Meta 11 月 9 日发布 Muse Ember，官方称这是它目前最小、效率最高的模型，主要给智能体干高频的杂活：工具调用、编码子任务、路由、信息抽取、长文档解析。模型原生支持文本、图像、音频和视频，上下文 100 万 token，单次最多输出 51.2 万 token。
Ember 现在通过 Meta Model API（模型名 muse-ember-1.0，支持 Responses API）和 Muse Code 提供，Google Cloud 与 Oracle Cloud 也已上线，开发者可以在 dev.meta.ai 试用。发布页没有提开放权重，按目前的信息它是一个只走 API 的模型。Meta 还提到，Ember 是第一个用 Muse Wonder Full 训练出来的模型。
价格分两段
Ember 按提示长度分档计价，每百万 token：
| 项目 | 20 万 token 以内 | 超过 20 万 token |
|---|---|---|
| 输入 | 0.10 美元 | 0.30 美元 |
| 缓存输入 | 0.004 美元 | 0.012 美元 |
| 输出 | 0.50 美元 | 1.50 美元 |
同门的 Muse Spark 1.3 是输入 1.25 美元、输出 4.25 美元。两者在 Artificial Analysis 智能指数上分别是 36 和 37，只差 1 分，单个评测任务的成本却是 0.14 美元对 2.39 美元，相差约 17 倍。
跑分有赢有输
Meta 在 max 推理强度下拿 Ember 对比 Claude Haiku 5.5 和 GPT-6 Luna。差距最大的是 AutomationBench-AA：Ember 37.8%，Haiku 5.5 为 13.9%，GPT-6 Luna 为 20.2%。电脑操作 OSWorld 2.1 按二元打分是 33.8%，Haiku 5.5 为 27.8%。Terminal-Bench 4.0 上 Ember 40.9%，比 Haiku 5.5 的 39.2% 只高 1.7 个百分点。
输掉的一项在编程。FrontierCode 2.0-AA 上 Ember 27.2%，Haiku 5.5 是 34.9%；GDP.pdf-AA 则和 GPT-6 Luna 同为 22.8%。综合的 Artificial Analysis Index，Ember 和 Haiku 5.5 都是 36，Luna 是 28。
成本散点图给出的数字更细。Ember 两个推理档分别花 0.116 美元和 0.136 美元，指数为 33.9 和 35.8；Haiku 5.5 要到 0.411 美元那一档，指数才到 36.2。指数打平的时候，Ember 的单任务花费大约是 Haiku 5.5 的三分之一。
粗算一个子代理的日账单
按发布页价格粗算一笔。假设一个编码子代理每次调用读入 3 万 token、输出 2000 token，其中 2 万 token 是命中缓存的系统提示和代码上下文：
- 非缓存输入 1 万 token，约 0.001 美元
- 缓存输入 2 万 token，约 0.00008 美元
- 输出 2000 token，约 0.001 美元
单次约 0.002 美元，一天调用 1 万次约 21 美元。这只是 20 万 token 以内的价格，长文档解析一旦越过这条线，三项单价同时涨到三倍。实际账单还取决于推理档位产生的思考 token，发布页没有单列这部分怎么计费。
合作方的反馈集中在速度上。You.com 给了一个具体延迟数字：
“with the lowest latency of any model we tested: a p95 of 2.2 seconds” （在我们测过的所有模型里延迟最低，p95 为 2.2 秒。）
Cline 则说它适合编码、文档分析这类子代理工作。安全方面，Meta 称发布前按其超级智能扩展框架做过评估，化学生物、网络安全和失控三类风险都低于高风险阈值。以上跑分均为 Meta 公布的数据，独立复测结果还没有出来。
参考来源：CocoLoop、Meta 官方研究博客；博客核验分档价格、各项评测分数、单任务成本及合作方引语，日账单为按公开单价的估算。