百万Token输入仅7毛，Meta突发最小模型Muse Ember，性能追平Haiku 5.5

当地时间11月9日，Meta发布轻量级AI模型Muse Ember，并称这是其迄今体量最小、运行效率最高的模型。Meta创始人兼CEO马克·扎克伯格在社交平台X上直接为这款模型站台：“Muse Ember是Meta目前最小的模型，在同类模型中能够以更低的成本提供更强的算力，专为Agent全天反复执行、消耗大量Token的工作打造。”

这句话点出了Muse Ember的核心卖点：它不是冲着“全能大模型”去的，而是冲着Agent规模化之后最现实的问题去的——当AI系统每天要执行成千上万次工具调用、代码修改、信息提取和长文档解析时，每一次执行的成本能不能降下来。

扎克伯格在X上喊出“最小模型”，输入Token打到7毛

Muse Ember的定价率先把“轻量”二字落到了账单上。

• 每百万输入Token收费0.10美元，约合人民币0.67元；
• 每百万缓存输入Token收费0.004美元，约合人民币0.03元；
• 每百万输出Token收费0.50美元，约合人民币3.36元。

这组价格意味着，Muse Ember把百万级输入Token的门槛压到了“7毛钱”附近。对于需要反复读取代码库、解析长文档、调用工具并回传结果的Agent工作流来说，输入侧成本往往是高频消耗项，而缓存输入的低价进一步降低了重复上下文带来的开销。

Meta对Muse Ember的定位也很明确：主攻AI智能体需要反复处理的高频任务，包括调用工具、执行编程子任务、请求路由、提取信息以及解析长文档。它能够接收文本、图片、音频、视频及PDF等多种输入形式，并以文本形式输出结果。

换句话说，Meta并不打算让一款小模型承担所有复杂任务，而是试图把Agent日常运转中最常见、最重复、最消耗Token的那部分工作，交给一个足够便宜、响应足够快的模型来完成。

36分撞线Haiku 5.5，账单却只剩三分之一

真正让Muse Ember引发关注的，是它在第三方评测中的性价比表现。

根据第三方评测机构Artificial Analysis的数据，Muse Ember在综合智能指数中取得36分，与Anthropic的Claude Haiku 5.5最高推理档位持平。另有测试数据显示，在最高推理强度下，Muse Ember得分为35.8分，Claude Haiku 5.5为36.2分，两者基本处于同一水平；OpenAI的GPT-6 Luna则取得28分。

更直观的差距体现在单任务成本上。

• Muse Ember在接近最高智能水平的配置下，单任务成本约为0.136美元；
• Claude Haiku 5.5最高配置约为0.411美元；
• 前者成本约为后者的33%，相当于降低了约67%。

也就是说，在智能指数几乎撞线的情况下，Muse Ember把完成同类任务的账单压到了Claude Haiku 5.5的三分之一左右。Artificial Analysis的测试还显示，其最高推理档位单次任务成本约为0.14美元，Claude Haiku 5.5完成同类任务约为0.41美元。

Meta在官方博客中进一步表示，根据Artificial Analysis的评测结果，Muse Ember在不同推理强度下的智能表现与成本比优于Claude Haiku 5.5和GPT-6 Luna。它能够以约三分之一的成本，达到Claude Haiku 5.5最高推理强度下的接近水平，并超过GPT-6 Luna所有推理档位的成绩。

在Artificial Analysis智能指数与单任务成本构成的效率前沿上，Muse Ember占据了有利位置：在相近或更低的单任务成本下，没有其他参评模型取得更高的智能指数。

