2026年11月10日，Meta正式对外发布新模型Muse Ember。这一回，Meta没有像过去那样主打参数规模或榜单排名，而是把注意力放在了一个更实际的维度上：让AI Agent“跑得起”。官方披露的信息显示，Muse Ember每百万输入token只收10美分，产品定位就是轻量级、面向Agent执行。
为“执行”而生：Agent需要什么样的大脑
过去两年，大模型讲故事的主线一直是“更聪明”——上下文更长、推理更强、测评分数更高。可Agent产品从演示走进生产环境之后，开发者的关注点变了：模型能不能稳定调用工具，在多步任务里保持格式，用足够低的延迟和成本跑完成千上万次循环。
Muse Ember切的正是这个口子。所谓“Agent执行”，就是让模型在任务链条里干“手脚”的活：解析指令、挑工具、填参数、读返回结果，再定下一步。这类活重复度高、单次请求不复杂，但对成本和吞吐格外敏感。拿一个前沿大模型去跑Agent循环，大量token往往耗在格式化输出和工具调用上，性价比并不划算。
10美分/百万token：价格本身就是产品
Meta给Muse Ember定的价是每百万输入token 10美分。TechCrunch在报道里提到，这个价格明显低于Haiku、
Luna等前沿竞品。对开发者来说，这已经不是小幅打折，而是成本层面的数量级重构。
Agent场景烧token有它的特点：用户一次请求，可能触发十几轮模型调用，每轮都得重新带上系统提示、工具定义和历史上下文，输入token的累积速度远快于普通聊天。单价从“美元级”掉到“美分级”之后，那些原先因为成本被搁置的自动化流程——批量数据清洗、客服工单分流、代码仓库巡检——又能提上日程了。
每百万输入token 10美分——Meta用一个价格标签，把Agent竞争拉进了“分厘必争”的时代。
Agent赛道，正在分层
行业里慢慢形成的一个共识是：以后的Agent系统不会靠一个模型包打天下，而是“规划—执行”分层。强模型管拆解任务、制定计划、处理疑难分支；轻量模型管高频、标准化、可并行的执行环节。Muse Ember瞄准的显然是后一层。
这也说明了Meta为什么选在这个时候入场。2025年之后，Agent框架、工具协议和多智能体编排成熟得很快，执行层模型的需求跟着放大。谁能用最低成本接住这部分流量，谁就有机会成为Agent基础设施的默认选项。对Meta而言，模型本身未必是利润中心，但它是入口——开发者一旦围绕某套API搭起工作流，迁移成本会迅速上升。
编者按：低价是一张生态牌
回看Meta的模型策略，从Llama系列起，“用开放和低价换生态份额”就是一条清晰的主线。Muse Ember延续了同样的逻辑：靠极具攻击性的定价吸引Agent开发者，把模型嵌进真实的生产工作流。跟在榜单上争第一相比，这更像是在修路——路修好了，车自然会来。
不过价格战从来不是单方面的事。10美分的定价会直接压缩竞品的定价空间，逼着对手在“跟着降价”和“强调能力差异”之间选一边。对以API调用为主要收入来源的模型厂商来说，这道题不好答。
低价之外，仍需回答的问题
当然，轻量模型的短板也摆在那里。工具调用准不准、长链条任务里错误会不会累积、对复杂指令的理解边界在哪，都是Agent落地绕不开的门槛。单价低不等于总成本低——模型要是频繁出错、反复重试，省下来的token费用可能又被工程成本和人工保底吃回去。
另外，Muse Ember在上下文长度、并发配额、函数调用协议兼容性等方面的具体规格，还得等开发者实测。Meta能不能把“便宜”变成“可靠”，决定这款模型是成为Agent的默认执行层，还是只留在价格表上的一个数字。
上半场拼的是谁更聪明，下半场拼的是谁更便宜、更稳、更能被规模化调用——Agent 的竞争已经走到这一步。Meta 拿出的第一张执行层答卷，就是 Muse Ember。
