Meta发布Muse Ember：成本约Claude Haiku 5.5三分之一

Meta昨夜正式推出新一代轻量级AI模型Muse Ember。官方介绍称，这是Meta到目前为止体积最小、效率最高的一款模型，瞄准的是复杂推理执行以及AI Agent日常工作中需要反复处理的任务，涵盖工具调用、编程子任务、任务路由、信息提取和长文档解析等。

Meta CEO扎克伯格在x上发文说，这个模型是他们目前最小的一个，在同类产品里，同样的钱能换到更多智能。它面向的是智能体一天到晚反复干的高 token 消耗活儿：调用工具、编码子任务、路由、信息提取，还有长文档解析。从今天起，Meta Model API 和 Muse Code 里都能用上。

此前各厂商的竞争多围绕旗舰模型性能展开，Muse Ember却把成本当作卖点。

Meta在官方博客中称，依据Artificial Analysis的评测结果，Muse Ember在不同推理强度下的智能表现与成本之比，优于Claude Haiku 5.5和GPT-6 Luna。它花约三分之一的成本，就能达到Claude Haiku 5.5最高推理强度下的接近水平，同时超过GPT-6 Luna所有推理档位的成绩。

更受关注的一点是，在Artificial Analysis智能指数与单任务成本构成的效率前沿上，Muse Ember占到了有利位置：单任务成本相近或更低的情况下，没有其他参评模型拿到更高的智能指数。

换句话说，Meta没打算让一款小模型包揽所有复杂任务，它想解决的是Agent规模化应用中的另一个问题：AI系统每天要执行成千上万次工具调用、代码修改和信息处理任务，每次执行的成本怎么降下来？

成本只有三分之一，Meta要重新定义小模型的价值？

Artificial Analysis智能指数测试中，Muse Ember最高推理强度下约为36分，与Claude Haiku 5.5的36分持平，高于GPT-6 Luna的28分。

价格上，三者差距明显。

Meta展示的测试数据显示，在接近最高智能水平的配置下，Muse Ember单任务成本约0.136美元，Claude Haiku 5.5最高配置约0.411美元。也就是说，Muse Ember的成本约为后者的33%，降低了约67%。

具体能力上，Muse Ember并不只限于基础问答。

Meta汇总的评估数据显示，企业工作流自动化测试AutomationBench-AA中，Muse Ember拿到37.8%，GPT-6 Luna和Claude Haiku 5.5分别为20.2%和13.9%。

衡量端到端Agent任务执行能力的Agents' Last Exam中，Muse Ember得分61.6%，另外两款模型分别为57.1%和57.0%。

编程方面，Terminal-Bench 4.0中Muse Ember取得40.9%，略高于Claude Haiku 5.5的39.2%，明显高于GPT-6 Luna的16.4%。

不过Muse Ember并非所有测试项目都领先。比如衡量真实工程任务及代码可合并性的FrontierCode 2.0-AA中，Claude Haiku 5.5取得34.9%，Muse Ember为27.2%。

这些数据来自不同来源的评估，既有Artificial Analysis的测试，也有Meta内部评测。Terminal-Bench 4.0还采用了各模型公开成绩对应的不同Agent执行框架，因此分数差距不能简单全部归因于模型本身。

目前Muse Ember已通过Meta Model API开放，正式定价为每百万输入Token 0.10美元、每百万输出Token 0.50美元。

Cloudflare、Cline等实测：最快达2.2秒延迟

正式发布之前，Meta已邀请多家合作伙伴测试Muse Ember，场景覆盖企业文档处理、编程、软件工程以及高吞吐量Agent任务等。

企业内容管理平台Box的AI产品副总裁Yashodha Bhavnani表示，Muse Ember在Box AI Complex Work Eval中展现出较好的准确率、速度和Token效率。

比如它能按照企业的合同谈判规则逐条评估合同条款，并给出整体风险等级；也能依据详细的招聘要求筛选候选人，把那些不完全符合首选标准、但仍值得留作备选的人选识别出来。

AI编程工具Cline创始人Saoud Rizwan则特别提到Muse Ember作为子Agent模型的价值。

在他看来，想降低成本的开发团队可以让Muse Ember承担编程、文档分析等重复性任务，不必每次都调用价格更高的大模型。

Oracle全球合作伙伴高级副总裁Konstantinos Papamiltiadis也表示，早期测试中Muse Ember展现出了处理复杂工程任务的潜力。

Cloudflare首席技术官Dane Knecht给出了运行效率方面的另一组数据。按照Cloudflare的测试，Muse Ember的尾部延迟最多比参与对比的可比模型快30%，对涉及多个代码仓库的大范围排查任务，它也能处理得不错。

You.com的测试结果更抢眼。这家搜索及AI服务公司的推理负责人Chak Pothina称，在受测的编程任务里，Muse Ember把任务全部做完，延迟在受测模型中最低。具体看，其P95延迟为2.2秒，速度大约是一些领先开放权重模型的4至13倍，输出的Token数量则少了36%至48%。

Agent能力：一次读入完整代码库，支持百万Token上下文

合作伙伴的测试反馈讲完后，Meta把话题转到Muse Ember的三项主要能力上：Agent、编程、多模态。先看Agent。Meta的看法是，Agent真正干活时，大量Token未必花在最复杂的推理环节，而是耗在一堆规模不大、结构相对固定的操作上。

