便宜得離譜！Meta甩出“最省錢模型”，1/3成本追平Claude Haiku 5.5

編譯 | 黃菲 編輯 | 江宇 11月10日消息，今日，Meta正式發佈最新模型Muse Ember，主打複雜推理和智能體任務。Meta稱，這是其迄今體量最小、效率最高的模型，能夠跨應用執行工作流、連續調用工具、運行測試並修復代碼。Muse Ember持100萬Token上下文窗口，具備對文本、圖像、音頻和視頻的原生理解能力，可處理大規模文檔和多模態輸入。

Meta創始人兼CEO馬克·扎克伯格（Mark Zuckerberg）也在社交平臺X上宣佈了這一消息，他談道：“Muse Ember是Meta目前最小的模型，在同類模型中能夠以更低的成本提供更強的算力，專為Agent全天反覆執行、消耗大量Token的工作打造。” 該模型也是首款使用Muse Wonder Full訓練的模型。Muse Wonder Full於今年10月12日發佈，時隔近一個月，Meta便基於這一模型開發出Muse Ember，進一步利用Wonder系列模型訓練專用模型。在第三方Artificial Analysis測評中，最高推理強度下Muse Ember得分為35.

8分，與Claude Haiku 5.5（36.2）基本持平，但其完成單項任務的成本僅約0.14美元（約合人民幣0.94元），約為Claude Haiku 5.5的三分之一。同日發佈的Anthropic新模型Claude Fable 5.2則取得65分，高出Muse Ember 29分。價格方面，Muse Ember定價為每百萬輸入Token 0.10美元（約合人民幣0.67元）、每百萬緩存輸入Token 0.004美元（約合人民幣0.03元）、每百萬輸出Token 0.50美元（約合人民幣3.36元）。

目前，Muse Ember已通過Meta Model API和Muse Code開放使用，並支持Responses API。一、網頁生成實測表現亮眼，20多個網站平均2分鐘完成 Muse Ember發佈後，不少用戶和開發者在社交平臺X上分享了對模型本身及實際使用體驗的看法。有用戶稱，Muse Ember以輕量化的模型體量支持原生多模態輸入和100萬Token上下文窗口，卻不會給GPU帶來過重負擔，這正是本地開發工具運行真實Agent工作流所需要的能力。另一用戶則認為，相比每Token的價格，“單項任務成本”才是更值得關注的指標。

他舉例稱，一個便宜但需要重試三次才能完成任務的模型，實際成本可能高於一個價格更貴、但一次就能正確完成任務的模型。他還提到，如果Muse Ember在真實Agent工作負載中確實能將成本降至同類模型的三分之一，這才會真正推動用戶採用。第三方評測機構Vals AI稱，Muse Ember是其Vals Index中單項測試成本最低的模型，每項測試僅需0.15美元（約合人民幣1.01元）。該模型在測試中取得60.5%的成績，超過Claude Haiku 5.5和GPT-6 Luna。Muse Ember完成測試約需15分鐘，是榜單前12名模型中速度最快的。在實際網頁開發測試中，Arena.

ai將Muse Ember接入Code Arena: WebDev，並讓模型一次性生成20多個網站和動畫。Arena.ai稱，Muse Ember是目前該平臺上表現最好的小模型，能夠以較快速度、較低成本生成高質量網頁。在其計時的多輪生成任務中，模型平均每次生成耗時約2分鐘。從其展示的畫面中，可以看到Muse Ember生成了一個名為NOCTIS的香水品牌網站，包含產品展示、香水分類、香調介紹、產品對比和試香盒組合等功能。除了網頁生成，Muse Ember還被用於3D模型設計測試。

一名開發者稱，在一項生成樹木模型的任務中，Muse Ember僅用33秒便完成了5種不同樹木模型的生成，速度比對比模型快25倍。生成結果還為每棵樹分別添加了標籤，並提供樹木高度、多邊形數量等細節信息，以及線框視圖。另一名開發者則分享了Muse Ember在其近期發佈的批發業務基準測試ORO SMB Bench中的表現。他稱，Muse Ember在這項測試中的表現與GLM 5.3、Grok 4.7和Muse Spark 1.3相當。不過，Muse Wonder 1.0的表現仍然是其中最差的。他還提到，團隊正在補充GPT-6 Luna和Claude Haiku 5.

5的測試，以便進行真正的橫向比較。有用戶也直接評價稱：“Muse Ember真的非常快。”其分享的截圖顯示，通過OpenRouter調用Muse Ember時，一次運行完成了18個步驟，界面顯示生成速度達到3565 Token/秒，緩存命中率為75%。不過，另一名用戶對Meta AI的產品體驗提出批評，他稱，Meta AI的安全限制過多，自己已經取消訂閱。他談道，自己甚至無法讓Meta AI準確回答當前運行的是哪個模型，期間得到的回答前後不一，一開始聲稱運行的是Muse，後來又突然稱自己運行的是Muse Wonder。二、單項任務成本低至0.

