Muse Ember：Meta 最小的智慧體模型單任務 0.14 美元是 Haiku 的三分之一

更新時間:2026-11-11 21:37:13 發布時間:2小時前閱讀:5次

Muse Ember 是 Meta 超級智慧實驗室 2026 年 11 月 9 日發佈的小模型，型號 muse-ember-1.0，接的是智慧體一天裡反覆跑的那些活：工具調用、程式設計子任務、路由、資訊提取、長文件解析。在 Muse Code 和 Meta Model API 裡調，輸入每百萬 token 0.10 美元、輸出 0.50 美元，上下文 100 萬 token，單次最多輸出 51.2 萬 token。

Muse Ember 是什麼

官方給的定位是 Meta 至今體量最小、單位成本產出最高的模型，專門啃複雜推理的執行段和智慧體全天重複的活。

它不負責想方案。官方的分工說法是 Muse Wonder 規劃，Muse Ember 處理海量任務；客服智慧體裡，重模型先定處理規則，Ember 拿著規則跑幾萬個工單。

發佈時間按官方部落格寫的是 2026 年 11 月 9 日，中文媒體按北京時間記成 11 月 10 日，差的是時區。

它是第一個用 Muse Wonder Full 訓練出來的模型，官方叫法是訓練自旗艦，能力從旗艦往下蒸餾，再按高頻小任務裁剪。

Meta Muse Ember 官方部落格首屏 — 官方部落格首屏，標題下是發佈日 2026 年 11 月 9 日與 4 分鐘閱讀時長，再往下是這版視覺的主圖

Muse Ember 的價格和上下文上限

三個價目：輸入每百萬 token 0.10 美元，快取命中過的輸入 0.004 美元，輸出 0.50 美元。快取價是輸入價的 4%，反覆喂同一份長文件時差價從這一項出。

上下文 100 萬 token，單次最多吐 51.2 萬 token。一次調用裝得下一整個程式碼庫，或者一整套合同與文件。

快取那檔價格對應的是重複輸入。同一份系統提示詞、同一批合同第二次進來只收原價的 4%，批次跑同類任務時差價從這一項出。

介面走 Responses API，模型名就寫 muse-ember-1.0。上線當天能用的地方有兩個：Muse Code 和 Meta Model API。

這套規格對著的是智慧體場景裡那類跑幾百遍的小任務，不是給人寫長文用的。官方舉的例子是讀檔案、跑測試、按報錯做定向修復。

Muse Ember 的單任務成本怎麼算出來

官方引的是 Artificial Analysis 2026 年 11 月 9 日的資料，橫軸是單任務成本，縱軸是綜合智慧指數，每個點是一檔推理強度。

模型與檔位	智慧指數	單任務成本
Muse Ember max	35.8	$0.136
Muse Ember xhigh	33.9	$0.116
Claude Haiku 5.5 max	36.2	$0.411
Claude Haiku 5.5 high	29.6	$0.159
GPT-6 Luna max	27.8	$0.152

表裡最值得看的一對是 35.8 和 36.2。Ember 花 0.136 美元拿到 35.8 分，Haiku 要到 0.411 美元才有 36.2 分，0.4 分的差距對應 3 倍的錢。

另一頭是 Luna。它在 0.152 美元的檔位上只有 27.8 分，比 Ember 貴 1 毛錢的任務反而少 8 分。

官方註明這張表是拿各家標價估出來的，不是賬單實測；真實花費還要看快取命中率與輸出長度。

Muse Ember 智慧指數與單任務成本散點圖 — 官方那張散點圖，藍線是 Muse Ember 的四檔推理強度，灰線分別是 Claude Haiku 5.5 與 GPT-6 Luna，越靠左上越划算

Muse Ember 在智慧體任務上高出多少

AutomationBench-AA 測端到端業務流程：取記錄、按順序做工具調用、跨應用改系統狀態。Ember 37.8，Haiku 5.5 是 13.9，Luna 20.2，這一項差了 23.9 分。

Agents’ Last Exam 測長鏈路任務，三方擠在一起：61.6、57.0、57.1，Ember 只多出 4 分多。

Personal Superintelligence Index 是官方自己拼的綜合指數，覆蓋個人事務與知識工作，Ember 46.8 對 36.1 和 37.0。

