一句话看懂：Meta Superintelligence Labs 于 2026 年 11 月 10 日发布 Muse 系列第四款、也是最小的多模态推理模型 Muse Ember，面向 AI Agent 日常高频重复子任务，支持 100 万 token 上下文，仅通过 Meta 托管 API 提供，权重不公开。
事件核心：发生了什么
据 AIbase 报道，Meta 正式推出 Muse Ember。在 Meta 的产品矩阵中，旗舰 Muse Wonder 负责复杂规划，Muse Spark 承担日常编码与 Agent 工作流，Muse Ember 则专注工具调用、编码子任务、路由、信息抽取和长文档解析等重复性任务。模型原生支持文本、图像、音频和视频输入，上下文窗口达 100 万 token，最大输出 51.2 万 token。目前公开信息显示，该模型完全托管运行于 Meta Model API 和 Muse Code，权重私有，不支持本地 GPU 或量化部署。
为什么重要
这一定位反映出大模型产品线正在从“一个模型包打天下”转向按任务分层。Agent 的高频子任务单次价值低但调用量巨大，成本和吞吐比绝对能力更关键。Muse Ember 在 AutomationBench-AA（657 个 Zapier 工作流）取得 37.8% 完成率，在 Terminal-Bench4.0 得 40.9 分，Artificial Analysis 智能指数为 36，与 Claude Haiku5.5 持平。需注意，这些结果仅限素材给出的测试条件，并非永久排名。其 API 基础定价为每百万输入 token 0.10 美元、输出 0.50 美元，且未设长上下文附加费。
对用户/开发者/创作者的影响
对开发者而言，Muse Ember 的价值在于更低的任务级成本：素材称其最高推理设置下每任务约 0.136 美元，约为 Claude Haiku5.5 的三分之一。但权重不开放意味着无法私有化部署，对数据合规要求高的团队需评估托管 API 的适用性。对普通用户，这类模型更多是隐藏在 Agent 产品背后的基础设施；对创作者和企业采购，关注点应放在实际任务成功率与调用成本，而非单一跑分。
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 Meta Model API 和 Muse Code 的实际可用性与配额限制；二是竞品是否跟进“小模型专攻高频 Agent 子任务”的路线并调整价格；三是权重私有策略下，开发者生态能否通过托管 API 真正扩大。
来源：AIbase
