跳到正文

Meta 三款 Muse 模型上架 Google Cloud:对手的云,也能跑 Meta 的模型

Meta 的三款 Muse 模型正式上架 Google Cloud Model Garden,托管 API 即刻可用。这是 Ember 发布后的跟进:模型没变,变的是调用它的合同和入口;Preview 阶段仅限全球端点、无 SLA,预算暂按 Meta 价目表算。

小杜

约 8 分钟读完更新于

Meta 三款 Muse 模型上架 Google Cloud:对手的云,也能跑 Meta 的模型

当地时间 11 月 9 日晚(东京时间 11 月 10 日上午),Meta CEO 扎克伯格在 X 上发了一句话:"Muse Ember, Muse Spark 1.3, and Muse Wonder are now available on Google Cloud."(Muse Ember、Muse Spark 1.3 和 Muse Wonder 现已登陆 Google Cloud。)Google CEO 皮查伊很快回了一句:"Congrats and welcome to the model garden, excited to serve our Google Cloud customers!"(欢迎加入 Model Garden,很高兴为 Google Cloud 的客户服务!)

一句话的新闻,意思却不小:Meta 的三款主力模型,正式上架了最大竞争对手的云,通过 Google Cloud Model Garden 的托管 API 对外提供。这是本站 11 月 10 日那篇 Muse Ember 发布文章的跟进——模型本身一点没变,变的是你能从哪儿调到它。对已经在 Google Cloud 上跑业务的团队来说,这次上架省掉的不是一次 API 调用,而是一整套供应商接入流程。

三款模型,各干什么的

先把三款模型捋清楚,它们不是一个模型的高中低三档,而是三个分工不同的角色,价格能差 40 倍:

Muse Wonder 是旗舰,10 月 12 日发布,定位是复杂软件工程和长程 Agent 任务。上下文 1,048,576 个 token,输入支持文本、图片、音频和视频,输出文本,推理力度可以从最低调到最高,默认最高。

Muse Spark 1.3 是编程主力,9 月 2 日发布,针对 Agent 工作流和竞赛级编码调优,内置工具调用和 MCP(Model Context Protocol)支持,上下文约 100 万 token。

Muse Ember 是 11 月 9 日刚发布的新人,也是三款里唯一一款全新的模型,定位是高频、重复的 Agent 执行任务:调工具、写代码子任务、做路由、抽信息、解析长文档。上下文约 100 万 token,单次输出上限 512K token。Meta 说它是第一款用 Muse Wonder Full(只在最贵的两个 Muse Code 订阅档里提供的更高能力版本)训练出来的模型,换句话说,这是个蒸馏故事套着定价故事:旗舰负责教,小模型负责干活。

三者的价目表(Meta 官方标准模式,单位美元 / 每百万 token)长这样:

三款模型分工对比

Ember 的跑分值得单独提一句,因为它直接关系到"便宜是不是真便宜"。按 Meta 公布的数字,Ember 在 Artificial Analysis 智能指数上拿到 36 分,对手 Claude Haiku 5.5 是 37 分,差距只有 1 分,但每项任务的成本是 0.14 美元对 2.39 美元。Agent 和编码评测上,AutomationBench-AA 37.8%、Agents' Last Exam(Linux)61.6%、Terminal-Bench 4.0 40.9%、Coding Agent Index-AA 46、OSWorld 2.1 69.5%,只有 FrontierCode 2.0-AA 一项 Haiku 5.5 领先(34.9% 对 27.2%)。但这些数字全部是 Meta 自报的,里面混着内部评测、供应商提供的第三方跑分和估算,而且对比默认大家都按官方价目表计费——看个方向可以,别当成实测结论。

怎么调:端点和 Preview 的边界

上架不等于随便调。Google Cloud 的合作伙伴模型文档把调用方式写得很具体,具体到值得逐条记下来:

端点是全局的,只有一个。 请求发到 POST https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/meta/v1/responses,用 Google Cloud 的 access token 鉴权(gcloud auth application-default print-access-token),模型字段里直接写裸模型 ID,比如 muse-wonder-1.0、muse-spark-1.3、muse-ember-1.0,不需要加 publisher 前缀。

接口是无状态的 Responses API,和 OpenAI 的 Responses API 兼容。文档明确说了不支持有状态的响应存储(store: true 不可用),想流式输出可以用 SSE。也就是说,多轮对话的状态得你自己在应用层维护,之前依赖服务端帮你存上下文的写法要改。

区域只有一个 global。 这是整个 Preview 里最值得多看两眼的限制:如果你的架构对数据驻留有要求(比如必须落在欧盟或美国境内),一个全球端点在合规上是个需要先回答的问题,而不是上线后再补的细节。

状态是 Preview。 Google 的合作伙伴模型列表里三款都标着 Preview,没有 SLA,没有容量保证,也没有公布下线时间表。Preview 阶段的端点偶尔出状况,是预期内的事。

责任归属写得很直白。 Google 明确说明 Meta 的模型不是 Google 的产品,属于"Separate Offering"(独立提供项),适用 Meta 自己的条款。模型输出有问题,支持路径走 Meta,不是 Google Cloud 支持。

想用要先拿 Preview 权限。 Google 文档的说法是联系你的 Google Cloud 客户经理,或者去 dev.meta.ai/contact-sales 申请。不是开个账号就能直接调。

账单:先按 Meta 的价目表算

Google 的合作伙伴模型页面没有公布这三款模型的单独价目表,截至发稿也没有出现 Google 一侧的定价。预算先按 Meta 的价目表算,等 Google 出自己的价目表再说——如果 Google 定价高于 Meta 的标价,这次上架的采购优势会被吃掉一块;如果按 Meta 的标价走,"一个合同"的说法就更有分量。

