Meta 发布 Muse Ember,面向智能体高频任务,API 已开放
Muse Ember 支持约 100 万 token 上下文。在 Artificial Analysis 的测试中,其综合得分与 Claude Haiku 5.5 接近,按标价估算的单项任务成本约为后者三分之一。
海宇数科 · 事件日期 · 更新于 · 约 3 分钟 · 14 次阅读

Meta 于 11 月 9 日发布 Muse Ember。这是 Meta 目前规模最小的模型,面向智能体执行流程中调用频繁、适合交给轻量模型的任务。Meta Model API 和 Muse Code 已提供访问。
把工具调用和代码子任务交给轻量模型
一项智能体工作往往会拆成许多小步骤,例如判断请求交给哪个工具、从长文档里提取字段,或处理一段代码。Muse Ember 主要服务这些高频步骤,也可以在一条业务流程里依次调用工具、读取记录和更新应用中的数据。

模型可接收文本、图片、音频和视频,也能从 PDF、扫描文件或屏幕截图中读取信息,以文本输出结果。
100 万 token 上下文,已可通过 API 调用
Muse Ember 的上下文窗口约为 100 万 token,输出上限约为 51.2 万 token。开发者可以在一轮请求里提供大批文档或代码文件。

在 Muse Code 和 Meta Model API 中,模型 ID 是 muse-ember-1.0,并支持 Responses API。
综合评测分数接近,单项任务成本约为三分之一
在 Artificial Analysis 的最高推理档位测试里,Muse Ember 得 35.8 分,Claude Haiku 5.5 得 36.2 分。按各自标价估算,这组评测的单项任务成本分别约为 0.136 美元和 0.411 美元。
费率按提示词长度分档。20 万 token 以内,每百万输入、缓存输入和输出 token 分别为 0.10、0.004 和 0.50 美元。提示词超过 20 万 token 时,三项费率分别为 0.30、0.012 和 1.50 美元。
分项表现有差别。Meta 公布的结果中,Muse Ember 在自动化工作流和部分工具、多模态任务上得分更高。评估代码改动能否合并的 FrontierCode 2.0-AA 则是 Claude Haiku 5.5 领先,分别为 34.9 分和 27.2 分。
