Meta推Muse Ember：跑分追平Claude Haiku 5.5，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
Meta 现已推出 Muse Ember AI 模型，发布时间为 11 月 10 日。据 Meta 介绍，这是其至今体积最小、效率最高的模型，面向复杂推理任务以及智能体日常反复处理的工作。
在 Artificial Analysis 排行榜上，Muse Ember 的表现据称可与 
Claude Haiku 5.5 持平，单任务成本却只要后者的 1/3，另有若干测试的成绩压过 GPT-6 Luna。
Muse Ember 的跑分数据如下：
|
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，该模型支持 100 万 Token，单次最多输出 51.2 万 Token。一整座代码库或一整套文档，可以在一次调用里处理完。智能体于一次会话中能跑数百次编程子任务，读文件、执行测试、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，智能体不必再调用别的模型，即可读取截图、图表和扫描文档，也能处理语音备忘录、会议录音与视频。篇幅较长的真实文档同样在它的处理范围内；它还能看着屏幕截图直接操作计算机，并捕捉细微的视觉细节。
安全评估在发布前完成，用的是 Meta SI 扩展框架。全部测试结果显示，Muse Ember 的风险水平低于该框架设定的高风险阈值。
定价上，模型即日起通过 Meta Model API、Google Cloud 和 Oracle Cloud 提供。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）。
