Meta 于 11 月 10 日推出轻量级 AI 模型 Muse Ember，官方称这是其迄今最小、效率最高的模型，面向复杂推理任务和智能体每天反复处理的工作。该模型即日起在 Meta Model API、Google Cloud 和 Oracle Cloud 提供。
价格与规格
- 输入每百万 Token 0.10 美元，约 0.67 元人民币
- 输出每百万 Token 0.50 美元，约 3.3 元人民币
- 100 万 Token 上下文窗口，单次最多输出 51.2 万 Token
- 原生支持文本、图像、音频、视频理解
跑分对比
Meta 给出的说法是，Muse Ember 在 Artificial Analysis 排行榜上的表现与 Claude Haiku 5.5 相当，两者 Index 均为 36，GPT-6 Luna 为 28；单任务成本只有 Claude Haiku 5.5 的 1/3。四项测试均为 max 档：
- AutomationBench-AA（端到端业务工作流）：Muse Ember 37.8，Claude Haiku 5.5 13.9，GPT-6 Luna 20.2
- Agents' Last Exam（端到端智能体任务）：Muse Ember 61.6，Claude Haiku 5.5 57.0，GPT-6 Luna 57.1
- Personal Superintelligence Index（个人与知识工作内部综合指数）：Muse Ember 46.8，Claude Haiku 5.5 36.1，GPT-6 Luna 37.0
- Terminal-Bench 4.0（智能体终端编程）：Muse Ember 40.9，Claude Haiku 5.5 39.2，该项未公布 GPT-6 Luna 数据
差距最大的是 AutomationBench-AA，Muse Ember 的 37.8 是 Claude Haiku 5.5 的 2.7 倍，也是三项对比模型里唯一超过 30 分的一项；Terminal-Bench 4.0 上两者只差 1.7 分，编程场景的领先幅度明显小于智能体工作流场景。
按官方定价，Muse Ember 的输出价格折合每百万 Token 约 3.3 元，配合 100 万 Token 上下文，主要面向需要长上下文、高频调用的智能体批量任务。
