve sucesso inesperado. No início de novembro, ganhou recursos como Spaces e videochamadas.

Para empresas que rodam agentes em grande escala, o custo por tarefa tende a pesar tanto quanto a qualidade do modelo. Os números de desempenho citados vêm da Meta e usam um único índice de comparação, então vale testar o modelo nos casos de uso reais antes de decidir.