# Meta lança Muse Ember, modelo de US$ 0,10 por milhão de tokens para tarefas repetidas de agentes > A Meta lançou o Muse Ember no Muse Code e na Meta Model API: modelo multimodal de US$ 0,10 por milhão de tokens de entrada para tarefas repetidas. - Tipo: Notícia - Autor: Dionatha Rodrigues - Publicado em: 2026-11-10 · Atualizado em: 2026-11-10 - URL: https://clubmartech.com.br/noticias/meta-muse-ember/ 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](https://dev.meta.ai/resources/blog/build-with-muse-ember), 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](https://dev.meta.ai/models/muse-ember): - **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. ![Tabela de preços do Muse Ember: até 200 mil tokens de entrada, US$ 0,10 na entrada e US$ 0,50 na saída por milhão; acima disso, US$ 0,30 e US$ 1,50; entrada em cache de US$ 0,004 e US$ 0,012.](https://clubmartech.com.br/wp-content/uploads/2026/11/meta-muse-ember-precos.webp) *Preços declarados pela Meta para o muse-ember-1.0, por faixa de contexto.* ## 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](https://clubmartech.com.br/noticias/meta-muse-spaces/), 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](https://clubmartech.com.br/blog/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](https://clubmartech.com.br/noticias/claude-haiku-5-5-preco-automacao/), 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. ## Fontes - [Meta: página oficial do Muse Ember](https://dev.meta.ai/models/muse-ember) - [Meta: Start building with Muse Ember (blog de desenvolvedores)](https://dev.meta.ai/resources/blog/build-with-muse-ember)