Meta 发布 Muse Ember　专攻 AI 智能体任务的小模型　每百万输入 token 仅 0.1 美元

Meta 星期一（11 月 9 日）发布 Muse Ember，定位为 Muse 系列中最小、最有效率的模型，专为 AI 智能体每天重复的工作而设：工具调用、编程子任务、请求分流、信息抽取与长文档解析。模型即日起通过 Meta Model API 与 Muse Code 提供，型号为 muse-ember-1.0，同时已上架 OpenRouter。Meta 称，Ember 在智能体工作流与编程任务上的表现，可与 Anthropic 与 OpenAI 的同级模型竞争。（图片：Meta 数据中心资料图片。）

为智能体的重复工作而生

与主打最强推理能力的大模型不同，Ember 的卖点是「每次任务的成本」。Meta 表示，Ember 可接受文本、图像、音频、视频与 PDF 输入，输出为文本，上下文窗口达 100 万 token，单次输出最多 51.2 万 token，足以一次读入整个代码库或文件集。Meta 同时透露，Ember 是首个以 Muse Wonder Full 训练出来的模型，而 Ember、Spark 与 Wonder 现已登陆 Google Cloud 与 Oracle Cloud。

定价与规格

Ember 的定价为每百万输入 token 0.1 美元、缓存输入每百万 0.004 美元、输出每百万 0.5 美元。按 Artificial Analysis 的基准换算，Ember 在最高推理设定下每项任务成本约 0.14 美元。模型权重不公开，只能通过 Meta 的 API 与合作服务使用，不能下载。

与对手的比较

在 Artificial Analysis 智能指数的最高推理设定下，Ember 得 36 分，与 Anthropic 的 Claude Haiku 5.5 最高分 36.2 分接近，但 Haiku 每项任务成本约 0.41 美元，约为 Ember 的三倍；OpenAI 的 GPT-6 Luna 每项任务约 0.15 美元。与自家大模型 Muse Spark 1.3 相比，Ember 得分 36 分、Spark 为 37 分，但 Spark 每项任务成本高达 2.39 美元。Meta 强调，Ember 在所有推理设定下，每美元产生的智能都高于 Haiku 5.5 与 GPT-6 Luna。

同日 Anthropic 亦有新品

值得注意的是，Anthropic 同日在同一赛道推出 Fable 5.2 与 Mythos 5.2，主打更复杂的技术任务，Fable 的定价更由每百万输入 token 10 美元降至 8 美元。两家公司同日发力，显示 AI 竞赛正从「谁最聪明」转向「谁能以更低成本完成持续、复杂的工作」。