11月9日,Meta超级智能实验室发布Muse系列第四款模型——Muse Ember。这是Meta目前体量最小、单位智能成本最低的模型,专盯一件事:AI智能体每天重复上千次的高频杂活。扎克伯格在X上称它”同类产品中每一美元买到的智能最多”。
一个模型只干一类活
Muse系列的分工已经成型。旗舰Muse Wonder负责复杂规划,中量级Muse Spark处理编程与Agent工作流,开源双胞胎Glimmer在8月放出,Muse Ember则承包批量重复任务:工具调用、代码子任务、任务路由、信息提取、长文档解析。
Meta的官方表述相当直白:”Muse Wonder负责规划,Muse Ember处理量。”典型场景是客服Agent:重模型先定好处理规则,轻模型再把规则套到几万个工单上。这个分工逻辑,正在成为2026年Agent架构的主流。
性能账本:三分之一的钱,追平Haiku
数字是这次发布的核心。Artificial Analysis的Intelligence Index上,Muse Ember拿到36分,与最高推理档位的Claude Haiku 5.5持平,超过最高档GPT-6 Luna的28分。
成本端差距更大。单个任务的处理成本,Muse Ember约0.14美元,Claude Haiku 5.5约0.41美元,前者只有三分之一。Meta首席AI官Alexandr Wang给出更狠的对比:相比自家Muse Spark 1.3(智能指数37分、单任务约2.39美元),Ember用1/17的成本换来了几乎相同的能力。
分项基准上,衡量业务流程自动化的AutomationBench-AA,Ember完成率37.8%,Haiku 5.5只有13.9%,GPT-6 Luna为20.2%。Terminal-Bench 4.0编程测试,Ember得分40.9%,略高于Haiku 5.5的39.2%。
Ember也有短板。贴近真实开发的FrontierCode 2.0-AA,Ember拿27.2%,Haiku 5.5拿到34.9%。涉及真实代码仓库合并这类重活,轻模型还是会掉链子。
定价与规格
API定价:每百万输入Token 0.10美元,输出0.50美元,缓存输入0.004美元。输入超过20万Token的部分涨到0.30美元/0.50美元档。10美分/百万Token的输入价,已经与开源阵营的DeepSeek V4.1 Flash、GLM 5.3 Flash正面交锋。
规格方面,Ember支持100万Token上下文窗口,最大输出51.2万Token,是同类竞品的4倍。原生多模态:文本、图像、音频、视频直接进,读截图、图表、扫描件、会议录音都不用外挂模型,甚至能靠截图直接操作桌面应用。一个限制要留意:目前只通过Meta Model API和Muse Code提供,不支持本地部署。
早期用户的实测结果
云存储公司Box用Ember分析一份1260万美元私募基金的13份文档,结果抓出了248万美元的资金错配和一笔25万美元的漏记信用额度,并重新核算了每位投资者的义务。Cloudflare、Oracle、Cline、You.com也参与了早期评估。
分发渠道同样值得注意:Meta把Ember、Spark、Wonder三款模型放上了Google Cloud,皮查伊亲自发帖欢迎;Oracle Cloud也在计划之列。
智能体的钱开始按任务算
Muse Ember的发布把一个趋势摆上台面:Agent的成本核算单位正从”每百万Token”转向”每任务”。Meta的设计意图明确——不同难度的活派不同档位的模型,别让旗舰模型跑杂活。
对开发者来说,选型逻辑跟着变。高频小任务交给Ember这类轻模型,规划与疑难杂症留给Wonder这类旗舰,整体账单可以压下一个数量级。上一代Spark 1.3单任务2.39美元,Ember做到0.14美元,中间的差距就是架构分层的价值。
接下来要看的,是Anthropic和OpenAI怎么接招。Haiku和Luna的单任务成本被直接对标,轻模型价格战的下一轮恐怕不会等太久。
苏公网安备32010502011527号
发表回复