便宜得离谱！Meta甩出“最省钱模型”，1/3成本追平Claude Haiku 5.5

完成一个单项任务的花费，大约只有Claude Haiku 5.5的三分之一。 编译 |  黄菲
编辑 |  江宇
智东西11月10日消息，Meta今天正式推出新模型Muse Ember，主攻复杂推理和智能体任务。按照Meta的说法，这是它目前体量最小、效率最高的一款模型，可以跨应用跑工作流、连续调用工具、运行测试并修复代码。Muse Ember支持100万Token的上下文窗口，原生理解文本、图像、音频和视频，能处理大规模文档以及多模态输入。。

Meta创始人兼CEO马克·扎克伯格（Mark Zuckerberg）在社交平台X上公布了这一消息。他说：“Muse Ember是Meta目前最小的模型，在同类模型中能够以更低的成本提供更强的算力，专为Agent全天反复执行、消耗大量Token的工作打造。” 该模型也是它也是首个用Muse Wonder Full训练出来的模型。Muse Wonder Full于今年10月12日发布，隔了不到一个月，Meta就依托它做出了Muse Ember，继续用Wonder系列模型来训练专用模型。 第三方Artificial Analysis的测评显示，在最高推理强度下，Muse Ember拿到35.8分，和Claude Haiku 5.5（36.2）基本打平；单项任务成本约0.14美元（约合人民币0.94元），约为Claude Haiku 5.5的三分之一。同一天发布的Anthropic新模型Claude Fable 5.2则拿到65分，比Muse Ember高出29分。，但其完成 定价上，Muse Ember每百万输入Token收0.10美元（约合人民币0.67元），每百万缓存输入Token收0.004美元（约合人民币0.03元），每百万输出Token收0.50美元（约合人民币3.36元）。。 现在，Muse Ember已经通过Meta Model API和Muse Code开放使用，同时支持Responses API。
01. 网页生成方面的实测表现也相当抢眼：20多个网站平均2分钟就能做完。

Muse Ember发布之后，不少用户和开发者在社交平台X上聊起了这款模型本身以及实际使用的感受。 有用户说，Muse Ember用轻量化的体量撑起原生多模态输入和100万Token上下文窗口，又不会让GPU负担过重，而这恰恰是本地开发工具跑真实Agent工作流所需要的能力。

另一位用户觉得，比每Token价格更该看的是“单项任务成本”。他举例说，一个便宜但得重试三次才能干完活的模型，实际花销可能超过一个更贵、但一次就能做对的模型。他还表示，如果Muse Ember在真实Agent负载里确实能把成本压到同类模型的三分之一，用户才会真正愿意用起来。 第三方评测机构Vals AI给出的数据是，在Vals Index里，Muse Ember是单项测试花销最少的模型，每项测试只要0.15美元（约合人民币1.01元）。测试成绩上，它超过了Claude Haiku 5.5和GPT-6 Luna。跑完一次测试，Muse Ember大约需要这些时间，在榜单前12名模型里速度最快。60.5%的成绩，15分钟 网页开发实测方面，Arena.ai把Muse Ember接进了Code Arena: WebDev，让它一口气生成20多个网站和动画。Arena.ai的说法是，这是目前该平台上表现最好的小模型，生成网页质量高，速度也不慢，成本还低。在其计时的多轮生成任务中，模型平均每次生成耗时约2分钟。。 从Arena.ai展示的画面看，Muse Ember做了一个叫NOCTIS的香水品牌网站，产品展示、香水分类、香调介绍、产品对比、试香盒组合这些功能都有。 网页生成之外，3D模型设计测试里也有Muse Ember的身影。一名开发者说，生成树木模型的任务中，Muse Ember只花了33秒就做出5种不同的树木模型，速度比对比模型快25倍。结果里每棵树都带了标签，还附上树木高度、多边形数量等细节，以及线框视图。 另一名开发者聊的是Muse Ember在他近期发布的批发业务基准测试ORO SMB Bench中的成绩。按他的说法，Muse Ember在这项测试里的表现与GLM 5.3、Grok 4.7和Muse Spark 1.3相当。不过Muse Wonder 1.0仍是其中表现最差的一个。他还说，团队正在补上GPT-6 Luna和Claude Haiku 5.5的测试，好做真正的横向比较。 也有用户直接给出评价：“Muse Ember真的非常快。”他晒出的截图显示，通过OpenRouter调用Muse Ember，一次运行走完18个步骤，界面显示生成速度达到3565 Token/秒，缓存命中率为75%。。 不过，另一名用户批评了Meta AI的产品体验。他说Meta AI的安全限制太多，自己已经退订。他提到，自己连让Meta AI准确说清当前跑的是哪个模型都做不到，回答前后对不上，先说运行的是Muse，紧接着又改口称运行的是Muse Wonder。
02. 单项任务成本低至0.14美元；Agent测试比肩Claude Haiku 5.5。

Muse Ember瞄准的是AI Agent执行过程中大量重复出现的任务。Meta表示，Agent处理复杂工作时，要反复调用工具、读取文件、运行代码、提取信息、修改结果。这些任务单次并不复杂，可放在长工作流里，Token和算力会一直往外耗。 这类高频任务正是Muse Ember的设计对象，工具调用、运行测试、有针对性的代码修复都能交给它。Meta称，在不同推理强度设置下，从单位成本能换来的智能水平看，Muse Ember大体压在Claude Haiku 5.5与GPT-6 Luna之上。。 考察模型综合智能的Artificial Analysis Intelligence Index v5里，推理强度拉满时，Muse Ember和表现最好的Claude Haiku 5.5只差0.4分。。

