Meta 在当地时间 11 月 9 日正式推出 Muse Ember，这是当前 Muse 产品线里面体量最小、主打高频轻量智能体任务的大模型，第三方机构 Artificial Analysis 的评测显示，它在综合智能指数拿到 36 分，和 Claude Haiku 5.5 的最高推理档位持平，但同类任务整体成本大约只有后者的三分之一；它并不是靠单 token 定价更便宜取胜，而是任务输出更加精炼，生成更少冗余 token，适合用来承接大批量、反复执行的子任务，比如数据抽取、路由判断、工具调用、小规模代码修复，官方定位是搭配 Muse Wonder 这类大模型一起工作，由大模型负责顶层规划，Muse Ember 负责批量落地执行；模型原生支持图文音多模态输入，上下文窗口可达 100 万 token，最大输出 51.2 万 token，可以一次性读取整套代码仓库或者长篇文档，目前已经上架 Meta Model API 和 Muse Code，模型标识为 muse‑ember‑1.0，开发者调用时只要配置好接口参数，设定推理强度，就可以把它嵌入智能体流水线，压低整体批量自动化的开销。
一、基础定价与评测数据
| 项目 | 详情 |
|---|---|
| 模型代号 | muse‑ember‑1.0，Meta Muse 系列最小模型 |
| 输入价格 | 0.10 美元 / 百万 token；缓存输入 0.004 美元 / 百万 token |
| 输出价格 | 0.50 美元 / 百万 token |
| 第三方单任务成本 | Muse Ember：0.14 美元；Claude Haiku 5.5：0.41 美元 |
| Artificial Analysis 智能指数 | 36，对标 Claude Haiku 5.5 |
| 上下文窗口 | 最高 100 万 token |
| 最大输出长度 | 51.2 万 token |
| 接入渠道 | Meta Model API、Muse Code |
二、核心能力
- 原生多模态：支持文本、图像、音频，能够读取截图、图表、扫描文档、语音备忘，不用外挂独立感知模型。
- 智能体与工具调用：面向高频子任务，擅长结构化提取、接口调用、简单自测、批量分类。
- 代码处理：适合小补丁、脚本修改、仓库阅读理解；在 FrontierCode 2.0 这类真实代码维护基准上弱于 Claude Haiku 5.5。
- 长短序列兼容：常规长文本稳定，当上下文超过 20 万 token 之后，计费档位会上调，成本会明显抬升。
- 搭配旗舰模型协作：Muse Wonder 做整体任务规划，Muse Ember 负责海量重复执行，降低整套智能体的长期运行账单。
三、接入调用简要流程
- 注册 Meta Model API，拿到开发者密钥。
- 在接口请求里指定模型 ID：muse‑ember‑1.0。
- 根据业务选择推理档位，轻量任务使用低推理强度进一步省钱。
- 送入文本、图片或者音频混合输入，发起调用。
- 获取结构化返回，嵌入智能体、RAG、代码流水线。
- 在后台查看用量与账单，注意超长上下文的加价规则。
四、和同系列其他 Muse 模型对比
- Muse Ember：最小、主打批量轻量执行，性价比适合高频子任务。
- Muse Spark：中型主力，均衡推理、编码、多模态，适合独立智能体。
- Muse Glimmer：开源版本，偏向本地部署。
- Muse Wonder：旗舰大模型，负责复杂规划、高难度长推理，单价更高。
【相关 FAQ】
问题 1：Meta 推出的最小 AI 模型 Muse Ember，说它成本只要 Claude 的三分之一是什么意思？
回答 1：指在 Artificial Analysis 的标准评测任务里，Muse Ember 整套任务开销大约是 Claude Haiku 5.5 的三分之一；它单 token 标价和对手接近，但输出更精简，产生更少冗余 token，因此单任务更便宜，不等于所有场景都能稳定维持这个比例。
问题 2：Meta Muse Ember 作为 Muse 最小模型，是否可以本地部署、开源下载权重？
回答 2：本次首发的 Muse Ember 通过 Meta Model API、Muse Code 提供调用，官方暂未公布开源权重；如果想要本地可跑的 Muse 系列模型，可以选择 Muse Glimmer。
问题 3：Meta 发布的 Muse Ember，对标 Claude Haiku 5.5，它适合用来做什么？
回答 3：Muse Ember 适合大批量、高频、重复性的智能体子任务：数据抽取、请求路由、工具调用、小代码修复、文档摘要、批量分类，常作为大模型的执行层，不适合独立攻坚最高难度的数学、复杂工程难题。
问题 4：调用 Meta Muse Ember 需要留意什么隐藏成本？
回答 4：常规上下文内按公开单价计费，一旦上下文超过 20 万 token，计费档位上调，成本会明显上涨；同时它在部分真实代码维护基准上弱于 Claude Haiku 5.5，不能默认全场景碾压对手。
【参考资料】
[2026-11-10]（Meta 推出最小 AI 模型 Muse Ember：性能追平 Claude，成本只要三分之一）凤凰网科技
[2026-11-10]（Meta 发布 AI 代理轻量级模型 Muse Ember）腾讯新闻
[2026-11-09]（Meta Releases Muse Ember for Lower-Cost Agent and Coding Work）Unite.AI
[2026-11-09]（Muse Ember — Meta's Small, Low-Cost Agent Model）Fello AI
[2026-11-09]（Meta Muse Ember: Haiku-level AI at a third of the cost per task）MadRobot
【免责声明】
本内容仅整理 Meta 官方公告与第三方评测；“成本为三分之一” 基于 Artificial Analysis 指定评测任务，不同业务、提示词、上下文长度下差异很大；超长上下文会触发加价；各项基准分数随测试集变化；模型暂未开源，能否落地取决于 Meta API 访问权限；引用资料版权归属对应发布主体。
本文来自作者[澜熵同步]投稿，不代表新投网立场，如若转载，请注明出处：https://www.eastpo.net/ai/202611/1179.html
评论列表（4条）
我是新投网的签约作者“澜熵同步”！
希望本篇文章《Meta 发布最小 Muse 系列模型 Muse Ember，性能对标 Claude Haiku 5.5、单任务成本仅约三分之一》能对你有所帮助！
本站[新投网]内容主要涵盖：互联网行业的追踪与探索
本文概览：Meta 在当地时间 11 月 9 日正式推出 Muse Ember，这是当前 Muse 产品线里面体量最小、主打高频轻量智能体任务的大模型，第三方机构 Artificial Analysis 的评测显示，它在综合智能指数拿到 36 分，和 Claude Haiku 5.5 的最高推理档位持平，但同类任务整体成本大约只有后者的三分之一；它并不是靠单 token 定价更便宜取胜，而是任务输出更加精炼，生成更少冗余 token，适合用来承接大批量、反复执行的子任务，比如数据抽取、路由判断、工具调用、小规模代码修复，官方定位是搭配 Muse Wonder 这类大模型一起工作，由大模型负责顶层规划，Muse Ember 负责批量落地执行；模型原生支持图文音多模态输入，上下文窗口可达 100 万 token，最大输出 51.2 万 token，可以一次性读取整套代码仓库或者长篇文档，目前已经上架 Meta Model API 和 Muse Code，模型标识为 muse‑ember‑1.0，开发者调用时只要配置好接口参数，设定推理强度，就可以把它嵌入智能体流水线，压低整体批量自动化的开销。