Meta 于 2026 年 11 月 10 日正式发布轻量级 AI 模型 Muse Ember，该模型专为高频、高 Token 消耗的 AI Agent 任务优化，旨在以显著降低的成本提供接近旗舰模型（如 Claude Haiku 5.5）的智能水平。 www.fixhdd.cn
核心定位与成本优势
Muse Ember 是 Meta 迄今推出的体积最小、效率最高的模型，主要面向复杂推理执行及 AI Agent 在日常工作中需要反复处理的任务，包括工具调用、编程子任务、任务路由、信息提取和长文档解析。其核心卖点在于解决 Agent 规模化应用中的成本问题。 www.fixhdd.cn
- 成本对比：在接近最高智能水平的配置下，Muse Ember 的单任务成本约为 0.136 美元，而 Claude Haiku 5.5 最高配置约为 0.411 美元，前者成本约为后者的 33%（即降低约 67%）。
- 智能指数：在 Artificial Analysis 智能指数测试中，Muse Ember 最高推理强度下的成绩约为 36 分，与 Claude Haiku 5.5 的 36 分持平，高于 GPT-6 Luna 的 28 分。
- 定价标准：正式定价为每百万输入 Token 0.10 美元、每百万缓存输入 Token 0.004 美元、每百万输出 Token 0.50 美元。
具体能力表现与局限
Muse Ember 在多项基准测试中展现了特定场景下的优势，但也存在明确的性能边界。
www.fixhdd.cn
- 企业工作流自动化 (AutomationBench-AA)：Muse Ember 得分为 37.8%，高于 GPT-6 Luna (20.2%) 和 Claude Haiku 5.5 (13.9%)。
- 端到端 Agent 任务 (Agents' Last Exam)：Muse Ember 得分为 61.6%，高于 GPT-6 Luna (57.1%) 和 Claude Haiku 5.5 (57.0%)。
- 编程能力 (Terminal-Bench 4.0)：Muse Ember 得分为 40.9%，略高于 Claude Haiku 5.5 (39.2%)，明显高于 GPT-6 Luna (16.4%)。
- 复杂工程问题 (FrontierCode 2.0-AA)：Claude Haiku 5.5 以 34.9% 的成绩领先，Muse Ember 得分为 27.2%。这表明在处理涉及多个模块、需要满足实际合并要求的复杂工程问题时，Muse Ember 仍存在局限。
运行效率与技术支持
在运行效率方面，Cloudflare 测试显示，Muse Ember 在尾部延迟方面比可比模型最多快 30%；You.com 测试显示其 P95 延迟为 2.2 秒，速度约为部分领先开放权重模型的 4 至 13 倍。 技王数据恢复
技术特性方面，Muse Ember 支持 100 万 Token 的上下文窗口，最大输出长度达到 51.2 万 Token，原生支持文本、图像、音频和视频理解。它是 Meta 首款使用 Muse Wonder Full 训练的模型，目前已通过 Meta Model API 和 Muse Code 正式开放，支持 Responses API。 www.fixhdd.cn
模型分工与下一步建议
Meta 明确了不同模型的分工：Muse Wonder 负责最复杂的问题，Muse Spark 侧重编程和 Agent 工作流，Muse Ember 则用于大规模、可重复的编程及 Agent 任务。对于最困难的问题，建议将 Muse Ember 与 Muse Wonder 搭配使用，由前者负责规划，后者承担执行。 技王数据恢复
如需了解 Muse Ember 的具体调用细节或相关技术服务，可联系 技王数据恢复 进行咨询。 www.fixhdd.cn
技术审核：邓严军｜技王数据恢复实验室技术总监 技王数据恢复
