Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Inteligencia artificial · research.meta.ai
Muse Ember: nuestro modelo más pequeño y eficiente
Meta presenta Muse Ember, su modelo más pequeño, pensado para el trabajo repetitivo de los agentes: llamadas a herramientas, subtareas de código, enrutado, extracción y análisis de documentos largos. Según Meta ofrece más inteligencia por dólar que Claude Haiku 5.5 y GPT-6 Luna, y ya está disponible en su API.
Abstract illustration of blue orbital curves, arrows and points looping out from a single center. Foto: vía research.meta.ai
1 medio · MadridPublicada 9 nov, 19:40Actualizada 10 nov, 04:20· Ya no está en portadaEscrita por IA · cómo funciona
Meta sostiene que Muse Ember iguala la mejor puntuación de Claude Haiku 5.5 con aproximadamente un tercio del coste, y que supera todos los ajustes de razonamiento de GPT-6 Luna. Según el índice de Artificial Analysis, ningún modelo puntúa más por menos coste por tarea. Los costes de Muse Ember son estimaciones con el precio propuesto: unos 0,116 dólares por tarea con 33,9 puntos y 0,136 con 35,8, frente a los 0,411 dólares y 36,2 puntos de Haiku 5.5 en su ajuste máximo.
Con razonamiento al máximo, Meta publica ventajas en AutomationBench-AA (37,8 % frente a 20,2 % de Luna y 13,9 % de Haiku), Agents' Last Exam (61,6 %), Terminal-Bench 4.0 (40,9 %), Coding Agent Index-AA (46) y PerceptionBench (80,6 %). En FrontierCode 2.0-AA, en cambio, Haiku 5.5 queda por delante (34,9 % frente a 27,2 %). En GDP.pdf-AA, Ember y Luna empatan con 22,8 %. Varias de las pruebas son evaluaciones internas de Meta, como el Personal Superintelligence Index.
El modelo es multimodal nativo (texto, imagen, audio y vídeo), tiene una ventana de contexto de 1M de tokens y hasta 512K de salida. Meta recomienda combinarlo con Muse Wonder para los problemas más difíciles: Wonder planifica y Ember se encarga del volumen. Box, uno de los socios que lo probaron, destaca su precisión, velocidad y eficiencia en tokens al puntuar contratos cláusula a cláusula.
Está disponible como muse-ember-1.0 en Muse Code y en la Meta Model API, a 0,10 dólares por millón de tokens de entrada y 0,50 por millón de salida. Meta afirma que lo evaluó con su Meta Superintelligence Scaling Framework, incluidos riesgos químicos, biológicos, de ciberseguridad y de pérdida de control, y que quedó por debajo de los umbrales de alto riesgo.
«Muse Ember: Our smallest, most efficient model» · puesto 29 · 311 puntos · enviado por dvaplima
Lo que dicen los comentarios
Buena parte de la conversación gira en torno a que no hay pesos abiertos y a la desconfianza hacia las cifras. Varios lamentan que el modelo no sea open weights, aunque alguien recuerda que Spark Open salió en octubre. Otros creen que Meta optimiza para los benchmarks más que para el uso real, y uno señala en la nota al pie que los mejores resultados de Terminal-Bench de Ember se obtuvieron con mini-swe-agent y no con el arnés propio de Meta. Simon Willison probó los seis niveles de razonamiento con su prueba del pelícano y no vio que más razonamiento mejorara el SVG. También se comenta que el modelo sería el de nombre en clave «crouton alpha» en OpenRouter, que según un usuario flaquea en conversaciones largas. Hay quien echa en falta el tamaño del modelo y quien se declara reacio a enviar datos a la nube de Meta. De paso, un hilo especula si los modelos acabarán especializándose por profesión, algo que otro comentarista discute.
Seis niveles de esfuerzo, así que seis pelícanos (en realidad cinco, porque «high» no devolvió un SVG completo). Normalmente hay buena correlación entre razonamiento y calidad visual; es la primera vez que parece romperse.
Al principio me entusiasmó que los modelos de Meta volvieran a ser competitivos, pero tras probarlos parecen modelos «benchmaxxed»: lucen en las tablas, pero no sirven en el mundo real. Spark, Wonder o Ember, da igual.
Es curioso que los mejores resultados del modelo no se obtengan con el arnés de agente de Meta, sino con mini-swe-agent, según la nota al pie sobre Terminal-Bench 4.0.
Usé bastante Crouton Alpha. Empieza fuerte, pero hacia el turno 10 es bastante malo y hacia el 20 es inutilizable. Bueno para tareas cortas, horrible para las largas.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.