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

Meta在11月10日正式推出新模型Muse Ember，主攻复杂推理与智能体任务。按照Meta的说法，这是其至今体量最小、效率最高的一款模型，能跨应用执行工作流、连续调用工具、运行测试并修复代码。

Muse Ember支持100万Token上下文窗口，原生理解文本、图像、音频和视频，可处理大规模文档和多模态输入。

Meta创始人兼CEO马克·扎克伯格（Mark Zuckerberg）同日在社交平台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。”

Muse Ember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，隔了将近一个月，Meta就基于它做出了Muse Ember，继续用Wonder系列模型训练专用模型。

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）。

目前Muse Ember已通过Meta Model API和Muse Code开放使用，同时支持Responses API。

一、网页生成实测表现亮眼，20多个网站平均2分钟完成

模型发布后，不少用户和开发者在社交平台X上聊起了Muse Ember本身和实际使用感受。

有用户提到，Muse Ember体量轻，却支持原生多模态输入和100万Token上下文窗口，还不会给GPU带来过重负担，这正是本地开发工具跑真实Agent工作流所需要的能力。

另一名用户觉得，比每Token价格更值得看的是“单项任务成本”。他举例说，一个便宜但得重试三次才能完成任务的模型，实际成本可能高过一个价格更贵、但一次就能做对的模型。他还表示，如果Muse Ember在真实Agent工作负载中确实能把成本压到同类模型的三分之一，用户采用才会真正被推动起来。

第三方评测机构Vals AI称，Muse Ember是Vals Index中单项测试成本最低的模型，每项测试只要0.15美元（约合人民币1.01元）。它在测试中取得60.5%的成绩，超过Claude Haiku 5.5和GPT-6 Luna。Muse Ember跑完测试约需15分钟，是榜单前12名模型里速度最快的。

实际网页开发测试中，Arena.ai把Muse Ember接入Code Arena: WebDev，让模型一次性生成20多个网站和动画。Arena.ai表示，Muse Ember是目前该平台上表现最好的小模型，能以较快速度、较低成本生成高质量网页。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。

Muse Ember 交出的成品里有个叫 NOCTIS 的香水品牌站点，产品陈列、香水分类、香调说明、产品对比、试香盒组合这些板块都做了出来。

除了网页，Muse Ember 还被拉去测 3D 模型设计。一名开发者说，让它生成树木模型时，5 种不同的树只用 33 秒就出齐了，比用来对照的模型快 25 倍。出来的结果里，每棵树都单独打了标签，还附上树高、多边形数量这类细节，外加线框视图。

另一名开发者分享了Muse Ember在其近期发布的批发业务基准测试ORO SMB Bench中的表现。他称，Muse Ember在这项测试中的表现与GLM 5.3、Grok 4.7和Muse Spark 1.3相当。不过，Muse Wonder 1.0的表现仍然是其中最差的。他还提到，团队正在补充GPT-6 Luna和Claude Haiku 5.5的测试，以便进行真正的横向比较。

有用户也直接评价称：“Muse Ember真的非常快。”其分享的截图显示，通过OpenRouter调用Muse Ember时，一次运行完成了18个步骤，界面显示生成速度达到3565 Token/秒，缓存命中率为75%。

也有用户对Meta AI的产品体验表达了不满。他提到，Meta AI的安全限制设得太多，自己已经取消订阅。他说，连让Meta AI准确说出当前跑的是哪个模型都做不到，回答前后矛盾：先说运行的是Muse，接着又改口称是Muse Wonder。

二、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执行过程中大量反复出现的任务。Meta表示，Agent处理复杂工作时，要一遍遍调用工具、读取文件、运行代码、提取信息并修改结果。这些任务单次并不复杂，可在长工作流里会持续吃掉Token和算力。

这类高频任务正是Muse Ember的设计目标，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，Muse Ember的单位成本智能水平基本都高于Claude Haiku 5.5和GPT-6 Luna。

