成本仅1/3！Meta 新模型 Muse Ember 硬刚 Claude Haiku 5.5

Meta昨夜正式推出新一代轻量级AI模型Muse Ember。按Meta的说法，这是它迄今体积最小、效率最高的模型，瞄准的是复杂推理执行，以及AI Agent在日常工作中反复要干的那些活——工具调用、编程子任务、任务路由、信息提取、长文档解析等。

扎克伯格在x上发文表示，这款模型是他们目前体量最小的一个，同级别里每花一美元能换来的智能更多。它面向的是智能体一整天反复跑、token 消耗大的活儿：调用工具、编码的子任务、路由、信息提取，还有长文档解析。从今天起，Meta Model API 和 Muse Code 都能用上它。

别家厂商近来拼的是旗舰模型性能，Muse Ember走的却是另一条路：把成本压下来。

Meta在官方博客里称，Artificial Analysis的评测显示，Muse Ember在不同推理强度下的智能与成本之比，好于Claude Haiku 5.5和GPT-6 Luna。它花大约三分之一的钱，就能接近Claude Haiku 5.5最高推理强度下的水平，并且超过GPT-6 Luna所有推理档位的成绩。

更关键的一点在于效率前沿的位置：把Artificial Analysis智能指数和单任务成本放在一张图上，Muse Ember处在有利位置——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。

这说明Meta没打算让一款小模型包揽所有复杂任务。它想解的是Agent规模化落地中的另一道题：AI系统每天要跑成千上万次工具调用、代码修改和信息处理，每一次执行的开销怎么降下来？

成本只有三分之一，Meta要重新定义小模型的价值？

Artificial Analysis智能指数测试里，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。

价格上的差距则相当明显。

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。算下来，前者约为后者的33%，也就是便宜了约67%。

具体能力上，Muse Ember也不只是会基础问答。

Meta汇总的评估数据里，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分别是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%。

当然，Muse Ember不是每一项都领先。比如衡量真实工程任务及代码可合并性的FrontierCode 2.0-AA，Claude Haiku 5.5拿到34.9%，Muse Ember为27.2%。

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已请多家合作伙伴试过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中表现出较好的准确率、速度和Token效率。

举例来说，它能按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挑出来。

AI编程工具Cline的创始人Saoud Rizwan则专门谈到Muse Ember作为子Agent模型的价值。

他的看法是，想省钱的开发团队可以让Muse Ember去干编程、文档分析这类重复性任务，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展现出处理复杂工程任务的潜力。

运行效率方面，Cloudflare首席技术官Dane Knecht给出了另一组数据。

Cloudflare 测下来，Muse Ember 在尾部延迟这一项上，比参与对比的同类模型最多快 30%；碰上要跨多个代码仓库做大范围排查的任务，它也能应付得比较稳。

搜索和 AI 服务公司 You.com 那边给出的结果更亮眼。

该公司推理负责人 Chak Pothina 说，在他们测的编程任务里，Muse Ember 把所有任务都做完了，延迟还是受测模型里最低的。

具体数字是：P95 延迟 2.2 秒，速度大约达到部分领先开放权重模型的 4 至 13 倍，输出的 Token 数则少了 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之后，Meta 把话题转到 Muse Ember 的三项主要能力上：Agent、编程、多模态。

先说 Agent。

Meta 的判断是，Agent 真干活的时候，烧掉的 Token 大头未必在推理最复杂的那个环节，反倒来自大量规模不大、结构比较固定的操作。

比如一个企业 Agent，可能得先调出客户记录，再调用相关工具，接着把信息同步更新到多个业务系统里。这一路下来，模型要反复处理数据、判断下一步做什么、再执行对应指令。

Muse Ember 针对的就是这类高频任务。

从检索记录、按顺序调用工具，到跨应用更新系统数据，端到端的业务流程它都能跑完。

上下文窗口方面，Muse Ember 给到 100 万 Token，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的话，开发者一次调用就能塞进大量上下文，不用反复把输入拆开。

