Os laboratórios Meta Superintelligence Labs revelaram seu novo modelo Muse Ember, o menor modelo de inteligência artificial da família Muse até o momento. Este modelo foi desenvolvido especificamente para ser o motor de execução de agentes digitais (AI Agents), concentrando-se no desempenho de tarefas repetitivas e específicas dentro de fluxos de trabalho, como escrever códigos de programação simples, extrair dados de documentos e classificar solicitações de clientes, tudo isso com um custo operacional muito baixo em comparação com modelos gigantes.
Estratégia de planejamento e execução: integração entre modelos
A Meta baseia sua nova filosofia na divisão do trabalho entre diferentes níveis de inteligência artificial. Nesse sistema, modelos grandes como Muse Wonder ou Muse Spark cuidam de tarefas de planejamento estratégico e tomada de decisões complexas. Por exemplo, o modelo Wonder pode definir políticas de reembolso para um cliente, enquanto o Muse Ember cuida da execução dessas regras em milhares de solicitações, verificando registros de pedidos e encaminhando casos que exigem intervenção humana para as equipes especializadas.
Essa separação entre o "cérebro planejador" e os "músculos executores" visa reduzir a fatura total para os desenvolvedores, já que o uso de um modelo pequeno para tarefas rotineiras reduz significativamente o custo de cada operação (inferência) em comparação com o uso de um modelo gigante para cada etapa.
Capacidades técnicas e multimídia
O Muse Ember não se limita apenas ao processamento de texto, mas destaca-se por suas capacidades multimodais, podendo receber entradas que incluem imagens, áudio, vídeo e arquivos PDF, produzindo saídas de texto. Isso o torna ideal para tarefas como extrair datas de pagamento de faturas digitalizadas ou resumir pontos de ação de gravações de reuniões de áudio.
- Janela de contexto (Context Window): chega a um milhão de tokens, permitindo que o modelo examine grandes conjuntos de documentos ou bases de código em uma única solicitação.
- Limite de saída: o modelo pode produzir até 524 mil tokens em uma única resposta.
Custo e desempenho em testes de referência
A Meta apresentou uma estrutura de preços competitiva através da Meta Model API e do Muse Code. O custo de um milhão de tokens de entrada começa em 0,10 dólares (para solicitações que não excedem 200 mil tokens), enquanto o custo de um milhão de tokens de saída é de 0,50 dólares. Esses preços aumentam caso a solicitação ultrapasse o limite de 200 mil tokens, chegando a 0,30 dólares para entradas e 1,50 dólares para saídas.
Os testes mostraram uma superioridade notável do Muse Ember em algumas áreas; no teste AutomationBench-AA, que mede processos de várias etapas, o modelo alcançou uma taxa de sucesso de 37,8%, superando o modelo GPT-6 Luna da OpenAI (20,2%) e o modelo Claude Haiku 5.5 da Anthropic (13,9%). No entanto, no teste de programação FrontierCode 2.0-AA, o modelo Claude Haiku 5.5 superou o Muse Ember com 34,9% contra 27,2%.
O que muda na prática?
O lançamento do Muse Ember representa uma mudança na forma como os aplicativos de inteligência artificial são construídos; em vez de depender de um único modelo gigante e caro para fazer tudo, os desenvolvedores estão caminhando para uma infraestrutura híbrida. Essa tendência resolve o problema do custo elevado e da lentidão na execução de tarefas rotineiras, abrindo caminho para agentes digitais capazes de trabalhar em escala e com uma eficiência econômica que torna a automação completa de tarefas administrativas e de programação simples algo realista e comercialmente viável.