Meta推出Muse Ember：跑分追平Haiku，成本仅三分之一

轻量模型这条赛道又迎来一个强手。11月10日，Meta发布Muse Ember，称其为自家"迄今最小、最高效"的模型，面向复杂推理以及智能体反复执行的日常任务。它不比拼参数规模，比的是性价比。

跑分上，Muse Ember已经能跟Claude Haiku 5.5较量，单任务成本却只要对方的三分之一，多项测试中还压过GPT-6 Luna。在Artificial Analysis榜单上，它的综合表现与Haiku 5.5相当。端到端业务工作流AutomationBench-AA一项，Muse Ember拿下37.8分，Haiku为13.9分，Luna为20.2分，差距明显；智能体编程、长文档处理等维度它也保持领先。

上下文方面，Ember给到100万Token窗口，最多可输出51.2万Token。一次调用就能塞进整套代码库或者一大摞文档，智能体在单场会话里连续完成数百个编程子任务，读文件、跑测试、定点修bug可以一口气做完。

它还是原生多面手，文本、图像、音频、视频都能处理，截图、图表、扫描件、会议录音、视频统统接得住，不用再外挂其他模型。安全上，发布前经过Meta SI框架评估，风险低于高风险红线。价格方面，输入每百万Token 0.10美元、输出0.50美元，目前已在Meta Model API、谷歌云和甲骨文云上线。