Meta发布轻量级专有模型Muse Ember：成本降至Claude Haiku三分之一，专注智能体高频任务

Meta发布了Muse Ember 于周一发布，为开发者提供了一款成本更低的模型，以降低AI智能体在大规模运行时的高昂开销。

例如，单个客服工单可能需让智能体执行一系列查找、文档读取和工具调用操作，方能生成答案。Ember专为处理此类步骤而构建，同时也适用于运行测试及进行小型代码修复等任务。

在独立评估机构 Artificial Analysis的首发评估中，Ember在最高推理努力度（maximum reasoning effort）下的 Intelligence Index 得分为36，四舍五入后与Anthropic的Claude Haiku 5.5得分相同。Ember每项基准任务成本约为14美分，而Haiku为41美分。

Meta提供的 底层图表 显示，两者的未四舍五入分数分别为35.8和36.2。OpenAI的GPT-6 Luna在其最高设置下得分为27.8，每项任务成本约为15美分；但在较低设置下，其得分降至21.4，每项任务成本可低至约7美分。

Meta首席执行官马克·扎克伯格在X平台的一则 帖子中 将Ember描述为‘我们最小的模型，但单位美元所能提供的智能水平高于同类其他模型’。

‘[Muse W]onder负责规划，Ember负责应对海量任务’，Meta首席AI官亚历山大·王（Alexandr Wang）在其X平台的 首发帖文中写道。

百万级上下文窗口及20万输入令牌价格跃升

Meta Model API 通过其Responses、Chat Completions和Messages端点 提供该专有模型。 muse-ember-1.0 它支持文本、图像、音频、视频和PDF格式输入，并返回文本输出。Meta列出的上下文窗口为1,048,576个令牌，最大输出为524,288个令牌。推理努力度分为最低至最高档，其中最高档为默认设置。Ember亦可在Muse Code中使用。Meta另列出Oracle Cloud作为另一接入途径；而

Google Cloud的预览版 文档则说明其支持文本和图像输入。 对于最多达200,000个输入令牌的情况，

Meta对Muse Ember收取的费用为：每百万个未缓存输入令牌0.10美元、每百万个已缓存输入令牌0.004美元，以及每百万个输出令牌0.50美元。 当输入令牌数超过200,000时，对应费率分别升至0.30美元、0.012美元和1.50美元，与前述费率结构一致。 所列API定价使Muse Ember成为全球范围内最廉价的基础类或近基础类模型之一，其未缓存、低于200K令牌的输入价格与Anthropic的Claude Haiku 5.5及OpenAI的GPT-6 Luna持平。

模型

输入（美元/百万）

较高费率适用于整个请求，包括其输出。已缓存的输入及通过 previous_response_id 计入截止阈值。对于一个包含200,000个未缓存输入token和10,000个计费输出token的请求，模型费用为2.5美分；再增加一个输入token将使同一请求的费用升至约7.5美分。

Anthropic 的标准 API 定价 Haiku 的起始价格为每输入 token 0.10 美元、每输出 token 0.50 美元，此后当输入 token 超过 100,000 时，价格升至每输入 token 0.50 美元、每输出 token 2.50 美元。

其缓存读取起价为每百万次 0.01 美元。 OpenAI 的标准定价 为 Luna 列出相同的起始输入与输出费率，缓存输入费率为每 token 0.01 美元；其长上下文费率为每输入 token 0.20 美元、每缓存输入 token 0.02 美元、每输出 token 0.75 美元。

因此，对于提示词规模大且响应长度长的工作负载，即使 Ember 在基准测试套件中成本更低，OpenAI 的 GPT-6 Luna 在 token 费率上仍可能更具优势。

Artificial Analysis 归因 Ember 在基准测试成本上的部分优势源于更便宜的缓存读取，并报告称 Ember 在最大努力下所用的输出 token 数量约为 Haiku 的三分之一。

