Muse Ember API
Muse Ember es el modelo más pequeño y eficiente de la familia Muse de Meta, diseñado para ejecutar flujos de trabajo agénticos de alto volumen con una ventana de contexto de 1 millón de tokens.
Muse Ember es un modelo de Meta presentado el 9 de noviembre de 2026 que se posiciona como el más pequeño y eficiente de la familia Muse. Acepta entradas de texto, imagen, audio y video, y genera salidas de texto con un límite de 512.000 tokens. Su ventana de contexto alcanza 1 millón de tokens, lo que lo hace adecuado para tareas que requieren procesar documentos extensos o mantener conversaciones con gran cantidad de información de referencia.
En el plano de las capacidades, Muse Ember sobresale en la ejecución de flujos de trabajo agénticos de alto volumen: recupera registros, llama herramientas en secuencia y actualiza sistemas en distintas aplicaciones. También está orientado a llamadas de herramientas, subtareas de programación, enrutamiento, extracción de datos, análisis de documentos largos y chatbots combinados con generación aumentada por recuperación. Su arquitectura de planificador-ejecutor lo sitúa junto a Muse Wonder, donde Muse Wonder planifica y Muse Ember se encarga del volumen.
Entre sus fortalezas destacan un precio por token bajo, el amplio contexto y un rendimiento sólido en tareas bien definidas como análisis y controles de calidad de datos. Sin embargo, tiende a usar demasiados tokens en preguntas abiertas y muestra dificultades con la detección de patrones ocultos. Los pesos no se han publicado y el número de parámetros no se ha divulgado. Está disponible a través de la API de modelos de Meta y Muse Code, con el ID de modelo muse-ember-1.0.
Actualizado:
ID DEL MODELO
muse-ember- Contexto
- 1.049M
- Salida máx.
- 943.718K
- API recomendada
- messages
- Entrada
- text / image / video / file / audio
- Salida
- text
Aspectos destacados
- El modelo más pequeño y eficiente de la familia Muse
- Precio por token bajo
- Ventana de contexto de 1 millón de tokens
- Entrada multimodal: texto, imagen, audio y video
- Ejecutor en arquitectura planificador-ejecutor
- Rendimiento sólido en análisis y calidad de datos
Proveedores
Compara los precios de API entre proveedores. Selecciona un proveedor para ver todos los cargos y condiciones.
| Disponibilidad | ||||
|---|---|---|---|---|
| $0.1 | $0.5 | $0.004 |
Las estadísticas históricas no son una comprobación en tiempo real. La falta de datos no implica una interrupción.
Qué puedes comprar con $10
- Entrada
- 100 M tokens
- Salida
- 20 M tokens
Estimado a partir de los precios actuales de entrada y salida, antes de descuentos.
Benchmarks
- 36
Artificial Analysis Intelligence Index
puntos
- 60.48
Vals Index
porcentaje; clasificado en 13.º lugar de 36 modelos
- 88
PlotlyDataAnalyticsBench
porcentaje; superó 38 de 43 preguntas
Puntuaciones según lo publicado por el proveedor del modelo.
Razonamiento
- Esfuerzo predeterminado
- max
- Siempre activado
- Sí
- Niveles de esfuerzo disponibles
- max / xhigh / high / medium / low / minimal
Inicio rápido
Código listo para llamar a este modelo con las APIs compatibles de Felo API Platform. Empieza en el Playground si quieres probar prompts antes de escribir código.
Configura tu clave de API
Crea una clave en tu cuenta de Felo API Platform y configúrala como variable de entorno.
export FELO_API_KEY="YOUR_API_KEY"Haz tu primera solicitud
Usa este ID de modelo con el endpoint de Felo API Platform. Las cabeceras opcionales como X-Request-Id ayudan a diagnosticar problemas.
muse-emberEste modelo puede razonar. Si el protocolo seleccionado y la ruta del modelo exponen controles de razonamiento, conserva los metadatos de razonamiento devueltos al continuar la conversación.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "muse-ember",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Usar SDK de terceros
En los SDK compatibles, define baseURL como https://openapi.felo.ai/api/v1. Para clientes de estilo Claude, usa la URL base compatible con Anthropic. https://openapi.felo.ai/api.
