Meta推Muse Ember：跑分追平Claude Haiku 5.5，单任务成本仅1/3
IT之家 11 月 10 日消息，Meta 现已推出 Muse Ember AI 模型。这是 Meta 迄今最小、效率最高的模型，专为复杂推理任务执行以及智能体日常反复处理的工作而设计。Meta 表示，在 Artificial Analysis 排行榜中，这款模型的表现可以媲美 Claude Haiku 5.5，但单任
11 月 10 日消息，Meta 已上线 Muse Ember AI 模型。该模型是 Meta 到目前为止体积最小、效率最高的一款，面向复杂推理任务以及智能体日复一日反复处理的活儿。
Meta 方面称，在 Artificial Analysis 排行榜上，Muse Ember 的成绩能跟 
Claude Haiku 5.5 打平，可单任务成本只有后者的 1/3；另外，它在多项测试里都超过了 GPT-6 Luna。
Muse Ember 的跑分结果如下：
评测项目 | Muse Ember（max） | Claude Haiku 5.5（max） |
| |
|---|---|---|---|---|
| 智能体 | AutomationBench-AA（端到端业务工作流） | 37.8 | 13.9 | 20.2 |
Agents' Last Exam（端到端智能体任务） | 61.6 | 57.0 | 57.1 | |
Personal Superintelligence Index（个人与知识工作内部综合指数） | 46.8 | 36.1 | 37.0 | |
| 编程 | Terminal-Bench 4.0（智能体终端编程） | 40.9 | 39.2 | 16.4 |
Coding Agent Index-AA（真实智能体环境中的编程） | 46 | 37 | 31 | |
FrontierCode 2.0-AA（以代码合并可行性为标准评估的真实工程任务） | 27.2 | 34.9 | 25.2 | |
| 多模态 | GDP.pdf-AA（长文档专业工作） | 22.8 | 20.8 | 22.8 |
OSWorld 2.1（跨桌面应用的计算机操作） | 69.5 | 68.9 | 50.5 | |
PerceptionBench（精细视觉感知） | 80.6 | 78.6 | 62.8 | |
| 综合 | Artificial Analysis Index | 36 | 36 | 28 |
GPT上下文窗口方面，Muse Ember 给到 100 万 Token，输出上限为 51.2 万 Token。一次调用就足以塞进完整代码库或者一整批文档。智能体在一次会话里跑上几百个编程子任务也没问题，读文件、跑测试、做针对性修复都包含在内。
文本、图像、音频、视频，Muse Ember 原生就能理解。智能体不用再拉别的模型帮忙，截图、图表、扫描文档都能读，语音备忘录、会议录音和视频也能处理。长篇幅的真实文档同样应付得来，还能照着屏幕截图直接操作计算机，细微的视觉差别也能分辨出来。
安全上，Muse Ember 发布之前过了 Meta SI 扩展框架的评估。全部测试结果都显示，它的风险水平压在框架设定的高风险阈值之下。
价格与渠道：即日起，Muse Ember 在 Meta Model API、Google Cloud 和 Oracle Cloud 上线。输入每百万 Token 0.10 美元（现汇率约合 0.67 元人民币），输出每百万 Token 0.50 美元（现汇率约合 3.3 元人民币）。