三款的标准模式价格(美元 / 每百万 token):

模型 输入 输出 缓存输入
Muse Wonder $4.00 $20.00 $0.20
Muse Spark 1.3 $1.25 $4.25 $0.15
Muse Ember $0.10 $0.50 $0.004

Ember 有个计费细节值得单独拎出来:输入超过 200,000 token 之后,长上下文费率(输入 $0.30、输出 $1.50)是对整个请求重定价,而不是只对超出的部分收高价。一个 Agent 如果每轮都带着 21 万 token 的对话历史跑,付的是每轮三倍的价,而不是最后一轮的三倍。Ember 的便宜是有适用范围的:短上下文、高频、重复任务是它的主场;长上下文多轮对话反而可能把它用贵。

另外两条和账单有关的数字:联网搜索 grounding 在三个文本模型上都是每 1,000 次查询 $2.50;限速按团队而不是按 key 计,标准层是每分钟 3,000 次请求、400 万 token。

对谁是利好,对谁没变

这次上架的利好分得很清楚。如果你家已经在 Google Cloud 上,身份、账单、配额管理和网络出口都落在你已有的合同里,团队评估 Muse Wonder 不用再走一轮新的供应商安全评审——那通常是两个月的事,不是两天的事。这才是这条新闻真正的含金量:它省的是采购流程,不是 API 调用。

如果你不在 Google Cloud 上,或者现在就要区域端点,那你的处境 11 月 9 日之后没有任何变化。Meta 自己的 Model API 仍然提供这三款模型,价格一样,还保留了 Google Preview 拿掉的状态化等便利。选哪边先是合同问题,其次才是延迟问题。

还有一点容易被忽略:Google Cloud 不是唯一新增的分发渠道,同一批模型也出现在了 Oracle Cloud 上。Meta 在 10 月证明了自己能做出前沿模型,11 月在证明自己能把它分发出去——后一半工作没那么光鲜,但恰恰是决定一个模型会不会被那些"从不读发布文章"的团队用上的部分。

接下来看什么

三个信号能说明这次 Preview 会不会变成基础设施。第一是区域端点:全球端点做原型够用,做受监管的工作负载会很别扭,Google 的文档只有在有服务容量的时候才会加上区域。第二是 Google 自己公布的价目表:按 Meta 的标价走还是加价走,直接决定"一个合同"的吸引力。第三是正式发布(GA)以及随之而来的 SLA 和下线政策——Preview 状态下的模型,终究是没法写进合同里的。

一句话总结:模型没变,价格没变,变的是调用它的合同和 URL。对已经在 Google Cloud 上的团队,这是个可以立刻动手评估的选项;对其他人,这条新闻的意义更多是看个方向——Meta 的分发棋局才刚开始走。

小杜点评

从算法工程师的视角看,这条新闻最值得琢磨的不是"Meta 的模型上了 Google 的云"这个标题,而是它暴露的选型顺序:先看分发和合同,再看跑分。一个模型再强,如果接不进你现有的云合同、合规和账单体系,它对你就是不存在的;反过来,一个能直接在你已有合同里调用的模型,评估成本几乎为零,先跑起来再说。

具体到这三款,选型建议很直接:Wonder 留给真正需要长程推理的重活,Spark 1.3 是日常 Agent 编码的主力,Ember 适合短上下文、高频、重复的子任务——但千万别拿它去跑带着 20 万 token 历史记录的多轮 Agent,那个"整单重定价"的坑会让它从最便宜变成最贵。以及,Preview 阶段只适合评估和原型,别把核心链路押在一个没有 SLA、没有区域端点的服务上。

更长远一点看,Meta 把自家旗舰模型交给最大竞争对手的云来卖,说明这轮竞争的战场已经从"谁的模型更强"转到了"谁的模型更容易被用上"。模型能力还在卷,但分发、合同和接入成本,正在变成决定模型会不会被真正用起来的另一半工作。

参考来源

  • Google Cloud 文档:Muse models from Meta(Gemini Enterprise Agent Platform 合作伙伴模型)— https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/partner-models/meta
  • OrcaRouter:Meta's Muse Wonder, Spark 1.3 and Ember reach Google Cloud — https://www.orcarouter.ai/blog/muse-wonder-google-cloud-preview
  • NDTV:Sundar Pichai Welcomes Mark Zuckerberg's AI Models to Google Cloud — https://www.ndtv.com/feature/sundar-pichai-welcomes-mark-zuckerbergs-ai-models-to-google-cloud-excited-to-serve-12311018
  • The Economic Times:Mark Zuckerberg reveals Meta's Muse AI models are now available on Google Cloud — http://economictimes.indiatimes.com/news/new-updates/mark-zuckerberg-reveals-metas-muse-ai-models-are-now-available-on-google-cloud-heres-what-sundar-pichai-said/articleshow/135713100.cms
  • Fortune India:Meta takes its AI models to Google Cloud, adds three models to Model Garden — https://www.fortuneindia.com/amp/story/technology/meta-takes-its-ai-models-to-google-cloud-adds-three-models-to-model-garden/169681
  • Fathom News:Meta Teams Up With Rival Google To Put Its 3 Muse AI Models In The Cloud — https://www.fathom.news/meta-muse-google-cloud/
  • 本站相关文章:Meta 发布 Muse Ember:Haiku 的水平,三分之一的价钱,专干 Agent 的重复活 — https://xiaodu.blog/articles/428

评论

正在确认登录状态…