Activa el streaming
Añade stream: true para recibir respuestas como server-sent events.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "muse-ember",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform expone superficies compatibles para llamar a modelos. Elige la superficie que tu app o cliente de agente ya admite.
Messages
Mensajes compatibles con Anthropic para clientes de estilo Claude.
POST
https://openapi.felo.ai/api/v1/messagesParámetros
modelstringmuse-emberID público del modelo que se va a llamar.max_tokensinteger—Número máximo de tokens generados.messagesarray—Mensajes de la conversación para Chat Completions.toolsarray—Definiciones de tool calling según el esquema compatible.top_k———top_p———reasoning———temperaturenumber—Controla la variedad de las respuestas cuando es compatible.tool_choicestring or object—Controla si se debe llamar a una herramienta.response_formatobject—Solicita salida estructurada cuando es compatible.reasoning_effort———include_reasoning———repetition_penalty———structured_outputs———Preguntas frecuentes
¿Qué es Muse Ember?
Muse Ember es un modelo de Meta presentado el 9 de noviembre de 2026 que se posiciona como el más pequeño y eficiente de la familia Muse. Acepta entradas de texto, imagen, audio y video, y genera salidas de texto con un límite de 512.000 tokens. Su ventana de contexto alcanza 1 millón de tokens, lo que lo hace adecuado para tareas que requieren procesar documentos extensos o mantener conversaciones con gran cantidad de información de referencia. En el plano de las capacidades, Muse Ember sobresale en la ejecución de flujos de trabajo agénticos de alto volumen: recupera registros, llama herramientas en secuencia y actualiza sistemas en distintas aplicaciones. También está orientado a llamadas de herramientas, subtareas de programación, enrutamiento, extracción de datos, análisis de documentos largos y chatbots combinados con generación aumentada por recuperación. Su arquitectura de planificador-ejecutor lo sitúa junto a Muse Wonder, donde Muse Wonder planifica y Muse Ember se encarga del volumen. Entre sus fortalezas destacan un precio por token bajo, el amplio contexto y un rendimiento sólido en tareas bien definidas como análisis y controles de calidad de datos. Sin embargo, tiende a usar demasiados tokens en preguntas abiertas y muestra dificultades con la detección de patrones ocultos. Los pesos no se han publicado y el número de parámetros no se ha divulgado. Está disponible a través de la API de modelos de Meta y Muse Code, con el ID de modelo muse-ember-1.0.
¿Cómo se cobra el uso?
Tu factura depende del proveedor que uses, de sus precios y de tu uso. Las entradas más largas u otras condiciones pueden tener precios distintos.
¿Qué modalidades de entrada admite Muse Ember?
Acepta entradas de texto, imagen, audio y video, y produce únicamente salidas de texto.
¿Cuál es la ventana de contexto y el límite de salida?
Tiene una ventana de contexto de 1 millón de tokens y un límite de salida de 512.000 tokens.
¿Para qué tipo de tareas está pensado Muse Ember?
Está diseñado para ejecutar flujos de trabajo agénticos de alto volumen, llamadas de herramientas, subtareas de programación, enrutamiento, extracción y análisis de documentos largos, así como chatbots con recuperación aumentada.
¿Cómo se diferencia de Muse Wonder?
Muse Ember actúa como el ejecutor dentro de una arquitectura de planificador-ejecutor junto a Muse Wonder: Muse Wonder planifica y Muse Ember se encarga del volumen de trabajo.
¿Cómo se puede acceder a Muse Ember?
Está disponible a través de la API de modelos de Meta y Muse Code, con el ID de modelo muse-ember-1.0.
Modelos relacionados
Muse Wonder
Metamuse-wonderMuse Wonder es el modelo de Meta con memoria activa y enfoque sostenido, diseñado para flujos de trabajo agénticos y proyectos de programación de largo horizonte.
Contexto
1.049M
Salida máx.
943.718K
Tokens de entrada
$4 / 1M tokens
Tokens de salida
$20 / 1M tokens
Muse Spark 1.3 Contributor
Metamuse-spark-1.3-contributorModelo de razonamiento de Meta Superintelligence Labs con enorme contexto, pensamiento paso a paso y herramientas, pensado para tareas agénticas y de programación de largo horizonte.
Contexto
1.049M
Salida máx.
943.718K
Tokens de entrada
$0.1 / 1M tokens
Tokens de salida
$0.2 / 1M tokens