Meta 发布轻量模型 Muse Ember：每百万输入 token 十美分，专攻 Agent 高频执行

一句话看懂：Meta Superintelligence Lab 于 2026 年 11 月 9 日发布轻量模型 Muse Ember，输入价格低至每百万 token 10 美分，专门承接 Agent 日常重复的工具调用、路由、抽取与长文档解析任务。

事件核心：发生了什么

Muse Ember 是 Meta Muse 品牌下的第四款模型，此前依次是 4 月的 Spark、8 月的开源版 Glimmer 和 10 月的旗舰模型 Wonder。Meta 将其定位为“最轻、成本效率最高”的模型，主打复杂推理执行，并覆盖 Agent 全天重复的工作：工具调用、编码子任务、请求路由、信息抽取和长文档解析。

定价方面，Ember 输入价格为每百万 token 10 美分。Meta 引用 Artificial Analysis 的综合基准分数，称其单位任务成本低于 Anthropic 的 Haiku 和 OpenAI 的 Luna，同时与 DeepSeek V4.1 Flash、GLM 5.3 Flash 等开源模型处于同一成本区间。该模型还训练为可处理文本、图像和音频，能读取截图、图表和扫描件，也能基于语音备忘和会议录音工作，无需另接模型。

为什么重要

这一定位指向 Agent 商业化的核心矛盾：能力强的模型做规划，但规模化执行的成本极高。Meta 给出的搭配是“Muse Wonder 负责规划，Muse Ember 负责处理海量任务”——以客服 Agent 为例，重模型制定处理规则，轻模型在数万工单上执行。若这一分工成立，Agent 产品的单次任务成本将明显下降。

竞争层面，Ember 同时对标闭源轻量模型与开源低价模型，说明轻量执行层已成为独立战场，价格和单位任务成本取代单纯跑分成为卖点。目前公开信息显示，上述对比基于 Artificial Analysis 的复合基准，并非统一条件下的长期排名。

对用户/开发者/创作者的影响

对开发者而言，Ember 的低价和多模态输入意味着可以用更低的 API 成本搭建文档处理、票据抽取、会议纪要整理等高频流水线；但实际延迟、稳定性和工具调用成功率仍需实测。企业采购时可关注“规划模型 + 执行模型”双层架构能否真正摊薄成本。创作者侧，截图、录音、视频可直接作为输入，减少内容工作流中的转写和 OCR 环节。