该区别在估算生产环境账单时至关重要。同一标价在智能体开始推理、检索记录并将结果从一个步骤传递至下一个步骤后，可能产生截然不同的实际成本。

Ember 最明显的优势在于业务工作流

在 Meta 的发布结果中，Ember 在首次尝试中完整完成了 37.8% 的 AutomationBench-AA 任务，而 Luna 为 20.2%，Haiku 为 13.9%。该测试让智能体在模拟的企业应用环境中执行任务。

Artificial Analysis 的核心衡量指标（该指标对在不违反基准测试规则前提下完成的各个目标单独计分） 将 Ember 的得分定为 68.1%。这两个数字回答的是不同问题：对于仅当所有步骤均完成才算成功的流程，第一个数字才是相关指标。

编程相关结果则更为参差。在 Artificial Analysis 的编程智能体指数（Coding Agent Index）中，Ember 在 Muse Code 中得分为 46，高于 Haiku 在 Claude Code 中的 37 分以及 Luna 在 Codex 中的 31 分。

但在 FrontierCode 2.0（该测试评估代码变更是否已达到可合并状态）中，Haiku 以 34.9% 领先于 Ember 的 27.2%。而在 Meta 的桌面应用评估 OSWorld 2.1 中，Ember 的部分得分（partial-credit score）为 69.5%，但若按全有或全无（all-or-nothing）方式评分，则降至 33.8%。

综合来看，这些结果更有力地支持将一项边界明确、检查标准清晰的任务交予 Ember 执行，而非将其完全独立地委派整张工程工单或整个桌面工作流。

开源权重替代方案的对比情况

Ember 最接近的竞品需按工作负载与价格分别比较。Meta 已 将 Ember 的权重和参数数量列为机密，因此无法直接将其模型尺寸与提供可下载权重的模型进行匹配。下方分数采用 Artificial Analysis 当前的 v5 方法论。该公司 于 10 月修订了该指数，因此早期发布报道中部分分数更高，属于此前版本。

DeepSeek-V4.1-Flash-1017 是低成本托管智能体工作的近似替代方案，同时支持用户自行运行 MIT 许可协议授权的权重 。 DeepSeek 的 API 提供百万 token 上下文窗口及图像输入功能，非高峰时段收费为每百万 token 输入 0.15 美元、输出 0.60 美元，高峰时段则为每百万 token 输入 0.30 美元、输出 1.20 美元；缓存命中费用为每百万次 0.003 美元或 0.006 美元。

在 Artificial Analysis 关于 Ember 发布的对比中，DeepSeek Flash 得分为 33 ，单个基准测试任务成本约为 0.60 美元，而 Ember 的得分为 36 ，单个基准测试任务成本为 0.14 美元。DeepSeek 更低廉的非高峰时段缓存读取费用，以及在极长提示词下的更低输出费率，对于需反复发送相同大规模上下文的流水线而言，仍可能具有实际意义。

Muse Spark Open 是 Meta 提供的、让用户在自控基础设施上运行百万 token 多模态 Muse 模型的自有路径。 Meta 的文档 列出了8160亿个总参数和每个token激活的420亿个参数。权重采用定制的Muse模型许可证（Muse Model License）以及可接受使用政策（acceptable use policy）。

一个4比特检查点在服务开销之前仍重约537 GB。 Together AI 对每百万token收取1.25美元输入费和4.25美元输出费。 Artificial Analysis 列出当前得分为 25 ，在xhigh推理任务上， 每个基准测试任务收费2.02美元。

Spark Open的价值主张在于对模型运行位置的控制权以及对其加以适配的能力。对于希望在本地运行更小型Muse模型的团队而言， Meta的300亿参数Muse Glimmer模型 以Apache 2.0许可证提供。

