一句话看懂：Meta 在 11 月 9 日推出迄今最小最便宜的模型 Muse Ember，定价与 Claude Haiku 5.5、GPT-6 Luna 同为每百万输入 token 0.10 美元，但 Meta 称其完成每项基准任务的成本只有 Haiku 约三分之一，主要面向 AI 智能体高频调用工具、路由请求、提取数据和解析长文档这类“碎活”。
事件核心：发生了什么
Muse Ember 由 Meta CEO 马克·扎克伯格在 X 上宣布，已通过 Meta Model API 和编程工具 Muse Code 开放使用。按独立评测机构 Artificial Analysis 的 Intelligence Index，Ember 最高设置得分 36，与 Haiku 5.5 最高设置持平，GPT-6 Luna 为 28。Meta 给出的单任务运行成本约 0.14 美元，Haiku 约 0.41 美元，Luna 约 0.15 美元。Meta AI 负责人 Alexandr Wang 称其处在这一档模型的“效率前沿”。
它支持文本、图像、音频和视频输入，单次可读约一百万 token，足以容纳一整个代码库。目前公开信息显示，其权重不开源，延续 Meta 近期前沿模型闭源的路线。Meta 还表示，Ember 是首个用更大模型 Muse Wonder Full 参与训练的模型，定位是与 Muse Wonder 搭配：大模型负责规划，Ember 承担批量化执行。
为什么重要
这轮竞争的焦点正从“谁的模型最聪明”转向“同样的钱能完成多少任务”。在智能体反复调用工具、解析文档的场景里，输入输出 token 消耗大，单位成本直接决定产品能否跑通商业模型。Ember 以与竞品相同的标价换取更低的任务成本，等于在性价比维度施压 Anthropic 和 OpenAI，也压向 DeepSeek、Z.ai、MiniMax 等以低价见长的中国模型。同时，Meta 把大模型与小模型做成分工组合，说明前沿公司不再只押注单一旗舰，而是搭建分层推理栈。
对用户/开发者/创作者的影响
对做智能体和自动化流水线的开发者，Ember 值得纳入路由、抽取、子任务编排等环节的选型对比，重点看实际任务吞吐与账单，而非榜单分数。但需注意其成绩并非全面领先：在检测代码改动能否被合入的 FrontierCode 2.0 上，Haiku 得 34.9%，Ember 仅 27.2%；AutomationBench 等部分结果来自 Meta 内部测试，可比性有限。创作者若用其处理长文档、音视频素材，百万 token 上下文是加分项，但输出质量和稳定性仍需自测。
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
一是第三方复测能否复现“三分之一成本、持平 Haiku”的结论，尤其在不同推理档位下；二是竞品是否跟进降价或推出同类小模型；三是 Meta 称还有更高效模型在训练，若继续闭源，其与开源阵营的差距会如何演变。
来源：The Next Web
