Meta Muse Ember 在 Intelligence Index 得 36 分，为同分模型中成本最低
Meta's Muse Ember is the cheapest model scoring 36 on the Intelligence Index | Artificial Analysis
Artificial Analysis 评测显示，Meta 新模型 Muse Ember（max）在 Intelligence Index 上得 36 分，与 Claude Haiku 5.5（max）持平，但每任务成本为 $0.14，约为后者的三分之一。它在 AutomationBench-AA 上得 68.1%，与 Muse Wonder（max）持平；在 Terminal-Bench 4.0 上以 40.9% 超过 Claude Haiku 5.5 的 32.8%，但在 FrontierCode 2.0 上以 27.2% 落后于 34.9%。其 AA-Omniscience 准确率仅 21.1%，主要因为对 64% 的问题拒答，幻觉率因此为 17.4%。定价为每 1M tokens 输入 $0.10、缓存输入 $0.004、输出 $0.50，可通过 Meta 第一方 API 和 Muse Code 使用。
推荐理由
AI 评分 68
通过 Intelligence Index 与 Cost per Task 的对比，读者能看清 Muse Ember 在低价档位里用成本换来了哪些能力、又在哪些维度落后。
主题
正文 · AI 翻译
Artificial Analysis
所有文章
2026年11月9日Meta最新模型Muse Ember在Artificial Analysis Intelligence Index上得分36，与Claude Haiku 5.5（max）持平，而每任务成本仅为其三分之一查看模型页面
Muse Ember是Meta最新的高效能层级模型系列，其输入和输出token价格与Claude Haiku 5.5和GPT-6 Luna相同
要点：
➤ 在max和xhigh两种努力程度下均处于Intelligence Index与每任务成本的帕累托前沿上。Muse Ember（max）是得分36或以上的最便宜模型，每任务成本为$0.14，而Muse Ember（xhigh）以$0.12得分34。Claude Haiku 5.5（max）在与Muse Ember（max）相同得分下成本几乎高出3倍，为$0.41。Muse Ember（max）也比DeepSeek V4.1 Flash 1017（max，33，$0.60）和GLM-5.3-Flash（28，$0.58）便宜约4倍
➤ 比Muse Wonder低8分，但每任务成本约为其1/50。Muse Wonder（max）以每个Intelligence Index任务$6.95的成本得分44
➤ 在AutomationBench-AA上表现突出。Muse Ember（max）在AutomationBench-AA上得分68.1%，与Muse Wonder（max）持平，并在GDP.pdf上超过Claude Haiku 5.5（max）（22.8%对20.8%），但在AA-Briefcase上落后于它（1521对1574 Elo）
➤ 在我们的Intelligence Index评估中，智能体编程表现参差不齐。它在Terminal-Bench 4.0上超过Claude Haiku 5.5（max）（40.9%对32.8%），但在FrontierCode 2.0上落后于它（27.2%对34.9%）
➤ 在自身编程智能体中运行时领先于价格相近的模型。在Muse Code中，Muse Ember（max）在Artificial Analysis Coding Agent Index上得分46，领先于Claude Code中的Claude Haiku 5.5（max，37）和Codex中的GPT-6 Luna（max，31）
➤ 知识是其主要弱点，但很少产生幻觉。其AA-Omniscience准确率为21.1%，是我们所比较的同等智能模型中最低的，而Claude Haiku 5.5（max）为34.7%，Gemini 3.8 Flash（high）为50.5%。这主要是因为它对64%的问题拒绝作答，从而将其幻觉率保持在17.4%，为Claude Haiku 5.5（max）的一半
其他细节：
➤ 定价：每1M tokens输入$0.10 / 缓存输入$0.004 / 输出$0.50 ➤ 推理努力程度：结果显示为max努力程度，xhigh也显示在Intelligence与成本图表中 ➤ 可用性：Meta第一方API和Muse Code
Muse Ember的每任务成本低于价格相近的模型
Muse Ember（max）的输入和输出token价格与Claude Haiku 5.5（max）和GPT-6 Luna（max）相同，但其缓存输入——我们智能体评估中的大部分成本——便宜60%。Muse Ember（max）使用的输出token数量也约为Claude Haiku 5.5（max）的三分之一
Muse Ember突出的智能体结果是AutomationBench-AA，其得分为68.1%，与Muse Wonder和GPT-6 Astra持平
智能体编程表现参差不齐。Muse Ember在Terminal-Bench 4.0上超过Claude Haiku 5.5（40.9%对32.8%），但在FrontierCode 2.0上落后于它（27.2%对34.9%）
Muse Ember作为编程智能体领先于价格相近的模型
在Muse Code中，它在Artificial Analysis Coding Agent Index上得分46，领先于Claude Code中的Claude Haiku 5.5（37）和Codex中的GPT-6 Luna（31）。其领先来自SWE-Atlas-QnA-AA和Terminal-Bench 4.0，而在FrontierCode上它落后于Claude Haiku 5.5，与在我们的Intelligence Index中一样
知识是Muse Ember的主要弱点，但它很少产生幻觉
其AA-Omniscience准确率为21.1%，是我们所比较的同等智能模型中最低的，主要是因为它对64%的问题拒绝作答。这使其幻觉率保持在17.4%，为Claude Haiku 5.5的一半
推出Artificial Analysis Decision Index v2：一项新的专有评估、更新的基准测试，以及一个奖励模型校准的标题指标
2026年11月8日
VIALS-AA：科学图像推理的不同路径
独立的VIALS-AA结果、交互式智能体轨迹，以及模型如何检查科学图像的分析。
2026年11月6日
Thinking Machines Inkling 2 Small：待权重发布后中国以外得分最高的开放权重模型
Thinking Machines已发布Inkling 2 Small，在Artificial Analysis Intelligence Index上得分31——其发布权重的计划将使其成为根据当前排名在中国以外开发的得分最高的开放权重模型
2026年11月5日