Meta lança Muse Ember, modelo menor da família Muse para tarefas de agentes

A Meta Superintelligence Labs lançou o Muse Ember, o menor e mais eficiente modelo da família Muse. Ele foi desenhado para o trabalho que agentes repetem o dia todo, como chamadas de ferramentas, roteamento e leitura de documentos longos. A empresa o apresenta como parceiro de modelos maiores, como o Muse Wonder, em sistemas de agentes.

O que é e o que traz

O Muse Ember é o quarto modelo da marca Muse, depois do Spark (abril), do Glimmer, versão aberta do Spark (agosto), e do Wonder (outubro), segundo o TechCrunch. O modelo está disponível na Meta Model API.

A janela de contexto chega a 1 milhão de tokens, com saída de até 512 mil. Segundo a Meta, isso permite processar uma base de código ou um conjunto de documentos inteiro em uma só chamada.

O modelo entende texto, imagem, áudio e vídeo de forma nativa. A Meta diz que ele lê capturas de tela, gráficos e documentos escaneados, opera um computador a partir de screenshots e trabalha com gravações de reuniões sem exigir outro modelo.

Desempenho e divisão de trabalho

Com base no índice composto da Artificial Analysis, a Meta afirma que o Muse Ember iguala a melhor pontuação do Claude Haiku 5.5 e supera todas as configurações do GPT-6 Luna. Segundo a empresa, nenhum modelo do ranking completo pontua mais gastando menos por tarefa.

Para problemas difíceis, a recomendação é combinar o Ember com o Muse Wonder: o Wonder planeja e o Ember cuida do volume. O TechCrunch cita o exemplo de um agente de suporte, em que o modelo maior define as regras e o menor as aplica a dezenas de milhares de casos.

Antes do lançamento, a Meta avaliou o modelo em seu framework de escala de segurança, que cobre riscos químicos, biológicos, de cibersegurança e de perda de controle. Segundo a empresa, ele ficou abaixo dos limiares de alto risco em todas as categorias.

Repercussão e para quem faz sentido

No Hacker News, o anúncio teve 27 pontos e 9 comentários. Um usuário apontou seis níveis de esforço de raciocínio, de minimal a max, e testou cada um com um desenho de pelicano em SVG. Só o nível high não devolveu um arquivo completo. Outro comentarista disse que o resultado sobre o Luna não o surpreende, dada a idade do modelo rival.

O Ember faz mais sentido para equipes que montam agentes com muitas etapas pequenas e estruturadas, como extração de dados, roteamento e subtarefas de programação. Quem precisa de planejamento mais complexo deve combiná-lo com um modelo maior.

Pontos-chave

• Comparação da Meta feita contra Claude Haiku 5.5 e GPT-6 Luna
• Saída de até 512 mil tokens por chamada
• Níveis de esforço vão de minimal a max, segundo teste no Hacker News
• Avaliação de segurança da própria Meta aponta risco abaixo do patamar alto

Texto escrito por IA a partir das reportagens e páginas listadas abaixo e checado contra elas por uma segunda revisão automática. Atualizado em 09/11/2026 às 15:45 (Brasília).