Meta推Muse Ember：性能持平Claude 5.5，单次成本仅1/3
人工智能领域的性价比军备竞赛再度迎来重量级选手。11月9日，Meta 官方正式发布了旗下迄今为止规模最小、运行效率最高的轻量级人工智能模型——Muse Ember。 定位高频任务:以极致效率满足智能体高强度运转 作为一款主打高效轻量的核心产品，Meta 将 Muse Ember 的应用场景精确锁定了人工智能智能体（Ag
11月9日，Meta 正式推出轻量级人工智能模型 Muse Ember。官方称，这是其迄今规模最小、运行效率最高的一款。人工智能领域的性价比竞争，由此又多了一个重量级参与者。
这款产品主打高效轻量，Meta 把使用场景定在人工智能智能体（Agent）日常反复处理的高频任务上：工具调用、编程子任务的执行、请求路由、信息提取、长文档解析。换句话说，它瞄准的是智能体高强度运转时的大量重复性工作。
输入输出方面，模型的多模态处理能力覆盖文本、图片、音频、视频以及 PDF 等多种形式，输出则统一为文本。
处理容量上，Muse Ember 的上下文窗口约为100万 Token，最高可输出约51.2万 Token。
这样的长文本能力，让它在一次请求里就能装下并处理大规模代码库或大堆文档，为开发者应对复杂工程项目提供了基础支撑。目前该模型已通过 Muse Code 及 Meta Model API 上线，编号统一为“muse-ember-1.0”。
第三方评测机构 Artificial Analysis 公布的数据显示，Muse Ember 在综合智能指数中得到36分，与 
Anthropic 的 Claude Haiku5.5最高推理档位持平。
成本是另一大看点。官方定价为：每百万输入 Token 收费0.10美元，缓存输入收费0.004美元，每百万输出 Token 收费0.50美元。Artificial Analysis 实测显示，其最高推理档位单次任务成本约0.14美元；
Claude Haiku5.5完成同类任务约需0.41美元，前者约为后者的三分之一。
不同维度的评测各有侧重。Meta 自己公开的测试显示，Muse Ember 在部分智能体、工具调用和多模态任务上领先于 Claude Haiku5.5以及 OpenAI 的 GPT-6Luna；但在考察代码修改能否被项目维护者顺利采用的 FrontierCode2.0专项测试中，其得分略低于 Claude Haiku5.5。
