Name: GPT-6 Luna
Author: OpenAI

Mark Zuckerberg apresentou o mais recente modelo de IA da Meta numa única frase no X: «Lançamos hoje o Muse Ember — o nosso modelo mais pequeno, que oferece mais inteligência por dólar do que outros da sua categoria.» Grande parte da cobertura do lançamento interpretou a mensagem como uma redução de preços: a Meta estaria a oferecer modelos pequenos e baratos por menos do que a Anthropic e a OpenAI cobram aos programadores que criam agentes de IA.

Não se trata de uma redução de preços — pelo menos, não na tabela. O Muse Ember cobra exatamente o mesmo que os dois concorrentes mencionados por cada token que recebe e gera. A poupança anunciada pela Meta é real, mas vem de outro lado: da quantidade de texto que o modelo produz até chegar a uma resposta. É uma afirmação mais interessante do que um desconto e mais difícil de verificar para quem compra antes de receber a fatura.

O que a Meta lançou

O Muse Ember é o quarto modelo da família Muse da Meta, depois do Spark, do Glimmer e do Wonder, e também o mais pequeno. Foi desenvolvido pela Meta Superintelligence Labs para as tarefas repetitivas dentro de um agente; nas palavras de Zuckerberg, «subtarefas de programação, encaminhamento, extração e análise de documentos extensos». A descrição que a própria Meta faz da divisão de trabalho é direta: «O Muse Wonder planeia, o Muse Ember trata do volume.» Alexandr Wang, que lidera a Meta Superintelligence Labs, afirmou que o Ember é o primeiro modelo lançado que foi treinado com o Muse Wonder Full, o maior modelo da Meta.

A Meta afirma que o Ember lê texto, imagens, áudio e vídeo, tem uma janela de contexto de um milhão de tokens e consegue gerar até 512 000 tokens numa única resposta. É um modelo fechado. Não há pesos disponíveis para descarregar, e o modelo funciona através da Model API alojada pela Meta e no Muse Code, o agente de programação da empresa; a Google Cloud e a Oracle Cloud também são indicadas como opções de acesso.

De onde vem o «por dólar»

A Meta apresenta o Ember a 0,10 dólares por milhão de tokens de entrada e 0,50 dólares por milhão de tokens de saída. O Claude Haiku 5.5, da Anthropic, e o GPT-6 Luna, da OpenAI, têm as mesmas tarifas de base, como assinalam a MarkTechPost e a Fello AI. A única vantagem na tabela de preços diz respeito aos tokens de entrada em cache — texto que o modelo já processou e pode reutilizar —, pelos quais o Ember cobra 0,004 dólares por milhão, contra 0,01 dólares para ambos os concorrentes.

A diferença surge por tarefa. No Artificial Analysis Intelligence Index, um conjunto independente de testes comparativos, o Ember obtém 36 pontos, igualando o Haiku 5.5 na sua configuração mais elevada, por cerca de 0,14 dólares por tarefa, contra 0,41 dólares para o Haiku. A análise dos dados da Artificial Analysis feita pela Fello AI ajuda a perceber porquê: ao longo de todo o índice, o Ember gerou cerca de 115 milhões de tokens de saída e o Haiku cerca de 298 milhões, à mesma tarifa por token de saída. O mesmo preço por token, mas muito menos tokens. O GPT-6 Luna custa aproximadamente o mesmo por tarefa que o Ember — 0,15 dólares —, mas obtém 28 pontos.

Este mecanismo é importante porque as tabelas de preços não indicam o número de tokens. Um programador que compare os preços de tabela vê três modelos com preços idênticos. A diferença só se revela quando o agente começa a funcionar e varia consoante a tarefa, o sistema de execução e a configuração de raciocínio. A comparação da Meta usa o nível máximo de esforço de raciocínio, que a documentação para programadores da empresa também indica como predefinição do Ember.

O preço que triplica

A página para programadores da Meta apresenta um segundo escalão de preços, omitido na comunicação do lançamento. Acima dos 200 000 tokens de entrada, o Ember custa 0,30 dólares por milhão de tokens de entrada e 1,50 dólares por milhão de tokens de saída: o triplo da tarifa anunciada. A documentação da Meta avisa que um pedido com um longo histórico de conversa pode ultrapassar esse limite. O artigo da MarkTechPost sobre o lançamento afirmava que a Meta não indicava um escalão de preços para contextos longos no Ember; a tabela de preços da própria Meta diz o contrário.

Esse escalão aplica-se precisamente à utilização que Zuckerberg promoveu. A «análise de documentos extensos» e uma janela de um milhão de tokens convidam os programadores a introduzir bases de código e conjuntos de documentos inteiros — os pedidos com maior probabilidade de ultrapassar o limite. Ainda assim, o Ember continua a ser mais barato do que o Haiku 5.5 neste patamar, uma vez que o Haiku cobra 0,50 dólares por milhão de tokens de entrada e 2,50 dólares por milhão de tokens de saída acima dos 100 000 tokens de entrada, segundo a MarkTechPost. Mas «barato» passa a significar «mais barato do que a alternativa», o que é uma promessa diferente.

O que mostram os testes comparativos e quem os realizou

A Meta publicou dez comparações com o Haiku 5.5 e o GPT-6 Luna. O resultado mais forte do Ember surge no AutomationBench, a avaliação da Artificial Analysis que testa 657 fluxos de trabalho empresariais do Zapier: o modelo conclui 37,8% das tarefas, contra 13,9% do Haiku e 20,2% do Luna. A sua única derrota clara é no FrontierCode 2.0, que avalia alterações reais a código com base na probabilidade de um responsável pela manutenção as aceitar: o Haiku obtém 34,9 pontos e o Ember, 27,2.

A Fello AI contabilizou quem produziu cada resultado. Cinco comparações são da Artificial Analysis, quatro resultam de testes da própria Meta e a comparação do Terminal-Bench combina metodologias diferentes: um teste da Artificial Analysis para o Ember e valores divulgados pelos próprios concorrentes. A Fello também observa que a página do modelo na Artificial Analysis indica apenas texto e imagem como dados de entrada do Ember. Por enquanto, o suporte para áudio e vídeo assenta, portanto, nas afirmações da Meta.

Para quem é o Muse Ember

A publicação de lançamento da Meta afirma que o custo do Ember é «suficientemente baixo para funcionar em todos os produtos, para todas as pessoas». Para já, porém, não está disponível em nenhum dos produtos de consumo da Meta: segundo a Fello AI, não está presente na aplicação Meta AI, no WhatsApp nem no agente Muse. É uma peça destinada aos agentes de outras empresas, como deixam claro as declarações dos parceiros escolhidas pela Meta. Saoud Rizwan, fundador da Cline, apresentou-o como uma opção para «equipas que reduzem custos ao usá-lo como subagente no seu sistema de execução». Dane Knecht, diretor de tecnologia da Cloudflare, afirmou que «foi até 30% mais rápido no final da execução do que o modelo comparável que testámos».

É essa a aposta por detrás do Ember. A Meta não está a tentar conquistar o espaço de conversação com este modelo. Quer ser a chamada executada mil vezes por hora dentro do agente de outra empresa, enquanto um modelo maior trata do raciocínio. Nesse trabalho, a fatura depende de um número que nenhum fornecedor divulga: quantos tokens o modelo precisa para concluir a tarefa.

Etiquetas: meta, Mark Zuckerberg, modelos de IA, Claude Haiku, Muse Ember