Meta Muse Ember 智能指数36分，单任务成本仅0.14美元

事件核心：发生了什么

Artificial Analysis 的评测结果显示，Meta 效率层新模型 Muse Ember 在 max 推理档位下智能指数得36分，与 Claude Haiku 5.5（max）持平，单任务成本为0.14美元；xhigh 档位得34分，成本0.12美元。其输入/输出 token 价格与 Claude Haiku 5.5、GPT-6 Luna 相同，但缓存输入价格低60%，且输出 token 用量约为 Claude Haiku 5.5 的三分之一，这是单任务成本更低的主因。与同分模型相比，Claude Haiku 5.5（max）单任务要0.41美元；DeepSeek V4.1 Flash 1017（max）33分、0.60美元；GLM-5.3-Flash 28分、0.58美元。

在 Agent 相关任务上表现分化：AutomationBench-AA 得68.1%，与 Muse Wonder（max）持平；Terminal-Bench 4.0 得40.9%，高于 Claude Haiku 5.5（max）的32.8%，但 FrontierCode 2.0 得27.2%，低于后者的34.9%。在自有 Muse Code 环境中，Coding Agent Index 得46分，高于 Claude Haiku 5.5 在 Claude Code 中的37分和 GPT-6 Luna 在 Codex 中的31分。知识能力是短板：AA-Omniscience 准确率21.1%，但幻觉率17.4%，约为 Claude Haiku 5.5 的一半，主要因为对64%的问题选择不回答。

为什么重要

这组数据指向一个明确趋势：模型竞争正从单纯拼智能分数，转向拼“每任务成本”。Muse Ember 以相同 token 定价做到更低实际成本，靠的是缓存折扣和更少的输出 token 消耗，说明推理侧的工程优化正在成为价格战的新变量。对 Meta 来说，Muse Ember 补上了效率层产品线，直接对标 Claude Haiku 5.5 和 GPT-6 Luna 这类轻量模型，可能推动中低端 API 市场进一步降价。

对用户/开发者/创作者的影响

对开发者，若应用场景以 Agent 工作流、文档处理或自动化任务为主，Muse Ember 的低单任务成本和较低幻觉率有吸引力，但目前公开信息显示其仅通过 Meta 一方 API 和 Muse Code 提供，接入前需确认区域与配额。对高频调用轻量模型的团队，缓存输入价格低60%值得纳入成本测算。对知识问答类应用则需谨慎：其准确率偏低，回答弃权率高，不适合作为事实查询主力模型。

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。

了解 GamsGo AI

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 Meta 是否扩大 Muse Ember 的 API 开放范围和价格策略；二是 Claude Haiku 5.5、GPT-6 Luna 等竞品是否跟进调整缓存定价或输出效率；三是后续评测能否复现其在 AutomationBench-AA 和 Terminal-Bench 4.0 上的表现。以上结论仅适用于原文日期与评测条件。

来源：Artificial Analysis