跳到正文

Meta 发布 Muse Ember:Haiku 的水平,三分之一的价钱,专干 Agent 的重复活

Meta 发布 Muse 家族最小模型 Muse Ember:Artificial Analysis 综合指数 36 分追平 Claude Haiku 5.5,每任务成本约 0.14 美元,只有 Haiku 的三分之一。1M 上下文、多模态输入,专为 Agent 的工具调用、编码子任务、路由与长文档解析而生。

小杜

约 6 分钟读完

Meta 发布 Muse Ember:Haiku 的水平,三分之一的价钱,专干 Agent 的重复活

美国时间 11 月 9 日,Meta Superintelligence Lab 发布了 Muse 家族的最新成员 Muse Ember,定位是家族里最小、最便宜的模型。它的活也很专一:Agent 每天要重复成百上千次的那些步骤——调工具、跑编码子任务、做路由、抽信息、啃长文档。东京时间 11 月 10 日凌晨 3 点,TechCrunch 跟进了这条发布;同一天,Meta 的官方博客也放出了完整介绍和跑分表。

为什么值得单独写一条:Agent 的账单大头,往往不在最难的那一步,而在成百上千次重复的中间步骤。Ember 的卖点就是把这部分成本打下来,同时尽量不掉能力。第三方评测机构 Artificial Analysis 的综合指数上,它在最高推理强度下拿到 36 分,追平 Anthropic 的 Claude Haiku 5.5,而每任务成本约 0.14 美元,只有 Haiku 的三分之一左右。

每任务 0.14 美元:便宜在哪

先把价格说清楚。Ember 的标价是输入每百万 token 0.10 美元、缓存输入 0.004 美元、输出 0.50 美元。注意,这个标价本身和 Claude Haiku 5.5、OpenAI 的 GPT-6 Luna 一模一样——便宜不是标价低,而是花得少。

Artificial Analysis 的测算是:Ember 每个基准任务约 0.14 美元,Haiku 5.5 约 0.41 美元,Luna 约 0.15 美元,但 Luna 的综合分只有 27.8。便宜主要来自两处:一是缓存输入比对手便宜约 60%,二是 Ember 每任务输出的 token 数大约只有 Haiku 的三分之一。换句话说,它不是靠降价取胜,而是靠“少说话、善用缓存”把单子做便宜。

但账不能只算一半。据 VentureBeat 援引 Meta 的 API 定价页,输入超过 20 万 token 之后,费率会涨到输入 0.30 美元、缓存 0.012 美元、输出 1.50 美元。Ember 主打的就是 1M 上下文、整库塞进去的用法,超过 20 万 token 的长上下文调用要先算一笔账,别被低价错觉带偏。

和自家大哥比更能看出定位:Muse Spark 1.3 的综合指数是 37 分,只比 Ember 高 1 分,每任务成本却是 2.39 美元,是 Ember 的 17 倍。标价上 Spark 是输入 1.25 美元、输出 4.25 美元,Ember 只有它的零头。

跑分:Agent 的活很强,知识问答是短板

Meta 官方发布的 Artificial Analysis 评测图:智能指数与每任务成本

上图是 Meta 官方发布里的核心图表:横轴是每任务成本,纵轴是 Artificial Analysis 综合指数。Ember 处在整张榜单的效率前沿——没有哪个模型能在更低的成本下拿到更高的分数。

Muse Ember 官方跑分:四项关键基准对比

再看 Meta 官方表里的分项。Ember 最亮眼的是 Agent 业务流程:AutomationBench-AA 上 37.8%,Haiku 只有 13.9%,Luna 20.2%,差距拉得最大。终端编程 Terminal-Bench 4.0 是 40.9%,略高于 Haiku 的 39.2%,大幅领先 Luna 的 16.4%。真实 Agent 编码的 Coding Agent Index 是 46 分,对 Haiku 的 37 分和 Luna 的 31 分。电脑操作 OSWorld 2.1 部分得分 69.5%,Haiku 68.9%、Luna 50.5%。长文档专业任务 GDP.pdf-AA 是 22.8%,和 Luna 持平,略高于 Haiku 的 20.8%。

短板也要说在前面。真实工程任务按“能不能合进主分支”评判的 FrontierCode 2.0,Ember 只有 27.2%,Haiku 是 34.9%,硬核编码还是 Haiku 更强。知识类基准 AA-Omniscience 上 Ember 只有 21.1%,而且 64% 的问题它会直接拒绝回答——它不是用来当百科全书的,事实性问答别指望它。