在衡量模型综合智能水平的Artificial Analysis Intelligence Index v5中，最高推理强度下，Muse Ember与表现最好的Claude Haiku 5.5得分只差0.4分。

Muse Ember拿到35.8分，Claude Haiku 5.5为36.2分，可Muse Ember完成单项任务只花0.136美元（约合人民币0.91元），相当于后者单项任务成本的三分之一（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的成本优势同样明显。

还是在测评集Artificial Analysis Intelligence Index v5中，Muse Ember得分36分，Muse Spark 1.3为37分。

两款模型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等多项评测中均排名第一。

测评集AutomationBench-AA考察模型能否跑完端到端业务流程，Muse Ember得分37.8%，GPT-6 Luna为20.2%，Claude Haiku 5.5为13.9%。

测评集Agents’ Last Exam考察模型能否完成复杂工作任务，Muse Ember得分61.6%，GPT-6 Luna为57.1%，Claude Haiku 5.5为57.0%。

测评集Personal Superintelligence Index考察模型综合智能指数，Muse Ember得分46.8%，GPT-6 Luna为37.0%，Claude Haiku 5.5为36.1%。

编码能力上，Muse Ember多项测试也有竞争力，三项测试中两项排第一，不过在真实工程任务上仍有差距。

测评集Coding Agent Index考察模型在真实Agent框架中完成编码任务的能力，Muse Ember得分46分，Claude Haiku 5.5为37分，GPT-6 Luna为31分。

测试集Terminal-Bench 4.0考察模型通过终端环境完成Agent式编程任务的能力，Muse Ember得分40.9%，略高于Claude Haiku 5.5的39.2%，领先GPT-6 Luna的16.4%。

测试集Artificial Analysis的FrontierCode 2.0-AA考察模型能否完成真实工程任务，这一项Muse Ember不占优，仍落后于Claude Haiku 5.5。Claude Haiku 5.5得分最高，为34.9%；Muse Ember为27.2%；GPT-6 Luna最低，为25.2%。

多模态和电脑操作方面，Muse Ember的表现与GPT-6 Luna、Claude Haiku持平或更高。Meta称，该模型还能看着截图直接操作电脑，并识别画面中的细节。

测试集GDP.pdf-AA考察模型的长文档能力，Muse Ember与GPT-6 Luna均得分22.8%，Claude Haiku 5.5为20.8%。

Meta还用测试集OSWorld 2.1考察模型在真实桌面应用环境中操作电脑的能力。Muse Ember得分69.5%，略高于Claude Haiku 5.5的68.9%，领先GPT-6 Luna的50.5%。

在Meta内部用于检验图像细节识别与理解能力的PerceptionBench测试中，Muse Ember拿到80.6%，Claude Haiku 5.5为78.6%，GPT-6 Luna则是62.8%。

三、企业合作伙伴反馈积极，Muse Ember主打执行任务

企业应用层面，Meta拉来了网络安全服务商Cloudflare、AI搜索平台You.com等伙伴，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能让部分任务的尾部延迟最多下降30%。

You.com推理负责人查克·波蒂纳（Chak Pothina）提到，其测试中的编码任务Muse Ember全部完成，P95延迟为2.2秒，速度约为部分领先开源模型的4至13倍，输出Token数量则少了36%至48%。

按Meta的划分，Muse Wonder管最难的问题，Muse Spark面向编程和Agent工作流，Muse Ember承担大规模、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。”

它也是首个用Muse Wonder Full训练出来的模型。Meta早前讲过，会用Muse Wonder系列去开发更专门化的模型，再把能力推给更多用户，Muse Ember就是这条路线下的产物。

安全上，Meta称Muse Ember发布前已按Meta超级智能扩展框架（Superintelligence Scaling Framework）做过评估，范围包括化学与生物安全、网络安全、失控风险等类别。在已经评估的风险类别里，这款模型都没有触及框架设定的高风险阈值。

结语：大模型造小模型，Meta探索Agent时代的模型分工