Name: GPT-6 Luna
Author: OpenAI

Mark Zuckerberg presentó el modelo de IA más reciente de Meta en 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 interpretó el anuncio como una rebaja de precios: Meta estaría ofreciendo tarifas más bajas que las de los modelos pequeños y económicos que Anthropic y OpenAI venden a los desarrolladores de agentes de IA.

No es una rebaja de precios, al menos no en la lista de tarifas. 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 lanzó 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 desarrolló para las tareas repetitivas que se ejecutan dentro de un agente; en palabras de Zuckerberg, «subtareas de programación, enrutamiento, extracción y análisis de documentos extensos». La propia descripción de Meta sobre el reparto del trabajo es directa: «Muse Wonder planifica; Muse Ember se encarga del volumen». Alexandr Wang, quien dirige Meta Superintelligence Labs, dijo que Ember es el primer modelo lanzado que se entrenó con Muse Wonder Full, el modelo más grande de Meta.

Meta afirma que Ember procesa texto, imágenes, audio y video, tiene 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 disponibles para descarga y funciona a través de Model API, el servicio alojado 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 el «por dólar»

Meta fija el precio de Ember en $0.10 por cada millón de tokens de entrada y $0.50 por cada 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 lista de precios está en la entrada en caché —texto que el modelo ya procesó y puede reutilizar—, por la que Ember cobra $0.004 por millón de tokens, frente a $0.01 de cada uno de sus dos rivales.

La diferencia aparece en el costo por tarea. En Artificial Analysis Intelligence Index, un conjunto independiente de pruebas de referencia, Ember obtiene una puntuación de 36, a la par de Haiku 5.5 en su nivel más alto, por alrededor de $0.14 por tarea, frente a $0.41 para Haiku. El análisis de los datos de Artificial Analysis que hizo Fello AI explica la razón: en todo el índice, Ember generó unos 115 millones de tokens de salida y Haiku, unos 298 millones, con la misma tarifa por token. El precio por token es igual, pero se necesitan muchos menos tokens. GPT-6 Luna cuesta casi lo mismo por tarea que Ember —$0.15—, pero obtiene una puntuación de 28.

Ese mecanismo importa porque las tarjetas de precios no muestran el número de tokens. Un desarrollador que compare las tarifas ve tres modelos con precios idénticos. La diferencia solo aparece cuando el agente entra en funcionamiento y varía según la tarea, el entorno de ejecución y el nivel de razonamiento. La comparación de Meta usa el máximo esfuerzo de razonamiento, que también figura como la configuración predeterminada de Ember en la documentación para desarrolladores.

El precio que se triplica

La página para desarrolladores de Meta incluye un segundo nivel de precios que no aparece en los mensajes del lanzamiento. Por encima de los 200.000 tokens de entrada, Ember cuesta $0.30 por millón de tokens de entrada y $1.50 por millón de salida: tres veces la tarifa anunciada. La documentación de Meta advierte que una solicitud con un historial de conversación extenso puede superar ese límite. En su nota sobre el lanzamiento, MarkTechPost afirmó que Meta no publicaba una tarifa de contexto largo para Ember; la propia tabla de precios de Meta indica lo contrario.

Ese nivel de precios se aplica justo al uso que Zuckerberg promocionó. «Análisis de documentos extensos» y una ventana de un millón de tokens invitan a los desarrolladores a cargar bases de código completas y conjuntos de documentos, precisamente las solicitudes con más probabilidades de superar el límite. Aun así, Ember sigue siendo más barato que Haiku 5.5 en ese tramo, ya que Haiku cobra $0.50 por la entrada y $2.50 por la salida cuando se superan los 100.000 tokens de solicitud, según MarkTechPost. Pero «barato» pasa a significar «más barato que la alternativa», y esa es otra promesa.

Qué muestran las pruebas de referencia y quién las hizo

Meta publicó diez comparaciones con Haiku 5.5 y GPT-6 Luna. El resultado más destacado de Ember es 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 es en FrontierCode 2.0, que evalúa cambios reales de código según si un responsable de mantenimiento los aceptaría: Haiku obtiene 34.9 y Ember, 27.2.

Fello AI contabilizó quién produjo cada cifra. Cinco resultados provienen de Artificial Analysis, cuatro de pruebas propias de Meta y el de Terminal-Bench combina distintos métodos: una prueba de Artificial Analysis para Ember frente a cifras que los rivales reportaron por su cuenta. Fello también señala que la página de modelos de Artificial Analysis registra solo texto e imágenes como entradas de Ember, así que, por ahora, la compatibilidad con audio y video se basa únicamente en lo que afirma Meta.

Para quién es Muse Ember

En su publicación de lanzamiento, Meta dice que el costo de Ember es «lo bastante bajo como para ejecutarlo en todos los productos y para todos». Por ahora, no está disponible en ninguno de los productos de consumo de Meta: Fello AI informa que no aparece en la aplicación Meta AI, WhatsApp ni el agente Muse. Está pensado para integrarse en los agentes de otras compañías, y las declaraciones de los socios que Meta eligió lo dejan claro. Saoud Rizwan, fundador de Cline, lo recomendó para «equipos que buscan reducir costos al usarlo como subagente dentro de su entorno de ejecución». Dane Knecht, director de tecnología de Cloudflare, dijo que «en la parte final, llegó a funcionar hasta un 30% más rápido que el modelo comparable que probamos».

Esa es la apuesta detrás de Ember. Meta no busca conquistar con él la ventana de chat. Quiere que sea la llamada que se ejecuta mil veces por hora dentro del agente de otra empresa, mientras un modelo más grande se encarga del razonamiento; 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