A Meta colocou no ar na segunda-feira, 9 de novembro de 2026, o Muse Ember, que a empresa apresenta como o menor e mais eficiente modelo da família Muse. Ele chega ao Muse Code, a ferramenta de programação com vários agentes no terminal, e à Meta Model API, aceitando texto, imagem, áudio e vídeo. Segundo o anúncio no blog de desenvolvedores da Meta, o foco é trabalho repetido e bem delimitado: subtarefas de programação, chamadas de ferramentas e processamento de documentos.
O recado de fundo é a divisão de trabalho. A Meta recomenda deixar o planejamento com os modelos maiores da casa, o Muse Wonder e o Muse Spark, e passar a execução em volume para o Ember.
O que foi anunciado
Segundo a Meta, no anúncio e na página do modelo:
- Preço até 200 mil tokens de entrada: US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de tokens de saída.
- Preço acima de 200 mil tokens de entrada: US$ 0,30 na entrada e US$ 1,50 na saída, por milhão. A entrada em cache custa US$ 0,004 ou US$ 0,012 por milhão, conforme a faixa.
- Contexto e entradas: janela de 1 milhão de tokens, com texto, imagem, áudio e vídeo. Exemplos da empresa: ler um print com um relato de bug ou resumir tarefas do áudio de uma reunião.
- Onde usar: em todos os planos de assinatura do Muse Code e na Meta Model API, com o identificador muse-ember-1.0.
- Desempenho declarado: nota 36 no Artificial Analysis Intelligence Index e custo estimado de cerca de US$ 0,13 por tarefa do índice no esforço máximo de raciocínio. Na tabela da própria Meta, o Ember marca 37,8 no AutomationBench-AA, contra 13,9 do Claude Haiku 5.5 e 20,2 do GPT-6 Luna, mas fica atrás do Haiku no FrontierCode 2.0-AA (27,2 contra 34,9).
- Caso de demonstração: a Meta migrou 16 analisadores léxicos do Pygments de Python para Rust, com o Wonder planejando e 16 agentes Ember trabalhando em paralelo. Segundo a empresa, todos passaram nos 383 testes, e a execução custou cerca de US$ 3,96, sendo US$ 2,12 do Wonder e US$ 1,84 do Ember. A própria Meta avisa que o resultado varia de uma execução para outra.
Por que isso importa para quem opera marketing
Muito do uso de IA em marketing é a mesma decisão repetida milhares de vezes: classificar um lead, extrair campos de um contrato, legendar e organizar imagens do acervo, resumir a gravação de uma reunião. Nesse volume, o custo por tarefa tende a pesar mais que a nota máxima num ranking. Um modelo pequeno executando e um maior planejando pode baratear esses fluxos.
O risco muda de lugar. Se a instrução que o planejador passa ao executor sai vaga, o erro se repete na mesma escala. A própria Meta pede tarefa específica, com material de origem, arquivos que o executor pode alterar e critério de aceite. Vale separar também do que a Meta mostrou dias atrás com os spaces do Muse, voltados a criar painéis e ferramentas por descrição dentro do app. O Ember é um modelo para quem monta fluxos pela API ou no Muse Code.
O que conferir antes de testar
- Comece por tarefa não crítica: escolha um trabalho repetitivo, como legenda de imagens ou extração de campos de documentos, rode numa amostra e compare com o modelo que você já usa.
- Meça custo por tarefa: preço por milhão de tokens diz pouco sozinho. Some planejador e executor e divida pelo que foi entregue, como neste guia de custo de IA por fluxo.
- Observe a faixa de contexto: acima de 200 mil tokens de entrada, o preço por milhão fica três vezes maior. Documentos longos podem mudar a conta.
- Trate benchmark como declaração: tabelas e casos vêm da Meta, e os depoimentos, de parceiros como Box e Cloudflare. Compare com o que outros fornecedores anunciaram para a mesma faixa, como o Claude Haiku 5.5, e com o seu próprio teste.
- Confira o uso de dados: antes de mandar documento de cliente ou áudio de reunião pela API, leia os termos da Meta Model API e alinhe com quem cuida de privacidade.
- Mantenha revisão humana: a Meta sugere revisão do desenvolvedor na etapa final. Em peça de marketing, a regra é a mesma.
E agora?
A Meta publicou no Meta Model Cookbook as receitas da migração de código e da organização de fotos, o que permite repetir os testes. Falta ver avaliações independentes do Ember e o custo real em fluxos de marketing, longe de exemplos montados pela própria empresa. Se for testar, compare o custo por item entregue antes de trocar de modelo.
