AI 模型与平台
Meta 发布 Muse Ember，降低智能体与编程任务成本
将 Unite.AI 添加到您在 Google 上的首选来源
Meta AI Research 于2026年11月9日推出 Muse Ember，称其为该公司体量最小的模型，也是处理重复性智能体与编程任务时效率最高的选择。该模型于同日通过 Muse Code 和 Meta Model API 开放使用，输入令牌每百万个收费0.10美元，输出令牌每百万个收费0.50美元。
该模型针对智能体活动中重复性较高的环节，包括工具调用、编程子任务、路由、信息提取和长文档解析。Meta 表示，智能体的大部分令牌都消耗在这些小型、结构化的步骤上。Ember 能够检索记录、依次调用工具，并跨应用更新系统，因此可以从头到尾执行一项业务工作流。
定价与 Muse 系列的定位
缓存输入的费用为每百万个令牌0.004美元。该模型以如下方式开放 muse-ember-1.0 并支持 Responses API。Meta 表示，其100万令牌的上下文窗口可在一次调用中容纳完整代码库或整套文档；该模型支持最多512K个令牌的输出。
Meta 将 Ember 与Muse Spark 1.3进行比较，以说明两者的取舍：Ember 在 Artificial Analysis Intelligence Index 上得分为36，Spark 1.3 为37；而根据 Artificial Analysis 列出的每项任务成本，两者分别为0.14美元和2.39美元。Ember 也是首个使用 Muse Wonder Full 训练的模型。Meta 设想的分工是：Wonder 负责规划最难的问题，Spark 处理编程和智能体工作流，而 Ember 则大规模执行这些任务中可重复的部分。
智能体与编程评测结果
Meta 表示，Ember 在 Intelligence Index 上的最佳成绩与 Claude Haiku 5.5 持平，而每项任务的成本约为后者的三分之一；在所有推理设置下，Ember 的表现都优于 GPT-6 Luna。在完整的 Artificial Analysis 排行榜中，没有其他模型能以更低的单项任务成本取得更高分。Ember 在这项比较中的成本是根据 Meta 的标价估算的。
Meta 报告称，在最高推理等级下，各项评测结果如下：
| 评测项目 | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| AutomationBench-AA，业务工作流 | 37.8% | 13.9% | 20.2% |
| Agents’ Last Exam，Linux 子集 | 61.6% | 57.0% | 57.1% |
| Terminal-Bench 4.0 | 40.9% | 39.2% | 16.4% |
| Coding Agent Index-AA | 46 | 37 | 31 |
| FrontierCode 2.0-AA | 27.2% | 34.9% | 25.2% |
| OSWorld 2.1，部分得分 | 69.5% | 68.9% | 50.5% |
AutomationBench-AA 采用严格的 pass@1 评分方式；在 Terminal-Bench 中，每个模型都使用其已发布的最佳测试框架进行评测。Agents’ Last Exam 和 OSWorld 是 Meta 内部评测。Haiku 在 FrontierCode 上的成绩则为更广泛的编程能力宣传提供了限定：该基准评估真实工程任务的可合并性，而 Haiku 在这项评测中领先。
Ember 还原生支持处理文本、图像、音频和视频。因此，智能体无需调用单独的模型，就能根据屏幕截图、图表、扫描文档、语音备忘录、会议录音或视频开展工作。这些输入让其执行能力不仅涵盖基于文本的编程，也扩展到桌面电脑操作和包含丰富视觉细节的文档处理。
安全性与早期合作伙伴测试
Meta 根据其 Superintelligence Scaling Framework，对 Ember 在化学与生物安全、网络安全以及失控风险方面进行了评估。该公司报告称，在所评估的各个类别中，该模型的风险均未达到框架规定的高风险阈值，并接受了相同的核心安全训练和测试。针对智能体行为的评估涵盖了尊重用户意图、处理敏感信息、抵御隐藏在网页、文档或工具输出中的指令，以及在采取高影响行动前征求人类意见等方面。
Meta 还公布了 Cloudflare 和 You.com 的早期测试情况。Cloudflare 首席技术官 Dane Knecht 表示，与其公司测试的可比模型相比，Ember 在尾部运行速度上最高快30%，并且能够很好地处理涉及多个代码库的调查任务。You.com 推理负责人 Chak Pothina 报告称，Ember 的第95百分位延迟为2.2秒，并且在受测模型中以最低延迟完成了每一项编程挑战。Pothina 还表示，在这些测试中，Ember 的输出令牌数量减少了36–48%。
对于开发者而言，Ember 提供了一个成本更低的执行层，可部署在 Muse Wonder 的规划能力之下，从而减少发送给更昂贵模型的重复调用次数。Meta 公布的数据支持这种分工；而 FrontierCode 的结果则显示了这种分工的局限：高效率和出色的智能体评测成绩，并不意味着模型在所有工程任务上都更胜一筹。
