Meta 今日正式发布 Muse Ember，这是其旗下最小且最高效的模型，专为复杂推理及智能体全天候重复性工作而设计，涵盖工具调用、编码子任务、路由、信息提取及长文档解析等场景。
在性价比方面，Muse Ember 在任何推理设置下均优于 Claude Haiku 5.5 和 GPT-6 Luna。它以约三分之一的成本达到了 Haiku 的最佳得分，并击败了所有 Luna 配置。在 Artificial Analysis 排行榜上，该模型处于整体效率前沿，即在同等更低成本下获得更高分数。
核心能力与应用场景
智能体工作流：Muse Ember 针对智能体大量小型、结构化步骤进行了优化，可端到端执行业务流程，包括拉取记录、顺序调用工具及跨应用系统更新数据。凭借 100 万令牌的上下文窗口和高达 51.2 万令牌的输出能力，它能在单次调用中处理完整代码库或文档集。
编码辅助：该模型专为智能体会话中高频发送的编码子任务构建，如读取文件、运行测试及针对性修复。对于高难度问题，可与负责规划的 Muse Wonder 搭配使用，由 Muse Ember 处理海量执行任务。
原生多模态：Muse Ember 原生支持文本、图像、音频和视频理解。智能体可直接基于截图、图表、扫描文档、语音备忘录、会议录音及视频进行操作，无需依赖独立模型。它能处理真实长文档，直接从截图中操作计算机并捕捉精细视觉细节。
安全性与训练背景
基于 Meta 超级智能扩展框架，Muse Ember 在化学生物、网络安全及失控风险等领域接受了严格评估，结果始终低于高风险阈值。尽管体量较小，它仍接受了与大型模型相同的核心安全训练。评估还涵盖用户意图尊重、敏感信息处理、抗重定向指令攻击以及重大行动前寻求人类输入等代理行为表现。
Muse Ember 是首个利用 Muse Wonder Full 训练的模型，进一步完善了 Meta 的模型矩阵：Muse Wonder 解决最难问题，Muse Spark 专注于编码和智能体工作流，而 Muse Ember 则面向大规模可重复任务。其单项任务成本约为 0.14 美元，极具可扩展性。
可用性与定价
Muse Ember 现已通过 Muse Code 和 Meta Model API 上线，版本号为 muse-ember-1.0，支持 Responses API。定价如下：
- 输入令牌：每百万 0.10 美元
- 缓存输入令牌：每百万 0.004 美元
- 输出令牌：每百万 0.50 美元
早期测试显示，合作伙伴已将其应用于合同审查、代码编写等智能体重复任务。Meta 表示，实现个人超级智能不仅需要前沿能力，更需要可扩展的价格，未来将继续训练更高效的模型。