14美元，Agent測試比肩Claude Haiku 5.5 Muse Ember主要面向AI Agent執行過程中大量重複發生的任務。Meta稱，Agent在完成複雜工作時，需要反覆調用工具、讀取文件、運行代碼、提取信息和修改結果。這些任務單次並不複雜，但在長工作流中會持續消耗Token和算力。Muse Ember正是為這類高頻任務設計，可承擔工具調用、運行測試和有針對性的代碼修復等工作。Meta稱，在不同推理強度設置下，Muse Ember的單位成本智能水平基本高於Claude Haiku 5.5和GPT-6 Luna。

在考察模型綜合智能水平的Artificial Analysis Intelligence Index v5中，在最高推理強度下，Muse Ember與表現最好的模型Claude Haiku 5.5得分僅相差0.4分。Muse Ember得分為35.8分，低於Claude Haiku 5.5的36.2分，但Muse Ember完成單項任務的成本僅為0.136美元（約合人民幣0.91元），是後者單項任務成本的三分之一（約為0.411美元，約合人民幣2.74元）。與Meta自家的Muse Spark 1.3相比，Muse Ember的成本優勢也較為明顯。

同樣在測評集Artificial Analysis Intelligence Index v5中，Muse Ember的得分為36分，Muse Spark 1.3為37分。這兩款模型完成單項任務的成本分別約為0.14美元（約合人民幣0.94元）和2.39美元（約合人民幣15.94元），Muse Ember的單項任務成本不到Muse Spark 1.3的5.9%。在Agent任務測試中，Muse Ember在AutomationBench-AA、Agents’ Last Exam等多項評測中均取得第一。

在測試模型能否完成端到端業務流程的測評集AutomationBench-AA中，Muse Ember得分為37.8%，高於GPT-6 Luna的20.2%和Claude Haiku 5.5的13.9%。在測試模型能否完成複雜工作任務的測評集Agents’ Last Exam中，Muse Ember得分為61.6%，高於GPT-6 Luna的57.1%和Claude Haiku 5.5的57.0%。在測試模型綜合智能指數的測評集Personal Superintelligence Index中，Muse Ember得分為46.8%，高於GPT-6 Luna的37.

0%和Claude Haiku 5.5的36.1%。編碼能力方面，Muse Ember在多項測試中也表現出競爭力，但在真實工程任務上仍有差距，三項測試中兩項取得第一成績。在測試模型在真實Agent框架中完成編碼任務能力的測評集Coding Agent Index中，Muse Ember得分為46分，高於Claude Haiku 5.5的37分和GPT-6 Luna的31分。在考察模型通過終端環境完成Agent式編程任務能力的測試集Terminal-Bench 4.0中，Muse Ember得分為40.9%，略高於Claude Haiku 5.5的39.2%，領先GPT-6 Luna的16.

4%。在考察模型能否完成真實工程任務的測試集Artificial Analysis的FrontierCode 2.0-AA中，Muse Ember並不佔優，該模型在這一項上仍落後於Claude Haiku 5.5。Claude Haiku 5.5得分最高，為34.9%；Muse Ember落後，為27.2%；GPT-6 Luna最低，為25.2%。在多模態和電腦操作方面，Muse Ember表現與GPT-6 Luna、Claude Haiku持平或更高。Meta稱，該模型還能根據截圖直接操作電腦，並識別畫面中的細節。在考察模型長文檔能力的測試集GDP.

pdf-AA中，Muse Ember與GPT-6 Luna均得分22.8%，高於Claude Haiku 5.5的20.8%。Meta還通過測試集OSWorld 2.1，考察模型在真實桌面應用環境中操作電腦的能力。Muse Ember得分為69.5%，略高於Claude Haiku 5.5的68.9%，領先GPT-6 Luna的50.5%。在考察模型對圖像中細節信息的識別與理解能力的Meta內部測試PerceptionBench中，Muse Ember得分為80.6%，高於Claude Haiku 5.5的78.6%和GPT-6 Luna的62.8%。

三、企業合作伙伴反饋積極，Muse Ember主打執行任務 在企業應用方面，Meta邀請網絡安全服務商Cloudflare和AI搜索平臺You.com等合作伙伴參與早期測試。Cloudflare首席技術官戴恩·克內希特（Dane Knecht）稱，在該公司的測試中，Muse Ember能夠將部分任務的尾部延遲降低最多30%。You.com推理負責人查克·波蒂納（Chak Pothina）則談道，Muse Ember完成了其測試中的全部編碼任務，P95延遲為2.2秒，速度約為部分領先開源模型的4至13倍，輸出Token數量減少36%至48%。

按照Meta的定位，Muse Wonder主要處理難度最高的問題，Muse Spark面向編程和Agent工作流，Muse Ember則負責大規模、重複性的編碼和Agent任務。Meta稱：“Muse Wonder負責規劃，Muse Ember負責處理大量執行任務。” Muse Ember還是首款使用Muse Wonder Full訓練的模型。Meta此前稱，將利用Muse Wonder系列模型開發更專門化的模型，再將這些能力帶給更多用戶。Muse Ember正是這一思路下推出的產品。

在安全方面，Meta稱，Muse Ember發佈前已按照Meta超級智能擴展框架（Superintelligence Scaling Framework）進行評估，覆蓋化學與生物安全、網絡安全和失控風險等類別。在已評估的風險類別中，該模型均未達到框架設定的高風險閾值。結語：大模型造小模型，Meta探索Agent時代的模型分工 從Muse Ember的產品定位來看，Meta正進一步細化不同規模模型在Agent工作流中的分工，讓Muse Wonder Full等大模型承擔複雜任務，並通過更輕量化的小模型處理高頻調用和重複執行任務。

基於Muse Wonder Full訓練的Muse Ember，在部分測試集中已能取得優於通用大模型的成績，同時兼顧執行速度與調用成本。對於需要持續調用模型的開發者和企業而言，Muse Ember為高頻Agent任務提供了成本更低的選擇，也讓小模型成為大模型能力的重要補充。來源：Meta