一句话看懂：Meta于11月9日发布其最小、最具成本效率的模型Muse Ember，面向AI代理执行重复步骤，在Artificial Analysis基准测试中与Anthropic Claude Haiku 5.5同分，单任务成本约14美分，低于后者的41美分。
事件核心：发生了什么
Meta Superintelligence Labs于11月9日推出Muse Ember，定位为面向重复性任务的低成本模型，例如从文档中提取信息、调用其他工具、改完代码后跑测试等。该模型目前通过Meta的Muse Code工具和开发者API开放使用。在输入输出标准费率相同的情况下，Ember与Claude Haiku 5.5在Artificial Analysis基准上最高推理设置均得36分，但Ember单任务成本约14美分，Haiku为41美分；OpenAI GPT-6 Luna得28分，单任务约15美分。另据Meta公布结果，Ember在终端编码测试中超过Haiku，Haiku在代码改动可合并性测试中表现更好。Ember支持图像、音频、视频与文本，单次最多处理100万token。
为什么重要
AI代理执行一次完整任务往往需要反复调用模型，每一步都对应推理算力与费用。Ember把“便宜”作为核心卖点，相当于为代理工作流中高频、低难度的步骤提供专用型号。Meta同时用Muse Wonder负责规划复杂任务、Muse Spark负责编程等工具型工作，Ember负责拆分后的子步骤，这种分工意味着大模型厂商的竞争从单纯卷能力，延伸到按任务环节分配算力成本。对闭源API生态而言，价格与效率可能成为开发者在选型时的关键变量。
对开发者与用户的影响
开发者可以把复杂任务拆成多个子步骤，把重复执行的部分交给Ember以压低API账单；百万token上下文和多模态输入，也让扫描合同审阅、会议录音信息提取等场景更容易拼装成代理应用。普通用户短期内更可能间接受益：Meta的Muse应用已积累超500万下载，并在美国推出语音对话和动态头像，Ember若降低后台成本，日常助手类任务的价格与可用性可能随之变化。
值得关注的后续
一是Ember在真实代理工作流中的稳定性与成本是否与基准表现一致，目前结论仅限素材所述测试条件；二是Meta称已有更便宜的模型在训练，后续定价是否进一步下探；三是Claude Haiku、GPT-6 Luna等竞品是否跟进降价或推出同类轻量模型。
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。
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。
来源：Mashable