提醒一句:以上多为厂商自测或厂商选定的口径。Artificial Analysis 的综合指数是独立评测,但每任务成本是按官方标价估算的,真实账单会随工作负载变化;跑分可以用来判断方向,不能直接当成你自己工作负载上的承诺。

怎么用:一个模型 ID,三处入口

Ember 今天就能用,模型 ID 是 muse-ember-1.0,入口在 Muse Code 和 Meta Model API,支持 Responses API;同时上架了 Google Cloud 和 Oracle Cloud。上下文窗口 1M token(1,048,576),最多输出 512K token(524,288),整个代码库或一摞文档可以一次塞进去。推理强度可以从 minimal 调到 max,默认是 max。

多模态是它另一个卖点:文本、图像、音频、视频、PDF 都能直接吃。Meta 的说法是,Agent 可以直接读截图、图表、扫描件,或者根据语音备忘录、会议录音和视频干活,不用再为不同输入另接一个模型。对做文档解析和客服类 Agent 的人来说,这一点很实用。

家族分工:Wonder 动脑,Ember 动手

Ember 还有一层身份:它是第一个用 Muse Wonder Full 训练出来的模型。Meta 的原话是“Muse Wonder plans, Muse Ember handles the volume”——Wonder 负责规划,Ember 负责扛量。Muse 家族的拼图至此完整:Wonder(10 月发布,前沿旗舰)、Spark(4 月,中量级编码与 Agent)、Glimmer(8 月,Spark 的开源孪生)、Ember(11 月 9 日,最小最便宜)。

早期试用的合作方有 Box、Cline、Oracle、Cloudflare 和 You.com。Cloudflare 称 Ember 的尾部延迟比对照模型低最多 30%,You.com 称 95% 分位响应 2.2 秒。注意,这些都是合作方自己的说法,未经独立复现,看看就好。

安全方面,Meta 称 Ember 在发布前按 Meta Superintelligence Scaling Framework 做了评估,生化、网络安全、失控风险都在高风险阈值以下;虽然是个小模型,但接受了同样的核心安全训练。还专门测了它作为 Agent 替用户办事时的行为:是否尊重用户意图、是否恰当处理敏感信息、能否抵御藏在网页、文档或工具输出里的指令注入、高影响操作前是否先问人。

限制也要记下来:Ember 不开源权重,参数量没有公布;也没有免费的消费级聊天入口,是个纯开发者模型。想试用,得走 API 或 Muse Code。

小杜点评

Ember 这次发布,最值得算法工程师琢磨的不是“又一个便宜模型”,而是它把 Agent 架构里的分工又推明了一步:规划用大模型,执行用小模型,中间用缓存和短输出把成本压下来。0.14 美元对 0.41 美元这个数字本身没那么重要,重要的是它成立的条件——缓存命中率高、输出短、任务可拆成重复步骤。你的 Agent 如果是“一次长思考、一次长输出”的形态,Ember 的优势会大打折扣;如果是“几百次小步调用、上下文高度复用”,它就是为你准备的。

另外两个提醒:第一,20 万 token 以上的费率翻三倍,长上下文整库调用前先测一下真实账单;第二,知识短板是真实存在的,Ember 拒绝回答的比例很高,需要事实性判断的步骤别交给它。先拿一个非关键的 Agent 环节做 A/B,测自己的任务成本和成功率,再决定要不要把它设为默认执行模型。

参考来源

  • Meta 官方:Introducing Our Smallest, Most Efficient Model: Muse Ember(2026-11-09)— https://research.meta.ai/blog/muse-ember
  • TechCrunch:Meta releases Muse Ember, a new lightweight model for agent execution(2026-11-09)— https://techcrunch.com/2026/11/09/meta-releases-muse-ember-a-new-lightweight-model-for-agent-execution/
  • VentureBeat:Meta's proprietary Muse Ember nearly matches Claude Haiku 5.5 at 1/3 the estimated per-task cost(2026-11-09)— https://venturebeat.com/technology/metas-proprietary-muse-ember-nearly-matches-claude-haiku-5-5-at-1-3-the-estimated-per-task-cost
  • SiliconANGLE:Meta introduces Muse Ember to power cost-efficient AI agents(2026-11-09)— https://siliconangle.com/2026/11/09/meta-introduces-muse-ember-to-power-cost-efficient-ai-agents/

评论

正在确认登录状态…