Muse Ember发布 主攻智能体重复作业 每百万输入Token收费0.1美元
要点
当地时间 11 月 9 日，Meta 超级智能实验室发布 Muse Ember，官方定位是"迄今最小、效率最高"的模型，面向的是智能体每天反复执行的作业：工具调用、编码子任务、请求路由、信息抽取与长文档解析。定价是这次发布的核心信号——每百万输入 Token 0.10 美元、每…
当地时间 11 月 9 日，Meta 超级智能实验室发布 Muse Ember，官方定位是”迄今最小、效率最高”的模型，面向的是智能体每天反复执行的作业：工具调用、编码子任务、请求路由、信息抽取与长文档解析。定价是这次发布的核心信号——每百万输入 Token 0.10 美元、每百万输出 Token 0.50 美元，模型提供 100 万 Token 上下文窗口、最高可输出 51.2 万 Token，已在 Meta Model API、谷歌云与甲骨文云上线。
成本优势不是靠单一跑分赢来的。依据第三方评测机构 Artificial Analysis 的综合基准，Muse Ember 的最高推理档位得分与 Anthropic 的 Claude Haiku 5.5 持平，单次评测任务成本约为后者的三分之一，并在多项指标上超过 OpenAI 的 GPT-6 Luna。分项看差距更明显：在覆盖 Gmail、Salesforce 等云应用的 657 项端到端业务工作流测评 AutomationBench-AA 上，Muse Ember 得 37.8 分，Claude Haiku 5.5 为 13.9 分，GPT-6 Luna 为 20.2 分；而在端到端智能体任务测评上三者分别为 61.6、57.0 与 57.1，差距明显小于前者。
不过同一张官方表格里也藏着需要留意的短板。在以”代码修改能否被开源项目维护者合并”为标准的 FrontierCode 2.0-AA 测试中，Muse Ember 得分 27.2，低于 Claude Haiku 5.5 的 34.9，也只比 GPT-6 Luna 的 25.2 高出有限；在计算机跨桌面应用操作的 OSWorld 2.1 测试上，Muse Ember 的 69.5 分与 Haiku 5.5 的 68.9 分均标注为部分完成口径，与二元完成口径的 50.5 分不可直接比较。换句话说，”整体持平、成本三分之一”成立，但成立在任务结构清晰的批量作业一侧，落到以代码合并可行性为核心的场景，排序会翻转。
安全一侧由 Meta 自己的评估框架背书。Muse Ember 上线前通过 Meta SI 扩展框架完成测评，结果显示其风险等级低于该框架设定的高风险阈值。官方同时强调该模型原生支持文本、图像、音频、视频与 PDF 输入，智能体无需再外挂其他模型即可解析截图、图表、扫描件，处理语音备忘录、会议录音与视频素材，并可依据屏幕截图完成计算机操作。
架构上的定位更接近”执行层”而非”大脑层”。Meta 的表述是让重模型负责规划、轻模型负责吞吐，具体到产品形态即与自家 Muse Wonder 配合使用。值得注意的是，Muse Ember 是 Meta 首个使用 Muse Wonder 训练的模型，而公司未说明具体用在了训练流水线的哪一环节。一众早期试用方给出的说法集中在工程指标上：编码任务 p95 延迟 2.2 秒，比同类开源权重模型快 4 至 13 倍，输出 Token 少 36% 至 48%；另有评测方提到其在尾部延迟上快出 30%。这些指标指向同一个用途——把海量、重复、单步的任务交给它，把需要判断力的部分留给上层模型。
放在时间线上看，这一步的分量更清楚。同一天，Anthropic 发布了 Claude Fable 5.2 与 Claude Mythos 5.2，把复杂软件工程、科研推理与机器人控制推到更高一层，并把标准价格下调 20%。两家公司在同一天分别向上和向下走：一边继续抬高单模型的能力上限，一边把执行层的单位成本压到原来的三分之一。
这一分工背后是成本结构而非技术信仰。缓存输入被降到每百万 Token 0.004 美元，配合 100 万 Token 上下文与 51.2 万 Token 输出上限，一次调用装下整个代码库或一整套文档成为可能，智能体在单次会话内连续执行数百个编程子任务时，”每一步的上下文重述”这一过去最大的开销被显著摊薄。成本结构一旦改变，智能体框架的写法就会跟着变：与其让一个大模型反复权衡每一步，不如让大模型只做一次规划，把成千上万步执行交给便宜的模型——Meta 所说的”规划与吞吐分离”，本质上是一次成本再分配。真正的考验在于执行层在长链条任务中是否稳定：一旦中间某一步的产出偏离规划，省下来的钱很可能被返工吃掉。这也是 Artificial Analysis 那类评测更强调单任务成本而非单纯智能指数的原因。
