Meta推Muse Ember：百万Token输入7毛，性能追平Haiku 5.5？

Meta 昨夜正式推出新一代轻量级 AI 模型 Muse Ember。按官方说法，这是其有史以来体积最小、效率最高的一款，瞄准的是复杂推理执行，以及 AI Agent 日常工作中反复要干的活儿，包括工具调用、编程子任务、任务路由、信息提取和长文档解析等。

Meta CEO 扎克伯格在 x 上发帖称，这款模型是自家尺寸最小的一个，同级别里每美元换来的智能更多。它的定位是替智能体承担那些全天反复跑、token 消耗大的活：调用工具、编码子任务、路由、抽取信息、解析长文档。从今天起，Meta Model API 和 Muse Code 都能用上它。

此前各家厂商比拼的是旗舰模型性能，Muse Ember 不一样，它主打成本。

Meta 在官方博客中称，Artificial Analysis 的评测显示，不同推理强度下，Muse Ember 的智能表现与成本之比都优于 Claude Haiku 5.5 和 GPT-6 Luna。用大约三分之一的成本，它就能逼近 Claude Haiku 5.5 最高推理强度下的水平，同时超过 GPT-6 Luna 所有推理档位的成绩。

还有一点更受关注：在 Artificial Analysis 智能指数与单任务成本构成的效率前沿上，Muse Ember 占到了有利位置。单任务成本相近或更低的情况下，参评模型里没有谁拿到更高的智能指数。

换句话说，Meta 没打算让一款小模型包揽所有复杂任务。它想解决的是 Agent 规模化应用里的另一个问题：AI 系统每天要执行成千上万次工具调用、代码修改和信息处理，每次执行的成本怎么压下来？

成本只有三分之一，Meta 要重新定义小模型的价值？

Artificial Analysis 智能指数测试里，Muse Ember 最高推理强度下约 36 分，与 Claude Haiku 5.5 的36 分持平，GPT-6 Luna 则为 28 分。

价格上，三者差距明显。

Meta 展示的测试数据显示，在接近最高智能水平的配置下，Muse Ember 单任务成本约 0.136 美元，Claude Haiku 5.5 最高配置约 0.411 美元。算下来，Muse Ember 的成本约为后者的 33%，相当于降了约 67%。

具体能力上，Muse Ember 不只停留在基础问答。

Meta 汇总的评估数据显示，企业工作流自动化测试 AutomationBench-AA 中，Muse Ember 拿到 37.8%，GPT-6 Luna 和 Claude Haiku 5.5 分别是 20.2% 和 13.9%。

衡量端到端 Agent 任务执行能力的 Agents' Last Exam 中，Muse Ember 得分 61.6%，另外两款模型为 57.1% 和 57.0%。

编程方面，Terminal-Bench 4.0 中 Muse Ember 取得 40.9%，略高于 Claude Haiku 5.5 的 39.2%，比 GPT-6 Luna 的 16.4% 高出不少。

不过 Muse Ember 并非项项领先。衡量真实工程任务及代码可合并性的 FrontierCode 2.0-AA 中，Claude Haiku 5.5 拿到 34.9%，Muse Ember 为 27.2%。

目前 Muse Ember 已通过 Meta Model API 开放，正式定价为每百万输入 Token 0.10 美元、每百万输出 Token 0.50 美元。

Cloudflare、Cline 等实测：最快达 2.2 秒延迟

正式发布前，Meta 已请多家合作伙伴测试 Muse Ember，场景覆盖企业文档处理、编程、软件工程以及高吞吐量 Agent 任务等。

企业内容管理平台 Box 的 AI 产品副总裁 Yashodha Bhavnani 表示，Muse Ember 在 Box AI Complex Work Eval 中展现出了较好的准确率、速度和 Token 效率。

比如，它能按企业的合同谈判规则逐条评估合同条款，并给出整体风险等级；也能依据详细的招聘要求筛选候选人，把那些不完全符合首选标准、但仍值得留作备选的人挑出来。

AI 编程工具 Cline 的创始人 Saoud Rizwan 则特别提到了 Muse Ember 作为子 Agent 模型的价值。

在他看来，想压低成本的开发团队可以让 Muse Ember 承担编程、文档分析等重复性任务，不必每次都调用价格更高的大模型。

Oracle 全球合作伙伴高级副总裁 Konstantinos Papamiltiadis 也表示，早期测试中 Muse Ember 展现出了处理复杂工程任务的潜力。

运行效率方面，Cloudflare 首席技术官 Dane Knecht 提供了另一组数据。

Cloudflare 实测显示，Muse Ember 的尾部延迟最多比参测的同类模型快 30%。碰到要跨多个代码仓库做大范围排查的任务，它也能处理得比较稳。这一组数据出自 Cloudflare 首席技术官 Dane Knecht。

You.com 那边的结果更抢眼。这家搜索及 AI 服务公司的推理负责人 Chak Pothina 说，编程任务里 Muse Ember 全部跑完，延迟在受测模型中最低。具体看，P95 延迟 2.2 秒，速度差不多是部分领先开放权重模型的 4 至 13 倍，输出 Token 数则少了 36% 至 48%。