三張圖的分數都取各模型的最高推理檔，橫向比才成立。拿 Ember 的 max 檔去對別家的低檔，分差會虛高，成本那一欄也會失真。

Muse Ember 三項智慧體評測柱狀圖 — Agents 一節的三張柱狀圖，從左到右是端到端業務流程、長鏈路任務、個人事務綜合指數，藍色柱是 Muse Ember max 檔

Muse Ember 的程式設計任務強在哪一環

Terminal-Bench 4.0 按各家公開的 harness 配置跑，Ember 40.9，Haiku 39.2，Luna 16.4。差距不大，但這一項 Ember 站在前面。

Coding Agent Index-AA 把模型放進真實 agent 骨架裡跑，46 對 37 對 31。

FrontierCode 2.0-AA 換了個評判口徑：改動能不能被項目維護者合併。這一項 Ember 27.2，Haiku 34.9，Luna 25.2，是整套評測裡 Ember 唯一落後 Haiku 的一項，差 7.7 分。

把三項放在一起能看出取捨：按 harness 跑任務、在骨架裡連續動手，Ember 站得住；要交一份能過審的補丁，它的通過率還不如貴三倍的模型。

0.10 美元的輸入價撐的是頻次。一個會話裡跑幾百次讀檔案、跑測試、按報錯改幾行，單價高一點的模型在這種循環裡燒錢，Ember 的設計目標就是這一段。

Muse Ember 的多模態能讀什麼

文字、圖像、音訊、影片四類輸入原生支援，輸出只有文字。截圖、圖表、掃描件進得去，語音備忘、會議錄音、影片素材也進得去，不用再掛一個轉寫模型。

GDP.pdf-AA 測長文件裡的專業工作，Ember 22.8，Haiku 20.8，Luna 22.8，三家打平。

OSWorld 2.1 測在桌面應用裡操作電腦，按部分給分是 69.5、68.9、50.5，按二值給分是 33.8、27.8、17.0。兩種口徑都只差不到 1 分。

PerceptionBench 測細粒度視覺感知，配工具跑：80.6、78.6、62.8。

Muse Ember 與兩個競品的完整評測表 — 官方的完整評測表，左側按 Agents、Coding、Multimodal、General 四組排，藍色格標的是三家裡分數最高的那格

Muse Ember 在 Muse 家族裡排哪一檔

Meta 的 Muse 系列現在分三層。Wonder 接最難的問題，Spark 接程式設計與智慧體工作流，Ember 接能規模化重複執行的編碼與智慧體任務。

模型	接的活	上線時間
Muse Wonder	最難的問題	2026 年 10 月
Muse Spark	程式設計與智慧體工作流	2026 年 4 月
Muse Glimmer	Spark 的開源版	2026 年 8 月
Muse Ember	規模化重複執行的編碼與智慧體任務	2026 年 11 月

同一時期還有消費端產品：Muse Agent 在 9 月上線，本月加了 Spaces 與影片聊天。

拿 Muse Spark 1.3 對照最直觀。智慧指數 37 比 36，單任務成本 2.39 美元對 0.14 美元，價格 1.25 與 4.25 對 0.10 與 0.50。多 1 分，貴 17 倍。

Muse Ember 與 Muse Spark 1.3 的價格對比表 — Availability 一節的對照表，兩列分別是 Muse Ember max 與 Muse Spark 1.3 max，三行是智慧指數、單任務成本、每百萬 token 價格

Muse Ember 怎麼調用

進 Muse Code，在模型選擇裡挑 muse-ember-1.0。
或者到 Meta Model API 控制台建 key，寫進環境變量。
請求體裡 model 填 muse-ember-1.0，端點走 Responses API 的格式。
長文件或程式碼庫整段塞進 input，靠 100 萬 token 的上下文一次讀完。
回來的 usage 裡看輸入、輸出與快取命中三段的 token 數，快取那一段按 0.004 計價。

import os, requests

url = os.environ["META_API_BASE"] + "/v1/responses"
headers = {"Authorization": f"Bearer {os.environ['META_API_KEY']}"}
payload = {
    "model": "muse-ember-1.0",
    "input": "把這份合同的違約條款逐條比對我們的談判手冊，標出偏差",
    "input_file_ids": ["file_xxx"],
}
res = requests.post(url, headers=headers, json=payload, timeout=300)
print(res.json()["output"][0]["content"])

介面地址與欄位名以官方文件當天頁面為準，Responses API 這一套和各家的同名介面不完全一致。