Clasificación y derivación de solicitudes.
Extracción de información.
Procesamiento de documentos extensos.
El modelo puede interpretar documentos, imágenes, grabaciones y videos, y trabajar junto con sistemas de IA más potentes.
Meta presentó Muse Voice: cómo funciona su avatar de IA para videollamadas
Clasificación y derivación de solicitudes.
Extracción de información.
Procesamiento de documentos extensos.
Meta presentó Muse Ember, un nuevo modelo de inteligencia artificial desarrollado para ejecutar tareas complejas con un menor costo operativo. Se trata del modelo más liviano y económico de Meta Superintelligence Lab, el laboratorio de IA de la compañía.
La propuesta apunta especialmente al funcionamiento de agentes autónomos, con tareas como programación, extracción de información, procesamiento de documentos y uso de herramientas. Según Meta, su principal ventaja es la relación entre costo y rendimiento frente a modelos de competidores como Anthropic y OpenAI.
Uno de los principales argumentos de Meta para presentar Muse Ember es su costo de funcionamiento. El modelo tiene un precio de US$ 0,10 por millón de tokens de entrada, una cifra que la compañía utiliza para destacar su competitividad frente a otras alternativas del mercado.
En su presentación, Meta recurrió al puntaje compuesto de Artificial Analysis para comparar el costo y la capacidad de Ember con modelos como Haiku, de Anthropic, y Luna, de OpenAI. También señaló que compite en precio con alternativas de código abierto como DeepSeek V4.1 Flash y GLM 5.3 Flash.
La estrategia está orientada a empresas que necesitan procesar grandes volúmenes de información sin depender exclusivamente de modelos más costosos.
Meta diseñó Ember para trabajar junto con modelos de mayor capacidad, como Muse Wonder, dentro de sistemas basados en agentes autónomos. La idea es distribuir las tareas según su complejidad y reducir los costos de ejecución.
Por ejemplo, en un agente de atención al cliente, un modelo más potente puede establecer las reglas para resolver determinados problemas. Después, Ember puede aplicar esas instrucciones a decenas de miles de casos.
La compañía resumió esta estrategia con una frase: “Muse Wonder planifica, Muse Ember gestiona el volumen”.
Entre las tareas para las que fue desarrollado se encuentran:
Uso de herramientas y ejecución de acciones.
Subtareas de programación.
Otra característica destacada es su capacidad multimodal. El modelo fue entrenado para trabajar con distintos formatos de información, además de texto, como imágenes y audio.
Esto permite que los agentes puedan interpretar capturas de pantalla, gráficos y documentos escaneados. También pueden procesar notas de voz, grabaciones de reuniones y videos sin recurrir a un modelo independiente para cada tipo de contenido.
Esta versatilidad busca facilitar la automatización de tareas empresariales que requieren analizar información de diferentes fuentes.
Muse Ember es el cuarto modelo de la familia Muse presentado por Meta. Su lanzamiento se suma a una estrategia que incluye diferentes alternativas según la capacidad y el tipo de uso requerido.
Muse Spark: modelo de capacidad intermedia presentado en abril de 2026.
Glimmer: versión de código abierto de Spark, lanzada en agosto.
Muse Wonder: modelo insignia de mayor capacidad, presentado en octubre.
Muse Ember: alternativa liviana y económica, enfocada en la ejecución de tareas a gran escala.
Por otra parte, Meta lanzó en septiembre Muse Agent, su producto de inteligencia artificial orientado al público general. Durante noviembre también comenzó a incorporar nuevas funciones, entre ellas Spaces, una herramienta de colaboración, y el chat por video.
