Meta AI lanzó Muse Ember, su candidato en la categoría de Claude Haiku y GPT Luna. El desarrollador Simon Willison revisó el modelo el mismo día del anuncio. Meta lo describe así:

"nuestro modelo más pequeño y eficiente, diseñado para la ejecución de razonamiento complejo y el trabajo que los agentes repiten todo el día: llamadas a herramientas, subtareas de programación, enrutamiento, extracción y análisis de documentos largos."

En prompts cortos cuesta lo mismo que GPT-6 Luna y Claude Haiku 5.5. Los tres cobran 0,10 dólares por millón de tokens de entrada y 0,50 dólares por millón de salida. El otro gran lanzamiento del día, Claude Fable 5.2, cuesta 80 veces más, con 8 dólares de entrada y 40 de salida.

¿Cuánto cuesta Muse Ember con prompts largos?

El precio se complica cuando el prompt crece. Luna, Ember y Haiku aceptan hasta un millón de tokens de entrada, y los tres tienen un umbral desde el que la tarifa sube. Con ese umbral en la cuenta, Ember queda entre los otros dos.

ModeloTamaño del promptEntrada (USD/M)Entrada en cachéSalida
GPT-6 Luna≤272k0,100,010,50
GPT-6 Luna>272k0,200,020,75
Muse Ember 1.0≤200k0,100,0040,50
Muse Ember 1.0>200k0,300,0121,50
Claude Haiku 5.5≤100k0,100,010,50
Claude Haiku 5.5>100k0,500,052,50

Willison advierte que comparar precio por token ya tiene poco sentido. Con los tokens de razonamiento, dos modelos pueden gastar cantidades muy distintas para resolver el mismo problema.

La frontera de costo por tarea

Una medida más útil es la de Artificial Analysis, y más todavía su gráfico de índice de inteligencia contra costo por tarea, que muestra a los tres modelos así:

Gráfico de dispersión de Artificial Analysis titulado Intelligence Index vs. Cost per Task, con el índice de inteligencia en el eje vertical y el costo por tarea en dólares en escala logarítmica en el horizontal

Los modelos Muse Ember quedan justo sobre la línea de Pareto, el límite en que solo se puede mejorar una dimensión cediendo en la otra. Meta lo destaca en su anuncio:

"También se ubica en la frontera de eficiencia de toda la tabla de Artificial Analysis: ningún modelo obtiene un puntaje más alto por menos costo por tarea."

El punto gris sobre la línea de Pareto, en medio de la zona verde, corresponde a GPT-6.1 Terra en su nivel bajo. Willison anotó que debería prestarle más atención a la familia Terra.

Seis niveles de razonamiento y seis pelícanos

Muse Ember tiene seis niveles de razonamiento, llamados minimal, low, medium, high, xhigh y max. Willison aplicó su prueba habitual, pedirle a cada nivel un SVG de un pelícano en bicicleta, y publicó los seis resultados. El nivel high no devolvió un SVG completo. En los demás, el nivel de razonamiento no se tradujo de forma ordenada en la calidad visual del dibujo.

Este es el del nivel max:

Pelícano en bicicleta generado por Muse Ember. El cuadro de la bicicleta está bien, la canasta lleva un pescado y el pelícano usa un extraño gorro azul

Según Willison, los pelícanos de Ember tienen una calidad comparable a los que obtuvo con Muse Wonder, que cuesta 40 veces más que Muse Ember.