小米（Xiaomi）的MiMo-V2.6-Pro 提供 MIT许可证授权的权重、百万token上下文窗口，以及原生文本、图像、音频和视频输入能力。

其参数总量约为一万亿，每个token激活约420亿个参数。 小米的API 列出每百万token输入费为0.435美元、输出费为0.87美元，缓存输入费为0.0036美元。Artificial Analysis目前为其评分为 30 ，每个任务收费 0.26美元。

小米的 MIT许可证授权的MiMo-V2.6-Flash 是更接近的价格对比对象。其评分为 27 ，每个基准测试任务成本约为 0.13美元，所列费率约为：输入0.14美元、输出0.28美元、缓存命中0.0028美元。

美团（Meituan）的LongCat-2.5 同样提供 MIT许可证授权的权重。该模型拥有1.6万亿参数，每个token激活约480亿个参数，专为长代码任务和视觉任务而设计。其 百万token API 最多支持256,000个输出token，而 美团的限时定价 为：未缓存输入0.30美元、缓存输入0.006美元、输出1.20美元（每百万token）。

美团报告称，在Terminal-Bench 4.0上使用Claude Code取得 38.5% 的成绩，而Meta报告称，使用mini-swe-agent时Ember取得 40.9% 的成绩。不同的测试设置使得这些数据仅能作为粗略参考点；在同一代码库上、使用相同工具进行直接对比，才能更明确地告诉团队应选用哪个模型。

Meta如何从Spark发展到Ember

Meta超级智能实验室（Meta Superintelligence Labs）于4月首次推出 Muse Spark。在多年分发Llama权重之后，Meta最初将Spark保持为专有模型，并将其集成至Meta AI及私有API预览版中。 Spark 1.1 于7月以公开预览形式开放了该API。

8月， Spark 1.2与Muse Code一同发布——后者是Meta推出的具备持久化后台任务能力的终端编码智能体。五天后， Muse Glimmer 将可下载权重重新纳入Meta的模型产品线。

9月初， Spark 1.3 提升了编码能力与多步骤工作流性能，其最佳发布得分来自一种最初受限的最大努力配置。

10月， Muse Wonder与Wonder Full 为高难度任务设立了更高层级：Wonder通过API及Muse Code发布，而Wonder Full在发布时仅面向Muse Code订阅用户开放。

数日后， Spark Open 将Meta的开源权重模型产品线扩展至一款更大的多模态模型。上周五，Meta 开始向其Muse个人智能体及Meta AI用户分批部署专用模型 ——这些模型使用Wonder系列进行训练。Meta表示，Ember是其首个使用Wonder Full训练出的模型。

Ember在生产工作流中的定位

即使工作流其余部分已在Spark上运行，Ember仍可接管其中单个步骤。在 Meta与Spark 1.3的对比中，Ember在最大努力配置下的得分为36分，Spark为37分；相应基准测试成本分别为每项任务约0.14美元和2.39美元。

一项实用的首批部署场景是团队已知如何评估的任务：编码智能体可向Ember提交一个失败的测试用例以供调查，随后将补丁送入持续集成流程，并在出现失败时将问题升级至更强大的模型。

支持智能体可利用Ember对工单进行分类并提取相关记录，同时将账户变更操作保留在审批步骤之后；文档处理流水线则可向其输入一批扫描页，并逐项核对每个提取字段与原始内容的一致性。

此类设计方案使团队能够衡量“每项被接受结果的成本”，该指标涵盖重试与升级操作，并同步考量延迟以及上下文推动请求进入更高价格层级的频率。

对于正在评估敏感工作负载的团队， Meta表示标准模式API内容不会用于模型训练。Meta已为启用该设置的账户制定了 独立的零数据留存条款 。需要将推理任务保留在自有基础设施上的团队，必须权衡可下载模型所需的硬件与运维成本，与Ember托管服务费率之间的关系。

对于可采用托管服务的团队，最清晰的首批测试任务应是高频、定义明确、已有成功验证机制且调用量足够大——以便每次调用的微小成本节约能累积成显著收益。