Meta 在 11 月 9 日发布 Muse Ember，是 Muse 系列里最小、最省钱的模型。它专门干 AI Agent 一天到晚重复的那些小活：调工具、写代码里的小任务、给请求分流、从文件里抽信息、读长文档。价格是输入每百万 token 0.10 美元、输出 0.50 美元。
发生了什么
Meta 现在有三档 Muse 模型，分工很清楚：
| 模型 | 定位 |
|---|---|
| Muse Wonder | 最难的问题，负责想清楚怎么做 |
| Muse Spark | 写代码和 Agent 工作流的主力 |
| Muse Ember | 大量重复的小任务，便宜到可以放进每个产品里 |
Meta 推荐的组合是：Wonder 定计划，Ember 跑量。Meta 说，Ember 是它用 Muse Wonder Full 训练出的第一个小模型。
价格和规格
| 项目 | 内容 |
|---|---|
| 模型名 | muse-ember-1.0 |
| 价格（提示词 20 万 token 以内） | 输入 $0.10、缓存命中 $0.004、输出 $0.50，都是每百万 token |
| 价格（超过 20 万 token） | 输入 $0.30、缓存命中 $0.012、输出 $1.50 |
| 上下文 | 100 万 token，最多输出 51.2 万 token |
| 能看懂什么 | 文字、图片、音频、视频 |
| 在哪用 | Meta Model API、Muse Code，谷歌云和甲骨文云也有 |
| 接口 | 支持 Responses API |
这次只开放 API，没有放出可以自己下载的权重。
和同档模型比
Meta 拿它和 Claude Haiku 5.5、GPT-6 Luna 这两个同样主打便宜的模型比（都开到最高推理档）：
| 测试 | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| AutomationBench（企业流程自动化） | 37.8 | 13.9 | 20.2 |
| Terminal-Bench 4.0（命令行编程） | 40.9 | 39.2 | 16.4 |
| OSWorld 2.1（操作电脑） | 69.5 | 68.9 | 50.5 |
| FrontierCode 2.0（真实工程任务） | 27.2 | 34.9 | 25.2 |
按 Meta 的说法，它能用大约三分之一的花费追平 Haiku 的最好成绩。不过在难度更高的真实工程任务上，Haiku 还是领先。几家合作方的早期反馈也集中在"快"和"适合当子 Agent"：Cline 说它很适合在工作流里当子 Agent 写代码、分析文档，Cloudflare 测到它最慢那批请求也比同类模型快三成。
对用 AI Agent 的人意味着什么
如果你的 AI Agent 每天要跑成百上千次小步骤，比如批量读合同打分、按规则分类工单，或者在代码库里跑测试改小 bug，这些步骤的模型费用加起来很可观。把这部分换成 Ember，主模型只留给需要深度思考的环节，账单可能明显下降。
最稳妥的试法是挑一件你的 Agent 天天在做的重复活，用现在的模型和 Ember 各跑一遍同样的 20 个样本，比较做对了几个、各花了多少钱。
注意
- 跑分是 Meta 公布的，一部分来自 Artificial Analysis，一部分是 Meta 内部测试，还没有大量第三方实测。
- 它不是拿来啃难题的。复杂的架构设计、开放式研究，Meta 自己也建议交给更大的模型。
- 长提示词贵三倍。提示词超过 20 万 token 后单价整体上调，处理超长文档前先算一下。
- 没有开源权重，想本地部署的话它不是选项。
评论（0）
还没有评论，来说第一句。