Meta 推出最小模型 Muse Ember：智能指数追平 Claude Haiku 5.5，单个任务成本只要三分之一

Meta 在 11 月 9 日发布了 Muse Ember，称这是自家最小、最高效的模型，专门干智能体每天重复的活：工具调用、编码子任务、路由、抽取和长文档解析。模型当天就已上线 Meta Model API 与 Muse Code，模型 ID 为 muse-ember-1.0，支持 Responses API。

定价是这篇发布最大的看点：输入每百万 token 0.10 美元、缓存输入 0.004 美元、输出 0.50 美元。在 Artificial Analysis 智能指数上，Ember 拿到 36 分，与 Claude Haiku 5.5 的最高推理成绩持平，但单个任务成本约 0.14 美元，只有 Haiku 的 0.41 美元的三分之一左右；比自家 Muse Spark 1.3 只低 1 分，成本却只有后者的约十七分之一。上下文窗口 100 万 token、最高输出 51.2 万 token，文本、图像、音频、视频都能直接处理，Meta 称可以一次吞进整个代码库或一整套文档。

分项成绩有强有弱，Meta 的表格里写得明白：AutomationBench 37.8%、Coding Agent Index 46 分、Terminal-Bench 4.0 40.9%，都领先 Haiku 5.5；但 FrontierCode 2.0 只有 27.2%，落后于 Haiku 的 34.9%。知识类是它的短板，Artificial Analysis 指出其冷知识准确率只有 21.1%，64% 的冷知识问题它选择不答，换来的是 17.4% 的幻觉率，只有 Haiku 的一半。说白了，Ember 是个干活的模型，不是百科全书。

Meta 的打法也很清楚：Wonder 负责规划，Ember 负责跑量——Ember 是首个用最大模型 Muse Wonder Full 训练出来的模型。同日，Anthropic 的 Claude Fable 5.2 也登顶了同一榜单，11 月 9 日一天之内两家都交了新卷。安全方面，Meta 称已按自家 Superintelligence Scaling Framework 评估，生化、网络安全与失控风险均未触及高风险阈值。要注意的是，Ember 的参数量与权重均未公开，也未说明它是否就是此前出现在 OpenRouter 上的神秘模型；三款 Muse 模型（Ember、Spark 1.3、Wonder）现已同时上架 Google Cloud 与 Oracle Cloud。

来源：Meta，原文