Le regole del digitale stanno cambiando.
O sei visibile o sei fuori. Noi ti aiutiamo a raggiungere i clienti giusti — quando ti stanno cercando.
Contattaci oraMuse, il modello più leggero costa 0,10 dollari per milione di token di input ed è pensato per agenti ripetitivi.
Meta ha lanciato Muse Ember, modello leggero a 0,10 dollari per milione di token di input e 0,50 di output, con finestra da un milione di token. Il prezzo basso segnala una strategia di volume: Ember esegue i compiti ripetitivi degli agenti mentre Wonder pianifica. La riserva riguarda i dati di latenza, forniti da terzi e non da benchmark aziendali, da verificare in produzione.
Dieci centesimi per un milione di token in input. Con una finestra da un milione di token e fino a 512K token di output. Sembra un’offerta promozionale, invece è il listino di Meta Model API dallo scorso 9 novembre. E non è la parte più strana. L’annuncio arriva dal blog ufficiale di Meta Superintelligence Lab: il modello si chiama Muse Ember, ed è il più leggero ed economico mai rilasciato dall’azienda. La domanda da farsi non è quanto costa. È perché costa così poco.
Non è un refuso: 10 centesimi e un milione di token
Partiamo dai numeri. Muse Ember è disponibile da lunedì scorso su Meta Model API a 0,10 dollari per milione di token di input e 0,50 dollari per milione di token di output. Con una finestra di contesto di un milione di token — significa che può leggere in una sola passata un’intera codebase o un insieme completo di documenti — e fino a 512K token di output. Non è un modello da chat veloce. È un modello pensato per lavorare.
I numeri sulla velocità arrivano da terzi, non da Meta. Secondo You.com, Muse Ember ha completato ogni coding quest nei loro test con una latenza p95 di 2,2 secondi, circa 4-13 volte più veloce dei principali modelli open-weight. Cloudflare, dal canto suo, misura che Muse Ember è stato fino al 30% più veloce nella parte finale della risposta rispetto al modello comparabile testato. Sono cifre da prendere per quello che sono: test di terzi, non benchmark dell’azienda. Ma la direzione è coerente.
Un’altra cosa va detta subito. Ember non nasce dal nulla. È il quarto modello a marchio Muse, come riportato da TechCrunch: dopo Spark ad aprile, Glimmer open-source ad agosto e il modello frontier Wonder a ottobre. Non è un esperimento isolato. È il tassello di una linea di prodotto che Meta sta costruendo con regolarità crescente.
Ma un prezzo così basso non è una svendita: è un indizio. Quale strategia richiede un modello da esecuzione a costo minimo?
Il piccolo che pensa in grande
La risposta arriva da come Meta stessa descrive Ember: non un sostituto di Wonder, ma un compagno di lavoro. La frase chiave è una sola: «Muse Wonder pianifica, Muse Ember gestisce il volume». Siamo di fronte a un’architettura agentica a due livelli. Da una parte un modello pesante, che ragiona e decide. Dall’altra un modello leggero, che esegue i compiti ripetitivi centinaia o migliaia di volte al giorno.
E qui si gioca il paradosso. Ember è il modello più piccolo ed efficiente della famiglia Muse, ma Meta lo descrive come progettato per l’esecuzione di ragionamenti complessi e per i compiti che gli agenti ripetono tutto il giorno: chiamate di tool, sotto-attività di codice, routing, estrazione, parsing di documenti lunghi. Un modello leggero per ragionamenti complessi. Detto così suona come una contraddizione. In realtà è esattamente il punto: con un prezzo basso e una latenza ridotta, il costo marginale di ogni singola chiamata crolla. E quando un agente fa decine di migliaia di chiamate al giorno, il costo marginale è tutto.
Il dubbio legittimo è un altro: perché Meta dovrebbe vendere a così poco un modello che nei test di terzi risulta più veloce di molti concorrenti? Forse perché il guadagno non sta nel singolo token, ma nel volume. Se Ember diventa il livello di esecuzione standard per le pipeline di agenti, Meta vende infrastruttura. E l’infrastruttura si paga in quota di mercato prima che in margine.
Resta una domanda: se Ember è così veloce ed economico, chi paga di più per i modelli frontier? Forse la risposta è nel listino dei concorrenti.
La concorrenza ha un problema di listino
Guardiamo quel listino. Secondo il confronto di Artificial Analysis tra Claude Haiku 5.5 (Max) e GPT-6 Luna (Max), i punteggi si muovono su un altro piano: 36 contro 28. Il contesto serve a capire il posizionamento. Meta piazza Ember a 10 centesimi per milione di token di input, risultando significativamente più economico dei concorrenti frontier come Haiku e Luna. E non è solo questione di modelli di punta: Ember è competitivo sul prezzo anche rispetto a concorrenti open source come DeepSeek V4.1 Flash e GLM 5.3 Flash.
Il punto non è che Ember batte tutti in ogni test. Il punto è che a questo prezzo, con queste latenze, la scelta per chi costruisce pipeline di agenti diventa più semplice. Il prezzo è solo la prima mossa: la vera partita si gioca su latenza e affidabilità nei workload reali. E quelle si vedono nelle prossime settimane, quando i primi sviluppatori inizieranno a misurare Ember in produzione, non sui benchmark.
Per chi fa impresa online, cambia il calcolo del costo per task: ora esiste un modello a prezzo commodity con latenze da produzione. La domanda non è più se usare l’AI, ma quale architettura a due livelli costruire.
