Meta 發布 Muse Ember　專攻 AI 智能體任務的小模型　每百萬輸入 token 僅 0.1 美元

Meta 星期一（11 月 9 日）發布 Muse Ember，定位為 Muse 系列中最小、最有效率的模型，專為 AI 智能體每天重複的工作而設：工具調用、編程子任務、請求分流、信息抽取與長文檔解析。模型即日起通過 Meta Model API 與 Muse Code 提供，型號為 muse-ember-1.0，同時已上架 OpenRouter。Meta 稱，Ember 在智能體工作流與編程任務上的表現，可與 Anthropic 與 OpenAI 的同級模型競爭。（圖片：Meta 數據中心資料圖片。）

為智能體的重複工作而生

與主打最強推理能力的大模型不同，Ember 的賣點是「每次任務的成本」。Meta 表示，Ember 可接受文本、圖像、音頻、視頻與 PDF 輸入，輸出為文本，上下文窗口達 100 萬 token，單次輸出最多 51.2 萬 token，足以一次讀入整個代碼庫或文件集。Meta 同時透露，Ember 是首個以 Muse Wonder Full 訓練出來的模型，而 Ember、Spark 與 Wonder 現已登陸 Google Cloud 與 Oracle Cloud。

定價與規格

Ember 的定價為每百萬輸入 token 0.1 美元、緩存輸入每百萬 0.004 美元、輸出每百萬 0.5 美元。按 Artificial Analysis 的基準換算，Ember 在最高推理設定下每項任務成本約 0.14 美元。模型權重不公開，只能通過 Meta 的 API 與合作服務使用，不能下載。

與對手的比較

在 Artificial Analysis 智能指數的最高推理設定下，Ember 得 36 分，與 Anthropic 的 Claude Haiku 5.5 最高分 36.2 分接近，但 Haiku 每項任務成本約 0.41 美元，約為 Ember 的三倍；OpenAI 的 GPT-6 Luna 每項任務約 0.15 美元。與自家大模型 Muse Spark 1.3 相比，Ember 得分 36 分、Spark 為 37 分，但 Spark 每項任務成本高達 2.39 美元。Meta 強調，Ember 在所有推理設定下，每美元產生的智能都高於 Haiku 5.5 與 GPT-6 Luna。

同日 Anthropic 亦有新品

值得注意的是，Anthropic 同日在同一賽道推出 Fable 5.2 與 Mythos 5.2，主打更複雜的技術任務，Fable 的定價更由每百萬輸入 token 10 美元降至 8 美元。兩家公司同日發力，顯示 AI 競賽正從「誰最聰明」轉向「誰能以更低成本完成持續、複雜的工作」。