Agent 能力的测试里，Meta 重点放出了三组数据。

三组测试各有分工：AutomationBench-AA 看的是端到端业务工作流能不能跑通；Agents' Last Exam 盯的是完整的 Agent 任务；Personal Superintelligence Index 则是 Meta 内部用来评估个人及知识工作任务的一项综合指标。

这些数据反映出来的是，Muse Ember 的强项集中在任务执行这一段，而不只是把答案生成出来。

对正在铺开 Agent 的企业来说，这里有个方向值得想一想：以后 AI 系统里的大部分任务，是不是真得都交给最强、也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 的另一项重点能力。

Meta 在博客里提到，一个编程 Agent 干活时，子任务调用可能多达数百次，读文件、跑测试、针对具体问题改代码，都算在里面。

这类操作一多，模型的调用频率、执行速度和成本，就直接牵动整个编程 Agent 的效率。

Terminal-Bench 4.0 上，Muse Ember 拿到 40.9%，略高于 Claude Haiku 5.5 的 39.2%，并把 GPT-6 Luna 的 16.4% 甩开一截。

Coding Agent Index-AA 里，Muse Ember 也是第一，得分 46；Claude Haiku 5.5 和 GPT-6 Luna 分别是 37 和 31。

当然，工程问题再复杂一些，Muse Ember 还是有短板。

在FrontierCode 2.0-AA评测里，Claude Haiku 5.5拿到34.9%，排在前头；Muse Ember是27.2%，GPT-6 Luna为25.2%。

这个结果其实也说明，编程任务对模型的要求并不一样。读文件、跑测试、改局部代码，跟解决牵涉多个模块、还得满足实际合并要求的工程问题，压根不是同一回事。

Meta并没有打算让Muse Ember把旗舰模型整个替掉。博客里写得很清楚：碰上最难的问题，可以把Muse Ember和Muse Wonder搭着用——复杂任务由Muse Wonder做规划，大量具体执行交给Muse Ember。

这么分工，其实对应的是眼下正在成型的一种Agent架构：高能力模型管全局规划、复杂推理和关键决策，成本更低的模型接高频执行。只要不同模型的调用协调得好，任务完成质量有望保住，整个Agent系统的运行开销也能压下来。

多模态这块，Muse Ember原生支持文本、图像、音频和视频理解。Meta的说法是，Agent用同一个模型就能读屏幕截图、图表、扫描文档，也能处理语音备忘录、会议录音和视频内容，不用每种输入都单独调一个模型。

[[保留1]]muse-ember-1.0现在Muse Ember已经通过Muse Code和Meta Model API正式上线，模型名称见上，并支持Responses API。

价格上，Muse Ember每百万输入Token收0.10美元，每百万缓存输入Token收0.004美元，每百万输出Token收0.50美元。

还有一点：Muse Ember是Meta第一款用Muse Wonder Full训练出来的模型。此前发布Muse Wonder和Muse Wonder Full时，Meta就说过要用这些高能力模型去开发更专业化的模型，再进一步面向开发者和普通用户提供服务。

随着Muse Ember亮相，Meta对各模型的分工也说得更明白了：最复杂的问题归Muse Wonder，编程和Agent工作流侧重交给Muse Spark，大规模、可重复的编程及Agent任务则由Muse Ember承担。

官方给出的对比里，Muse Ember和Muse Spark 1.3的成本差距格外扎眼。

[[保留2]]

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美元掉到约0.14美元，降幅约94%，差不多是后者的十七分之一。换句话说，开发者要是只盯这项智能指数，Muse Ember花远少于Muse Spark 1.3的钱就能拿到接近的成绩。不过这不代表它在所有任务里都能顶替Muse Spark。

这个差距，也解释了Meta为什么非要推一款更小的模型。Agent从简单的问答助手，慢慢变成能调工具、跑代码、操作计算机的复杂系统，任务执行过程中模型调用次数会一路涨。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、数千次调用累起来的成本，以及任务执行稳不稳。

Meta在博客结尾又强调了一遍自己的目标：让AI帮人们实现个人目标、创作内容、加深关系，并做出有价值的行动。这种能力要真普及，光有前沿模型不够，使用成本还得具备可扩展性。

公司同时透露，眼下还有效率更高的模型正在训练。

参考链接：