Muse Ember拿到35.8分，Claude Haiku 5.5是36.2分。可Muse Ember跑完一项任务只要0.136美元（约合人民币0.91元），仅为后者单项成本的三分之一，后者约为0.411美元（约合人民币2.74元）。 对比Meta自家的Muse Spark 1.3，Muse Ember在成本上的优势同样清楚。同一个测评集Artificial Analysis Intelligence Index v5中，Muse Ember得36分，Muse Spark 1.3得37分；两者完成单项任务的成本分别约为0.14美元（约合人民币0.94元）和2.39美元（约合人民币15.94元）。 。 Muse Ember的单项任务成本不到Muse Spark 1.3的5.9%。。 Agent任务测试里，Muse Ember在AutomationBench-AA、Agents' Last Exam等多项评测中都排在第一。。 端到端业务流程测评集AutomationBench-AA中，Muse Ember的得分高于GPT-6 Luna和Claude Haiku 5.5。37.8%20.2%13.9%。 复杂工作任务测评集Agents' Last Exam中，Muse Ember的得分同样高于GPT-6 Luna和Claude Haiku 5.5。61.6%57.1%57.0%。 综合智能指数测评集Personal Superintelligence Index中，Muse Ember的得分也高于GPT-6 Luna和Claude Haiku 5.5。46.8%37.0%36.1%。 编码能力上，Muse Ember在多项测试中也有竞争力，只是真实工程任务上还差着一截。三项测试里，Muse Ember有两项排在第一。。 测评集Coding Agent Index测的是模型在真实Agent框架里做编码任务的能力，Muse Ember拿到46分，Claude Haiku 5.5和GPT-6 Luna的分数都没它高。37分31分。
另一项测试集Terminal-Bench 4.0考察模型借助终端环境完成Agent式编程任务的水平。Muse Ember得分40.9%，Claude Haiku 5.5为39.2%，GPT-6 Luna只有16.4%，Muse Ember小幅领先前者、大幅领先后者。 到了Artificial Analysis的FrontierCode 2.0-AA，比的是模型能不能完成真实工程任务，Muse Ember就不占上风了，仍落后于Claude Haiku 5.5。这一项Claude Haiku 5.5以34.9%居首，Muse Ember为27.2%，GPT-6 Luna垫底，25.2%。 多模态和电脑操作方面，Muse Ember的表现与GPT-6 Luna、Claude Haiku持平甚至更高。Meta表示，该模型还能看着截图直接操作电脑，并辨认出画面中的细节。 长文档能力由测试集GDP.pdf-AA考察，Muse Ember和GPT-6 Luna都拿到22.8%，高于Claude Haiku 5.5。20.8%。 模型在真实桌面应用环境里操作电脑的能力，Meta用测试集OSWorld 2.1来测。Muse Ember得分69.5%，比Claude Haiku 5.5略高，也领先于GPT-6 Luna。68.9%50.5%。 Meta内部测试PerceptionBench考察模型识别和理解图像细节的能力，Muse Ember得分80.6%，高于Claude Haiku 5.5和GPT-6 Luna。78.6%62.8%。
03. 企业合作伙伴给出的反馈是积极的。 Muse Ember的定位是执行任务。

在企业应用上，Meta请来了网络安全服务商Cloudflare和AI搜索平台You.com等合作伙伴，让它们参与早期测试。 Cloudflare首席技术官戴恩·克内希特（Dane Knecht）表示，在该公司的测试里，Muse Ember能把部分任务的尾部延迟最多压低30%。。 You.com推理负责人查克·波蒂纳（Chak Pothina）则提到，Muse Ember在测试中把全部编码任务都跑完了，P95延迟为2.2秒，速度大约是部分领先开源模型的水平，输出Token数量少了36%至48%。4至13倍，。 按Meta的定位，Muse Wonder主要处理难度最高的问题，Muse Spark面向编程和Agent工作流，Muse Ember负责的是大规模、重复性的编码和Agent任务。Meta的说法是：“Muse Wonder负责规划，Muse Ember负责处理大量执行任务。” Muse Ember还是首个用Muse Wonder Full训练出来的模型。Meta此前说过，要用Muse Wonder系列模型开发更专门化的模型，再把这些能力带给更多用户。Muse Ember就是这一思路下的产品。 安全方面，Meta称Muse Ember在发布前已按Meta超级智能扩展框架（Superintelligence Scaling Framework）做过评估，范围覆盖化学与生物安全、网络安全和失控风险等类别。在已评估的风险类别中，该模型都没有触及框架设定的高风险阈值。
04. 结语：大模型造小模型 Meta探索Agent时代的模型分工

从Muse Ember的产品定位看，Meta正在把不同规模模型在Agent工作流里的分工切得更细：Muse Wonder Full这类大模型承担复杂任务，高频调用和重复执行的任务则交给更轻量的小模型。 Muse Ember基于Muse Wonder Full训练，在部分测试集中成绩已经优于通用大模型，执行速度和调用成本也顾得上。 对需要持续调用模型的开发者和企业来说，高频Agent任务多了一个成本更低的选择，小模型也成了大模型能力的重要补充。