Meta 发布入门级模型 Muse Ember，主打低成本 AI 智能体
Meta introduces Muse Ember to power cost-efficient AI agents - SiliconANGLE
Meta 推出入门级模型 Muse Ember，称其在 Artificial Analysis Index 上与 Claude Haiku 5.5 得分持平，价格约为后者的三分之一，并超过 GPT-6 Luna。该模型上下文窗口为 100 万 token，支持图像、音频和视频输入，输出长度最高 512,000 token，通过 Meta Model API 提供，输入每百万 token 10 美分、输出每百万 token 50 美分，缓存命中时输入降至每百万 token 0.4 美分。Meta 表示它是首个用旗舰模型 Muse Wonder 训练出的模型，但未说明具体自动化了哪个环节。
正文 · AI 翻译
Meta Platforms Inc. 今日推出了 Muse Ember，这是一款入门级人工智能模型，其成本显著低于竞争对手。
值得注意的是，这是该公司首个使用 Muse Wonder 训练的 AI。后者是这家 Facebook 母公司的旗舰大语言模型。Meta 未具体说明它用 Muse Wonder 自动化了工作流程的哪一部分。
一种可能是，该公司用它来执行后训练，即通过在额外数据上训练来打磨模型能力的任务。Thinking Machines Labs Inc. 最近证明，即使是相对较小的 LLM 也能端到端地运行后训练。Anthropic PBC 方面则于上周透露，其 AI 模型可能很快获得显著加速机器学习研究的能力。
应用通常会将 Muse Wonder 等前沿 LLM 作为 AI 集成系统的一部分。当用户输入请求时，前沿 LLM 会将其拆分为更小的任务，并分配给由低成本模型驱动的智能体。Meta 表示，Muse Ember 正是针对这一角色进行了专门优化。
该公司使用 Artificial Analysis Index 对该模型进行了评估，该指数汇总了九项 AI 基准测试，涵盖编程和财务分析等用例。Meta 表示，Muse Ember 的得分与 Anthropic 的入门级 Claude Haiku 5.5 模型持平，而价格约为后者的三分之一。它还优于 OpenAI Group PBC 的可比模型 GPT-6 Luna。
在同一次内部评估中，Meta 还在另外九项基准测试中对 Muse Ember 和这两个竞品模型进行了测试。这三个算法均处于“max”模式，这意味着它们使用了可用的最大硬件量，而非优先考虑成本效率。Muse Ember 在其中七项基准测试中优于 Haiku 和 Luna。
该模型似乎优势最大的领域是业务任务自动化。Muse Ember 的大多数基准测试结果仅比 Haiku 和 Luna 高出几个百分点，但它在 AutomationBench-AA 上领先了 17%。该基准包含 657 项任务，涵盖 Gmail 和 Salesforce 等热门云应用。
Muse Ember 的上下文窗口为 100 万 token，使其能够处理冗长的业务文档。用户还可以在提示中包含图像、音频和视频。该模型生成的回复长度最高可达 512,000 token。
Muse Ember 可通过 Meta 的 Model API 使用，价格为每百万输入 token 10 美分、每百万输出 token 50 美分。内置缓存可以复用频繁使用的提示，以避免重复处理。当该功能启用时，Muse Ember 的价格降至每百万输入 token 0.4 美分。
图片：Meta