史上最小多模态模型 Muse Ember 发布，1M 超长上下文专攻智能体高频任务
史上最小多模态模型 Muse Ember 发布，1M 超长上下文专攻智能体高频任务
人工智能开源与商业化竞争还在升温。Meta Superintelligence Labs 官方日前正式发布 
Muse 品牌第四款模型，也是该品牌迄今规模最小的高效多模态推理模型——Muse Ember。它瞄准的是人工智能智能体（Agent）日常运行中要反复处理的高频子任务。
这一定位放在 Meta 的产品矩阵里看更清楚：旗舰级 Muse Wonder 啃的是最复杂的规划与难题，Muse Spark 管日常编码和智能体工作流，新来的 Muse 
Ember 则专门盯住规模化的重复性编码与智能体子任务等场景。
官方列出的核心应用场景包括工具调用（tool calls）、编码子任务（coding subtasks）、路由（routing）、信息提取（extraction）以及长文档解析（long document parsing）。分工细化之后，大模型支撑庞大智能体日常运转的效率会更高。
底层架构和多模态能力方面，Muse Ember 原生支持文本、图像、音频、视频等多种输入形态。智能体执行任务时不用再额外调用独立模型，就能直接读截图、图表、扫描页、语音备忘录乃至会议录音，甚至可以直接通过截图操作桌面应用程序。
处理容量上，它拥有高达100万 Token 的超大上下文窗口，单次调用就能装下完整的代码库或整个文档集合；最大输出长度可达51.2万 Token，是同类竞争对手的4倍之多。
不过该模型采用纯托管模式，只在 Meta 的托管基础设施（即 Meta Model API 和 Muse Code）上运行，权重保持私有，因此不提供本地 GPU、笔记本电脑运行或量化部署的选项。
基准评测方面，在权威评测机构和 Meta 内部测试套件中，开启最大推理 effort 状态下，Muse Ember 的综合表现如下：
智能体与工作流（Agents）：在基于657个 Zapier 业务工作流的 AutomationBench-AA 测试中，Ember 任务完成率达到37.8%，大幅领先 GPT-6Luna 的20.2% 和 Claude Haiku5.5的13.9%。内部的 Agents’ Last Exam 测试中，Ember 拿到61.6分，同样优于 Haiku 的57.0分和 Luna 的57.1分。
编程与开发（Coding）：Terminal-Bench4.0测试中，Ember 以40.9分领先 Haiku 的39.2分和 Luna 的16.4分；Artificial Analysis（AA）编码智能体指数中它也以46分居首。但在考察真实仓库代码合并能力的 FrontierCode2.0-AA 测试中，Haiku5.5取得34.9分，表现优于 Ember 的27.2分。
多模态与感知：GDP.pdf-AA 测试中，Ember 与 GPT-6Luna 打成平手（22.8分）；OSWorld2.1（部分得分）上以69.5分微弱领先 Haiku 的68.9分；结合工具的 PerceptionBench 测试中，Ember 拿到80.6分，高于 Haiku 的78.6分和 Luna 的62.8分。
整体 Artificial Analysis 智能指数中，Muse Ember 获得36分，与 Claude Haiku5.5（max effort）完全持平，并领先 GPT-6Luna 的28分。
成本效益上，公开 API 定价与竞争对手保持一致：每百万输入 Token 收费0.10美元、每百万输出 Token 收费0.50美元，缓存输入收费0.004美元每百万 Token（低于 Haiku 和 Luna 的0.01美元）。
基础单价虽然相近，但 Token 消耗效率提升，让实际执行单次任务的成本大幅优化。实测数据显示，Muse Ember 在最高推理设置下单次任务成本约0.136美元，Claude Haiku5.5完成同类任务则高达0.411美元，相当于单次任务成本降到了对手的三分之一左右。
处理超长文本时，竞品往往会在超过10K 或272K 提示词时价格翻倍或阶梯加价；Meta 针对 Ember 并未单独设立长上下文加价档位，长文本处理上的经济效益因此更强。
生态接入方面，开发者现在可以通过 Meta Model API 以及 Meta 的编程智能体工具 Muse Code 正式接入使用 Muse Ember，并支持标准的 Responses API。早期测试阶段，Box、Cline、Oracle、Cloudflare 以及 You.com 等多家知名企业和技术平台已经参与其中。