比如一个企业Agent，可能要先调取客户记录，再调用相关工具，接着把信息更新到多个业务系统里。这一路下来，模型得反复处理数据、判断下一步动作、执行对应指令。

Muse Ember针对的正是这类高频任务。检索记录、依次调用工具、跨应用更新系统数据，端到端的业务流程它都能跑完。它同时提供100万Token的上下文窗口，最大输出长度51.2万Token。也就是说，代码库或文档集合规模合适时，开发者一次调用就能塞进大量上下文，不用反复拆分输入。

Meta在Agent能力测试中重点公布了三组数据。AutomationBench-AA看的是端到端业务工作流的执行能力，Agents' Last Exam偏重完整的Agent任务，Personal Superintelligence Index则是Meta用来评估个人及知识工作任务的内部综合指标。从这些数据看，Muse Ember的长处主要落在任务执行环节，并非只是把答案生成出来。

对正在部署Agent的企业来说，这里也冒出一个值得关注的方向：将来AI系统里的大部分任务，是否真都得交给最强、最贵的旗舰模型去做？

编程测试得分超过Claude Haiku 5.5

企业工作流之外，编程是Muse Ember的另一个重点。Meta在博客里提到，一个编程Agent执行任务时可能要调用子任务数百次，包括读文件、跑测试、针对特定问题改代码。这类操作中，模型的调用频率、执行速度和成本，直接关系到整个编程Agent干活的效率。

Terminal-Bench 4.0测试中，Muse Ember拿到40.9%，略微压过Claude Haiku 5.5的39.2%，并明显高于GPT-6 Luna的16.4%。Coding Agent Index-AA里它同样排第一，得分46，Claude Haiku 5.5和GPT-6 Luna分别为37和31。

但碰到更复杂的工程问题，Muse Ember 还是有短板。

FrontierCode 2.0-AA 的测试里，Claude Haiku 5.5 拿到 34.9% 排在第一，Muse Ember 是 27.2%，GPT-6 Luna 为 25.2%。

这也说明不同编程任务对模型能力的要求本来就不一样。读文件、跑测试、改局部代码，跟解决牵扯多个模块、还要满足实际合并要求的工程问题，完全是两码事。

Meta 并没有打算让 Muse Ember 完全顶替旗舰模型。博客里写得很清楚：遇到最难的问题，可以把 Muse Ember 和 Muse Wonder 搭着用。

具体分工是 Muse Wonder 负责规划复杂任务，Muse Ember 承接大量具体执行。这种搭配其实对应了一种正在成形的 Agent 架构——高能力模型管全局规划、复杂推理和关键决策，成本更低的模型负责高频执行。

只要不同模型之间的调用协调得好，这套办法就有机会在保住任务完成质量的同时，把整个 Agent 系统的运行开销压下来。

多模态上，Muse Ember 原生支持文本、图像、音频和视频理解。Meta 的说法是，Agent 因此可以用同一个模型去读屏幕截图、图表、扫描文档，也能处理语音备忘录、会议录音和视频内容，不用为每种输入单独调用不同的模型。

现在 Muse Ember 已经通过 Muse Code 和 Meta Model API 正式上线，模型名称为muse-ember-1.0，并支持 Responses API。

价格是每百万输入 Token 0.10 美元，每百万缓存输入 Token 0.004 美元，每百万输出 Token 0.50 美元。

Muse Ember 同时是 Meta 第一款用 Muse Wonder Full 训练出来的模型。此前 Meta 发布 Muse Wonder 和 Muse Wonder Full 时就说过，要用这些高能力模型去开发更专业化的模型，再进一步服务开发者和普通用户。

Muse Ember 发布之后，Meta 对不同模型的分工也说得更明确了：Muse Wonder 处理最复杂的问题，Muse Spark 偏重编程和 Agent 工作流，Muse Ember 则面向大规模、可重复的编程及 Agent 任务。

官方给出的对比中，Muse Ember 和 Muse Spark 1.3 的成本落差格外扎眼。

按 Meta 公布的数据，Muse Ember 的 Artificial Analysis 智能指数只比 Muse Spark 1.3 低 1 分，单任务成本却从 2.39 美元降到约 0.14 美元，降幅约 94%，差不多是后者的十七分之一。换句话说，开发者如果只看这项智能指数，Muse Ember 用远低于 Muse Spark 1.3 的花费就能拿到接近的成绩。当然，这不代表它在所有任务上都能替代 Muse Spark。

这个差距也解释了 Meta 为什么要做一款更小的模型。Agent 从简单的问答助手一步步变成能调用工具、运行代码、操作计算机的复杂系统，任务执行过程中模型调用次数会不断往上走。

对开发者来说，系统能不能大规模部署，不只看单次推理的能力，还要看数百次、数千次调用累加起来的成本，以及任务执行稳不稳。

博客结尾，Meta 重申目标是让 AI 帮人们实现个人目标、创造内容、深化关系，并采取有价值的行动。要让这种能力真正普及，光有前沿模型不够，使用成本还得具备可扩展性。

公司还透露，眼下有更高效的模型正在训练。

参考链接：