Name: GPT-6 Luna
Author: OpenAI

Mark Zuckerberg presentó el último modelo de IA de Meta con una sola frase en X: «Hoy lanzamos Muse Ember, nuestro modelo más pequeño, que ofrece más inteligencia por dólar que otros de su categoría». Buena parte de la cobertura del lanzamiento lo interpretó como una rebaja de precios: Meta estaría ofreciendo tarifas más bajas que las de los modelos pequeños y baratos que Anthropic y OpenAI venden a los desarrolladores que crean agentes de IA.

No es una rebaja de precios, al menos no en la tarifa oficial. Muse Ember cobra exactamente lo mismo que sus dos rivales mencionados por cada token de entrada y de salida. El ahorro que anuncia Meta es real, pero está en otra parte: en la cantidad de texto que genera el modelo antes de llegar a una respuesta. Es una afirmación más interesante que un descuento, y más difícil de comprobar para un cliente antes de recibir la factura.

Qué ha lanzado Meta

Muse Ember es el cuarto modelo de la familia Muse de Meta, después de Spark, Glimmer y Wonder, y también el más pequeño. Meta Superintelligence Labs lo ha creado para encargarse de las tareas repetitivas dentro de un agente; en palabras de Zuckerberg, «subtareas de programación, enrutamiento, extracción y análisis de documentos extensos». La propia Meta resume sin rodeos el reparto del trabajo: «Muse Wonder planifica; Muse Ember se ocupa del volumen». Alexandr Wang, responsable de Meta Superintelligence Labs, afirmó que Ember es el primer modelo lanzado que se ha entrenado con Muse Wonder Full, el modelo más grande de Meta.

Meta afirma que Ember puede leer texto, imágenes, audio y vídeo, dispone de una ventana de contexto de un millón de tokens y puede generar hasta 512.000 tokens en una sola respuesta. Es un modelo cerrado. No hay pesos descargables y funciona a través de la API de Model de Meta y de Muse Code, el agente de programación de la compañía; Google Cloud y Oracle Cloud también figuran como opciones de acceso.

De dónde sale lo de «más inteligencia por dólar»

Meta fija para Ember una tarifa de 0,10 dólares por millón de tokens de entrada y 0,50 dólares por millón de tokens de salida. Claude Haiku 5.5, de Anthropic, y GPT-6 Luna, de OpenAI, tienen las mismas tarifas base, como señalan MarkTechPost y Fello AI. La única ventaja en la tarifa oficial está en las entradas en caché —texto que el modelo ya ha visto y puede reutilizar—, que Ember cobra a 0,004 dólares por millón, frente a los 0,01 dólares de ambos rivales.

La diferencia aparece en cada tarea. En Artificial Analysis Intelligence Index, una batería independiente de pruebas comparativas, Ember obtiene 36 puntos, la misma puntuación que Haiku 5.5 en su configuración de máxima capacidad, por un coste aproximado de 0,14 dólares por tarea, frente a los 0,41 dólares de Haiku. El análisis de los datos de Artificial Analysis que hace Fello AI explica el motivo: en el índice completo, Ember generó unos 115 millones de tokens de salida y Haiku, alrededor de 298 millones, con la misma tarifa por token. El precio por token es idéntico, pero Ember necesita muchos menos. GPT-6 Luna cuesta aproximadamente lo mismo por tarea que Ember —0,15 dólares—, pero obtiene 28 puntos.

Este mecanismo importa porque ninguna tarifa muestra cuántos tokens se van a utilizar. Un desarrollador que compare los precios oficiales verá tres modelos con tarifas idénticas. La diferencia solo aparece cuando se pone en marcha el agente y varía según la tarea, el entorno de ejecución y el nivel de razonamiento. La comparación de Meta utiliza el máximo esfuerzo de razonamiento, que también figura como ajuste predeterminado de Ember en la documentación para desarrolladores.

El tramo de precio que se triplica

La página para desarrolladores de Meta incluye un segundo tramo de precios que no aparece en los mensajes del lanzamiento. Por encima de los 200.000 tokens de entrada, Ember cuesta 0,30 dólares por millón de tokens de entrada y 1,50 dólares por millón de salida: el triple de la tarifa anunciada. La documentación de Meta advierte de que una solicitud con un historial de conversación largo puede superar ese límite. En su artículo sobre el lanzamiento, MarkTechPost afirmó que Meta no especificaba para Ember una tarifa para contextos largos; la tabla de precios de la propia Meta dice lo contrario.

Ese tramo afecta precisamente al uso que Zuckerberg promocionó. «Análisis de documentos extensos» y una ventana de un millón de tokens invitan a los desarrolladores a introducir bases de código completas y conjuntos de documentos, justo las solicitudes con más probabilidades de superar el umbral. Aun así, Ember sigue siendo más barato que Haiku 5.5 en ese tramo, ya que Haiku cobra 0,50 dólares por millón de tokens de entrada y 2,50 dólares por millón de salida por encima de los 100.000 tokens de entrada, según MarkTechPost. Pero «barato» pasa a significar «más barato que la alternativa», y eso es una promesa distinta.

Qué muestran las pruebas y quién las realizó

Meta publicó diez comparaciones con Haiku 5.5 y GPT-6 Luna. El mejor resultado de Ember es en AutomationBench, la prueba de Artificial Analysis con 657 flujos de trabajo empresariales de Zapier, donde completa el 37,8 % de las tareas, frente al 13,9 % de Haiku y el 20,2 % de Luna. Su única derrota clara se da en FrontierCode 2.0, que evalúa cambios reales de código según si un responsable de mantenimiento los aceptaría: Haiku obtiene 34,9 puntos y Ember, 27,2.

Fello AI contó quién había producido cada dato. Cinco resultados proceden de Artificial Analysis, cuatro son pruebas de la propia Meta y la fila de Terminal-Bench combina distintos métodos: una prueba de Artificial Analysis para Ember y cifras comunicadas por los propios responsables de sus rivales. Fello también señala que la página de Artificial Analysis indica que las entradas de Ember son únicamente texto e imagen, así que, por ahora, la compatibilidad con audio y vídeo depende de lo que afirma Meta.

Para quién es Muse Ember

En su publicación de lanzamiento, Meta afirma que el coste de Ember es «lo bastante bajo como para ejecutarlo en todos los productos y para todo el mundo». De momento, no está disponible en ninguno de los productos de consumo de Meta: Fello AI señala que no aparece en la aplicación Meta AI, WhatsApp ni el agente Muse. Es una pieza para los agentes de otras empresas, y así lo dejan claro las declaraciones de los socios que Meta eligió para el anuncio. Saoud Rizwan, fundador de Cline, lo recomendó a «equipos que quieren reducir costes ejecutándolo como subagente dentro de su entorno». Dane Knecht, director de tecnología de Cloudflare, afirmó que «llegó a ser hasta un 30 % más rápido en la parte final que el modelo comparable que probamos».

Esa es la apuesta de Ember. Meta no pretende ganar con él la ventana de chat. Quiere ser la llamada que se ejecuta mil veces por hora dentro del agente de otra empresa, mientras un modelo más grande se encarga de pensar; en ese trabajo, la factura depende de una cifra que ningún proveedor publica: cuántos tokens necesita el modelo para terminar.

Etiquetas: meta, Mark Zuckerberg, modelos de IA, Claude Haiku, Muse Ember