Muse Ember: como calcular a conta do novo modelo da Meta

Placa de entrada do complexo da Meta em Menlo Park, Califórnia, em 12 de maio de 2022. Foto de arquivo; não mostra o Muse Ember em uso.

Foto: Nokia621. Origem · CC BY-SA 4.0. Corte de exibição em 16:9.

A Meta lançou o Muse Ember em 9 de novembro para tarefas que agentes de IA repetem em grande quantidade: consultar ferramentas, extrair campos, encaminhar pedidos e executar partes menores de um trabalho de programação. O preço anunciado começa em US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de saída, mas há uma condição decisiva: esses valores valem para requisições com até 200 mil tokens de entrada.

Acima desse limite, as tarifas de entrada e saída triplicam. E, conforme a documentação, a faixa maior vale para a requisição inteira, incluindo os tokens que ficaram abaixo do limiar. Para estimar o custo de um agente, portanto, contar apenas quantas tarefas ele recebe deixa uma parte importante da conta de fora.

O modelo foi desenhado para o trabalho que se repete

O anúncio da Meta apresenta o Ember como um modelo de execução para tarefas recorrentes, disponível no Muse Code e na Meta Model API com o identificador muse-ember-1.0. A ideia é que um modelo maior possa planejar um trabalho e delegar etapas delimitadas a ele.

A documentação do Ember informa uma janela de contexto de 1.048.576 tokens e saída máxima de 524.288 tokens. Na API, ele opera em Standard mode, sem variante Contributor. Esses limites de capacidade não são uma indicação de que usar o contexto inteiro terá a mesma tarifa de uma chamada curta.

Há um sinal externo ao material de lançamento: a ficha da Artificial Analysis para a configuração Max registra 36 pontos no Intelligence Index e aproximadamente US$ 0,14 por tarefa desse índice. Esse é o custo observado em uma avaliação específica. Não é uma tarifa fixa da Meta para qualquer tarefa, nem uma previsão do gasto de um atendimento ou de uma alteração de código no seu sistema.

Dez mil chamadas: uma conta que dá para conferir

A tabela de preços da Meta separa entrada nova, entrada atendida por cache e saída. Os valores consultados são em dólares por milhão de tokens:

Considere um cenário hipotético de 10 mil chamadas, cada uma com 20 mil tokens de entrada nova e 2 mil de saída. Cada requisição fica na faixa menor. Somadas, elas produzem:

O exemplo não supõe que 20 mil tokens correspondam a uma quantidade fixa de páginas ou minutos. Tokens são unidades do processamento do modelo, e o tamanho varia conforme o conteúdo. Também não pressupõe que cada chamada termine uma tarefa: um agente pode fazer várias chamadas para concluir um pedido.

Agora imagine que, nas mesmas 10 mil chamadas, 15 mil dos 20 mil tokens de entrada de cada uma sejam efetivamente atendidos por cache. Restariam 50 milhões de tokens novos, 150 milhões em cache e os mesmos 20 milhões de saída. A conta hipotética seria US$ 5 + US$ 0,60 + US$ 10 = US$ 15,60.

Esse segundo resultado depende de cache realmente utilizado. Repetir texto no pedido não basta para declarar o desconto no orçamento; a documentação orienta conferir os tokens atendidos por cache na resposta da API.

A passagem de 200 mil tokens muda a requisição inteira

O ponto mais fácil de perder na tabela é o limite aplicado a cada requisição, não ao volume mensal da conta. Dez mil chamadas curtas não viram contexto longo só porque, somadas, passam de 200 mil tokens.

Em contrapartida, uma única requisição pode cruzar o limiar ao carregar um histórico de conversa. A Meta informa que os tokens em cache também entram nessa contagem e que, ao continuar uma conversa armazenada com previous_response_id, o histórico faz parte da entrada.

Veja dois exemplos hipotéticos, sem cache, com saída de 2 mil tokens:

Na primeira linha, a conta é 0,2 × US$ 0,10 + 0,002 × US$ 0,50. Na segunda, 0,200001 × US$ 0,30 + 0,002 × US$ 1,50. Os valores servem para tornar a regra visível, sem antecipar o arredondamento de uma fatura.

O salto não vem do custo de processar um token extra isoladamente. Ele vem da mudança de faixa que esse token provoca no exemplo. Uma estimativa precisa, por isso, calcular cada requisição com a tarifa correspondente antes de somar os totais.

Reduzir o histórico pode alterar essa conta, mas também pode retirar informação necessária para resolver o trabalho. A avaliação deve preservar o resultado esperado: uma chamada curta que perde contexto e precisa ser refeita pode deslocar o gasto em vez de resolver o problema.

Custo por tarefa concluída é outra medição

Para acompanhar um agente, vale separar o custo por chamada do custo por tarefa aceita. Uma forma de calcular o segundo é dividir o gasto total do conjunto pelo número de resultados que atenderam a um critério definido antes da avaliação.

Em outro exemplo puramente hipotético, US$ 30 divididos por 10 mil resultados aceitos seriam US$ 0,003 por resultado. Se apenas 6 mil fossem aceitos, os mesmos US$ 30 representariam US$ 0,005 por resultado aceito — antes de qualquer gasto adicional para corrigir os demais. Não são taxas de sucesso medidas do Ember; são duas hipóteses para demonstrar o denominador da comparação.

O custo total também pode incluir ferramentas. A Meta lista busca na web por US$ 2,50 a cada mil consultas, além dos tokens. No cenário de 10 mil chamadas, usar uma busca em cada chamada acrescentaria US$ 25. Hospedagem, outros serviços e revisão humana precisam entrar na conta da aplicação quando existirem.

Antes de escalar, selecione uma amostra representativa, registre os tokens novos e em cache, identifique quais chamadas cruzaram 200 mil tokens e confira os resultados com o mesmo critério de aceite. Essa medição permite comparar modelos ou arquiteturas sobre o trabalho que interessa ao projeto, sem transformar um benchmark geral em promessa de economia.

Os valores deste explicador permanecem em dólares, sem câmbio ou tributos. Não houve contratação, integração ou chamada paga do AmpliaAI para produzir os exemplos. O lançamento apresenta uma opção para executar etapas em volume; a decisão depende de quanto custa chegar a um resultado útil na sua própria carga.

Apuração documental e cálculos editoriais assistidos por IA. Os cenários são hipotéticos; não representam teste de desempenho, fatura ou economia obtida pelo AmpliaAI.