一句话看懂：Meta于2026年11月10日发布轻量级模型Muse Ember，定位高频Agent执行任务。据Meta引用Artificial Analysis的数据，其最高推理强度下智能指数约36分，与Claude Haiku 5.5持平，但单任务成本约0.136美元，仅为后者的约三分之一。
事件核心：发生了什么
Muse Ember是Meta迄今体积最小、效率最高的模型，已通过Meta Model API和Muse Code上线，模型名为muse-ember-1.0，支持Responses API。定价为每百万输入Token 0.10美元、每百万缓存输入Token 0.004美元、每百万输出Token 0.50美元，并提供100万Token上下文窗口、最大51.2万Token输出。
Meta重点展示效率而非单纯性能：据其汇总的评测，Muse Ember在AutomationBench-AA得37.8%，高于GPT-6 Luna的20.2%和Claude Haiku 5.5的13.9%；在Terminal-Bench 4.0得40.9%，略高于Claude Haiku 5.5的39.2%。但在更贴近真实工程的FrontierCode 2.0-AA中，它以27.2%落后于Claude Haiku 5.5的34.9%。上述数据均为Meta引用或公布的测试结果，仅适用于对应任务与条件。
为什么重要
此前小模型竞争多围绕“够用就好”，Meta这次把衡量标准换成“每美元智能”。当Agent每天需要成百上千次工具调用、代码修改和信息提取时，决定系统能否规模化的往往不是单次推理的峰值能力，而是累计成本与稳定性。Muse Ember与Muse Wonder形成分工：前者承担高频执行，后者负责复杂规划。这一路线若被验证，可能推动行业从单一旗舰模型转向分层调用的模型组合。
对用户/开发者/创作者的影响
对开发者而言，最直接的变化是子Agent的选型空间：Cline创始人Saoud Rizwan提到，可用Muse Ember承担编程、文档分析等重复任务，避免每次都调用高价大模型。Cloudflare称其尾部延迟比可比模型最多快30%，You.com测试中P95延迟为2.2秒、输出Token减少36%至48%。企业侧可关注合同条款逐条评估、候选人筛选等工作流场景。需要注意的是，若任务涉及跨模块、需实际合并的复杂工程问题，目前公开信息显示它仍不如Claude Haiku 5.5，更适合作为执行层而非全能替代。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是第三方独立评测能否复现其成本与智能指数优势，尤其是长周期Agent任务中的稳定性；二是Meta分层模型架构的实际调用体验，Muse Wonder与Muse Ember的协作是否顺畅；三是Claude Haiku、GPT-6 Luna等竞品是否跟进降价或推出同类执行型小模型。
来源：InfoQ CN
