Meta发布Muse Ember：智能指数持平Claude Haiku，代理任务成本降至三分之一
Meta推出最小AI模型Muse Ember，在Artificial Analysis智能指数中得分36，与Claude Haiku 5.5持平，但每基准任务成本仅0.14美元，约为后者的三分之一。该模型专为高频代理任务设计，支持百万Token上下文，旨在通过“大小模型分工”降低企业AI运营成本。
Meta于2026年11月10日发布了其最小的AI模型Muse Ember。根据第三方评测机构Artificial Analysis的数据，Ember在Intelligence Index（智能指数）中得分为36分，这一成绩与Anthropic的Claude Haiku 5.5几乎持平，但在处理基准任务时的平均成本仅为0.14美元，约为Haiku 5.5（0.41美元）的三分之一。
该模型的设计初衷是服务于高频重复的代理式任务（agentic tasks），如文档处理、工具调用和小型编程工作。Meta提出了一种“工作分工”策略：由高性能模型（如Muse Wonder）负责复杂任务的规划与拆解，而由低成本、高效率的Ember执行具体步骤。这种架构允许开发者在不牺牲核心代理性能的前提下，显著降低AI系统的运营支出。
在技术规格上，Muse Ember支持约100万Token的上下文窗口，能够处理文本、图像、音频、视频和PDF输入，但仅输出文本。尽管其在自动化工作流测试（AutomationBench-AA得分68.1%）和终端操作（Terminal-Bench 4.0得分40.9%）中表现优异，甚至优于部分竞品，但在事实知识问答（AA-Omniscience）方面表现较弱，正确率仅为21.1%，远低于Haiku的34.7%。不过，这也使得Ember的幻觉率较低，为17.4%。
目前，Muse Ember已通过Meta Model API、Muse Code和OpenRouter提供服务。对于需要大规模部署AI代理的企业而言，这一新选项提供了明确的成本效益参考，尤其是在那些对事实准确性要求不高但对执行速度和成本敏感的结构化任务场景中。