快速了解本文
Muse Ember 智能水平相当 Claude Haiku 5.5，单任务成本仅为其三分之一。
模型支持百万级上下文与多模态输入，自动化工作流测试表现显著领先。
Muse Ember 擅长日常编码与工具调用，复杂代码生成能力相对较弱。
本摘要由 AI 辅助整理，请以正文内容为准。
Meta 发布了其迄今最小的模型 Muse Ember，专为 AI 智能体（Agent）的重复性编码、工具调用和信息提取等日常任务设计。该模型的核心卖点在于极致的性价比：在保持与 Claude Haiku 5.5 相当综合智能水平的同时，其单任务估算成本仅为后者的三分之一，为开发者构建低成本、高并发的自动化工作流提供了新选择。
01算一笔经济账：小模型如何打赢成本战
根据 Artificial Analysis 的数据，Muse Ember 在衡量综合智能的 Intelligence Index 中获得 36 分，与 Claude Haiku 5.5 相当，但单任务估算成本约为 0.14 美元，而 Haiku 5.5 约为 0.41 美元。与 Meta 自家面向复杂编码和 Agent 工作流的较大模型 Muse Spark 1.3（得分 37，单任务成本 2.39 美元）相比，Muse Ember 在维持相近智能水平的同时大幅压降了成本。
在具体 API 定价上，Muse Ember 的输入价格为 0.10 美元/百万 token，输出为 0.50 美元/百万 token，缓存输入更是低至 0.004 美元/百万 token。这种定价策略将核心竞争力放在了“智能密度”的极致优化上，通过牺牲部分极限推理能力，换取了 Agent 日常任务中近 3 倍的成本优势。不过需要注意的是，这一成本优势基于估算，实际账单会因具体的调用模式和缓存命中率而有所不同。
02为 Agent 工作流定制的“大胃口”与多模态
为了处理智能体在扩展工作流中执行的大量操作，Muse Ember 支持高达 100 万 token 的上下文窗口，并允许最高 51.2 万 token 的输出。结合其支持文本、图像、音频和视频输入的多模态能力，该模型能够在单次调用中解析大型代码库、长文档以及截图、图表等非文本业务数据，无需频繁进行上下文截断或分块处理。
在端到端业务工作流评估中，这种长上下文与多模态的组合转化为了实际性能。在 AutomationBench-AA 测试中，Muse Ember 得分 37.8%，显著高于 GPT-6 Luna（20.2%）和 Claude Haiku 5.5（13.9%）。在评估智能体能力的 Agents’ Last Exam 测试中，其得分达到 61.6%，同样领先于 Luna（57.1%）和 Haiku 5.5（57%）。当然，长上下文处理在实际应用中仍受限于 API 的延迟和并发限制。
03能力边界与适用场景
Muse Ember 的能力边界在编码测试中体现得尤为明显。在偏向日常编码和工具调用的 Terminal-Bench 4.0 中，它取得了 40.9% 的成绩，略高于 Haiku 的 39.2%；但在偏向复杂前沿代码生成的 FrontierCode 2.0-AA 中，其得分为 27.2%，低于 Haiku 的 34.9%。这表明该模型擅长处理日常 Agent 编码任务，而在极限复杂代码生成上做出了取舍。
在多模态和交互场景下，Muse Ember 在计算机使用能力测试 OSWorld 2.1 中获得 69.5% 的部分信用评分，在视觉理解测试 PerceptionBench 中获得 80.6%。
作为 Meta 首个使用 Muse Wonder Full 技术训练的模型，Muse Ember 现已通过 Muse Code 和 Meta Model API（模型名 muse-ember-1.0）开放使用。Meta 表示，该模型已通过涵盖化学、生物风险、网络安全及失控场景的安全评估，结果均低于其框架的高风险阈值。