Agent 能力：一次读入完整代码库，支持百万 Token 上下文

合作伙伴的测试讲完，Meta 把话题转到 Muse Ember 的三项主要能力上：Agent、编程、多模态。先说 Agent。

Meta 的看法是，Agent 干实际活的时候，Token 未必耗在最复杂的推理上。大头来自大量规模不大、结构比较固定的操作。比如一个企业 Agent 可能先读客户记录，再调相关工具，然后去多个业务系统里更新信息。这一路下来，模型得反复处理数据、判断下一步做什么、再执行指令。

Muse Ember 瞄的就是这类高频任务：检索记录、按顺序调用工具、跨应用更新系统数据，端到端业务流程它都能跑完。它还给了 100 万 Token 的上下文窗口，最大输出长度 51.2 万 Token。

也就是说，代码库或文档集合规模合适的话，开发者一次调用就能塞进大量上下文，不用老是把输入拆来拆去。

Agent 能力测试里，Meta 重点放了三组数据。AutomationBench-AA 看的是端到端业务工作流的执行；Agents' Last Exam 偏重完整的 Agent 任务；Personal Superintelligence Index 则是 Meta 内部用来评估个人及知识工作任务的综合指标。

从这些数据看，Muse Ember 的长处主要在任务执行环节，不只是把答案生成出来。对正在部署 Agent 的企业来说，这里冒出一个值得琢磨的问题：往后 AI 系统里的大部分任务，是不是真都得交给最强、最贵的旗舰模型？

编程测试得分超过 Claude Haiku 5.5

企业工作流之外，编程是 Muse Ember 的另一个重点。Meta 在博客里说，编程 Agent 执行任务时可能要调用子任务数百次，读文件、跑测试、针对具体问题改代码都算。这类操作中，模型的调用频率、执行速度和成本，会直接牵动整个编程 Agent 的效率。

Terminal-Bench 4.0 上，Muse Ember 拿到 40.9%，略高于 Claude Haiku 5.5 的 39.2%，也明显压过 GPT-6 Luna 的 16.4%。

Coding Agent Index-AA 里，Muse Ember 同样排第一，得分 46；Claude Haiku 5.5 和 GPT-6 Luna 分别是 37 和 31。

不过，工程问题一旦更复杂，Muse Ember 还是有短板。

在FrontierCode 2.0-AA这一项上，Claude Haiku 5.5跑出34.9%，排在前面；Muse Ember拿到27.2%，GPT-6 Luna是25.2%。

这个差距也说明，编程任务对模型的要求本来就不一样。读文件、跑测试、改一处局部代码，跟处理牵涉多个模块、还要满足实际合并要求的工程问题，完全是两码事。

不过Meta并没有打算让Muse Ember去顶替旗舰模型。博客里写得很清楚：碰到最难的问题，可以把Muse Ember和Muse Wonder搭着用——Muse Wonder管复杂任务的规划，Muse Ember承接大量具体执行。

这种搭配其实对应了眼下正在成形的一种Agent架构：能力强的模型负责全局规划、复杂推理和关键决策，成本更低的模型去扛高频执行。

只要不同模型之间的调用协调得当，这套方式就有机会在保住任务完成质量的同时，把整个Agent系统的运行成本压下来。

多模态这块，Muse Ember原生支持文本、图像、音频和视频理解。Meta的说法是，Agent靠同一个模型就能读屏幕截图、图表、扫描文档，也能处理语音备忘录、会议录音和视频内容，不用为每种输入分别调用不同模型。

现在Muse Ember已经通过Muse Code和Meta Model API正式上线，模型名称是muse-ember-1.0，并且支持Responses API。

价格方面，每百万输入Token 0.10美元，每百万缓存输入Token 0.004美元，每百万输出Token 0.50美元。

Muse Ember还是Meta第一款用Muse Wonder Full训练出来的模型。此前发布Muse Wonder和Muse Wonder Full时，Meta就说过，会用这些高能力模型去开发更专业化的模型，再进一步面向开发者和普通用户提供服务。

随着Muse Ember面世，Meta对几款模型的分工也说得更细了：Muse Wonder处理最复杂的问题，Muse Spark偏重编程和Agent工作流，Muse Ember则面向大规模、可重复的编程及Agent任务。

官方给出的对比里，Muse Ember和Muse Spark 1.3的成本落差格外扎眼。

按Meta公布的数据，Muse Ember的Artificial Analysis智能指数只比Muse Spark 1.3低1分，但单任务成本从2.39美元降到约0.14美元，降幅约94%，差不多是前者的十七分之一。

换句话说，开发者要是只盯这一项智能指数，Muse Ember用远低于Muse Spark 1.3的成本就能拿到接近的成绩。当然，这不代表它在所有任务里都能替掉Muse Spark。

Meta推一款更小的模型，原因也在这里。Agent从简单的问答助手，一步步变成能调工具、跑代码、操作计算机的复杂系统，任务执行过程中模型调用次数会不断往上走。

对开发者来说，系统能不能大规模部署，除了单次推理的能力，还要看几百次、几千次调用累积起来的成本，以及任务执行稳不稳。

博客结尾，Meta重申目标：让AI帮人们实现个人目标、创造内容、深化关系，并采取有价值的行动。要让这种能力真正普及，光有前沿模型不够，使用成本还得具备可扩展性。

公司同时透露，眼下还有效率更高的模型正在训练。

参考链接：

https://x.com/i/trending/2119860830409834977

https://research.meta.ai/blog/muse-ember