企业自动化跑出37.8%，终端Agent任务压过两位对手

如果只看综合智能指数，Muse Ember像是“追平Haiku 5.5”的又一个轻量模型；但拆开具体任务，它在Agent和企业工作流上的针对性更强。

根据Meta汇总的评估数据：

• 在企业工作流自动化测试AutomationBench-AA中，Muse Ember取得37.8%的成绩，GPT-6 Luna和Claude Haiku 5.5分别为20.2%和13.9%；
• 在衡量端到端Agent任务执行能力的Agents' Last Exam中，Muse Ember得分为61.6%，高于另外两款模型的57.1%和57.0%；
• 在编程测试Terminal-Bench 4.0中，Muse Ember取得40.9%的成绩，略高于Claude Haiku 5.5的39.2%，明显高于GPT-6 Luna的16.4%。

这组数据说明，Muse Ember并不是只在“便宜”上做文章。在企业自动化、端到端Agent执行和终端编程任务中，它已经能在部分关键项目上压过Claude Haiku 5.5和GPT-6 Luna，尤其是AutomationBench-AA和Terminal-Bench 4.0两项，差距较为明显。

这也解释了Meta为何反复强调“Agent全天反复执行”。当模型需要在企业流程中连续调用工具、运行测试、修复代码、提取信息时，单次任务成本会被高频调用放大；而Muse Ember在部分Agent任务上不输对手，同时单任务成本只有约三分之一，正好切中了规模化部署最敏感的那根神经。

100万Token一口吞下代码库，API与Muse Code同步上线

在规格上，Muse Ember也不是一个“缩水到只能聊天”的小模型。

它拥有约100万Token的上下文窗口，最高可输出约51.2万Token，可在一次请求中处理较大规模的代码库或文档集合。对于需要一次性读取大量项目文件、梳理长文档或维持长链路Agent上下文的场景，这一上下文规模提供了直接的操作空间。

多模态输入方面，Muse Ember支持文本、图片、音频、视频及PDF等输入形式，输出仍为文本。Meta称其原生理解多模态信息，可跨应用执行工作流、连续调用工具、运行测试并修复代码。

目前，Muse Ember已通过Meta Model API和Muse Code开放使用，模型编号为“muse-ember-1.0”，并支持Responses API。另据资料，Muse Ember也是首款使用Muse Wonder Full训练的模型；Muse Wonder Full于今年10月12日发布，时隔近一个月，Meta便基于这一模型开发出Muse Ember。

在开发者实测层面，Cloudflare、Cline等平台的测试中，Muse Ember最快可达2.2秒延迟。对于需要频繁调用模型、等待工具返回并继续执行的Agent工作流来说，延迟和成本一样，都是决定系统能否规模化运转的关键变量。

FrontierCode 2.0只拿27.2%，轻量模型也有够不着的地方

Muse Ember并非在所有项目上都领先。

在衡量真实工程任务及代码可合并性的FrontierCode 2.0-AA中，Claude Haiku 5.5取得34.9%，而Muse Ember为27.2%。这项测试考察的不只是代码能不能写出来，还包括代码修改能否被项目维护者接受和合并，对复杂工程语境、代码质量和长期维护性的要求更高。

这意味着，Muse Ember的优势集中在高频、可拆分、成本敏感的Agent任务上，而在部分实体工程、知识广度和复杂代码合并任务中，它仍然逊于Claude Haiku 5.5。Meta公布的测试也显示，Muse Ember在部分智能体、工具调用和多模态任务中领先两位对手，但在FrontierCode 2.0测试中得分低于Claude Haiku 5.5。

放到更大的竞争背景里看，同日发布的Anthropic新模型Claude Fable 5.2在Artificial Analysis测评中取得65分，高出Muse Ember 29分。这也说明，Muse Ember的36分并不是冲着最强通用智能去的，而是冲着“足够好、足够便宜、足够快”的Agent执行层去的。

Meta此次推出的Muse Ember，价值不在于把大模型的能力天花板再推高一层，而在于把Agent日常执行的成本底线往下压了一截。百万输入Token约7毛钱、单任务成本约为Claude Haiku 5.5的三分之一、在多项Agent和企业工作流测试中领先或持平——这套组合拳瞄准的是AI系统从“偶尔调用”走向“全天候运转”时，最难绕开的那道成本账。