Meta 推出最小模型 Muse Ember，性能追平 Claude 成本约为三分之一
Meta推出最小AI模型Muse Ember：性能追平Claude 成本只要三分之一
Meta 发布旗下规模最小、运行效率最高的模型 Muse Ember，模型编号 muse-ember-1.0，已通过 Muse Code 和 Meta Model API 上线。该模型支持文本、图片、音频、视频及 PDF 输入，输出文本，上下文窗口约 100 万 Token，最高输出约 51.2 万 Token，每百万输入 Token 收费 0.10 美元、输出 0.50 美元。Artificial Analysis 测试显示其最高推理档位单次任务成本约 0.14 美元，Claude Haiku 5.5 同类任务约 0.41 美元；Meta 公布的测试称其在部分智能体、工具调用和多模态任务中领先 Claude Haiku 5.5 与 GPT-6 Luna，但在 FrontierCode 2.0 上得分低于 Claude Haiku 5.5。
推荐理由
AI 评分 73
原文给出定价、上下文窗口和第三方成本对比，也点出不同评测结果的分歧，便于判断这款小模型的适用边界。
主题
正文
Meta将Muse Ember定位为旗下规模最小、运行效率最高的模型，主要面向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。该模型能够接收文本、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。
Muse Ember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。该模型现已通过Muse Code及Meta Model API上线，模型编号为“muse-ember-1.0”。
价格方面，Muse Ember每百万输入Token收费0.10美元，缓存输入收费0.004美元，每百万输出Token收费0.50美元。Artificial Analysis的测试显示，其最高推理档位单次任务成本约为0.14美元，Claude Haiku 5.5完成同类任务的成本约为0.41美元。
不过，不同评测项目的结果存在差异。Meta公布的测试显示，Muse Ember在部分智能体、工具调用和多模态任务中领先Claude Haiku 5.5及OpenAI的GPT-6 Luna；在考察代码修改能否被项目维护者采用的FrontierCode 2.0测试中，Muse Ember得分则低于Claude Haiku 5.5。