Meta 11 月 9 日發表 Muse Ember，官方稱這是目前最小、效率最高的模型，主要讓 AI 代理處理高頻的雜務：工具呼叫、程式撰寫子任務、路由、資訊擷取、長文件解析。模型原生支援文字、影像、音訊與影片，上下文 100 萬 token，單次最多輸出 51.2 萬 token。
Ember 目前透過 Meta Model API（模型名稱 muse-ember-1.0，支援 Responses API）與 Muse Code 提供，Google Cloud 與 Oracle Cloud 也已上線，開發者可以在 dev.meta.ai 試用。發表頁面並未提及開放權重，依目前資訊來看，它是只走 API 的模型。Meta 還提到，Ember 是第一個使用 Muse Wonder Full 訓練出來的模型。
價格分兩段
Ember 依提示長度分級計價，每百萬 token：
| 項目 | 20 萬 token 以內 | 超過 20 萬 token |
|---|---|---|
| 輸入 | 0.10 美元 | 0.30 美元 |
| 快取輸入 | 0.004 美元 | 0.012 美元 |
| 輸出 | 0.50 美元 | 1.50 美元 |
同門的 Muse Spark 1.3 是輸入 1.25 美元、輸出 4.25 美元。兩者在 Artificial Analysis 智慧指數上分別是 36 和 37，只差 1 分，單一評測任務的成本卻是 0.14 美元對 2.39 美元，相差約 17 倍。
跑分有贏有輸
Meta 在 max 推理強度下，拿 Ember 對比 Claude Haiku 5.5 和 GPT-6 Luna。差距最大的是 AutomationBench-AA：Ember 37.8%，Haiku 5.5 為 13.9%，GPT-6 Luna 為 20.2%。電腦操作 OSWorld 2.1 以二元計分是 33.8%，Haiku 5.5 為 27.8%。Terminal-Bench 4.0 上 Ember 為 40.9%，比 Haiku 5.5 的 39.2% 只高 1.7 個百分點。
輸掉的一項是程式撰寫。FrontierCode 2.0-AA 上 Ember 為 27.2%，Haiku 5.5 是 34.9%；GDP.pdf-AA 則與 GPT-6 Luna 同為 22.8%。綜合的 Artificial Analysis Index，Ember 和 Haiku 5.5 都是 36，Luna 是 28。
成本散布圖給出的數字更細。Ember 兩個推理檔位分別花費 0.116 美元和 0.136 美元，指數為 33.9 和 35.8；Haiku 5.5 要到 0.411 美元那一檔，指數才達到 36.2。指數打平時，Ember 的單任務花費大約是 Haiku 5.5 的三分之一。
粗算一個子代理的日帳單
依發表頁面的價格粗算一筆。假設一個程式撰寫子代理每次呼叫讀入 3 萬 token、輸出 2000 token，其中 2 萬 token 是命中快取的系統提示與程式碼上下文：
- 未快取輸入 1 萬 token，約 0.001 美元
- 快取輸入 2 萬 token，約 0.00008 美元
- 輸出 2000 token，約 0.001 美元
單次約 0.002 美元，一天呼叫 1 萬次約 21 美元。這只是 20 萬 token 以內的價格，長文件解析一旦越過這條線，三項單價會同時漲到三倍。實際帳單還取決於推理檔位產生的思考 token，發表頁面並未單獨說明這部分如何計費。
合作夥伴的回饋集中在速度上。You.com 給出了一個具體的延遲數字：
"with the lowest latency of any model we tested: a p95 of 2.2 seconds"
（在我們測試過的所有模型中延遲最低，p95 為 2.2 秒。）
Cline 則表示它適合程式撰寫、文件分析這類子代理工作。安全方面，Meta 稱發表前已依其超級智慧擴展框架做過評估，化學生物、網路安全與失控三類風險都低於高風險門檻。以上跑分均為 Meta 公布的數據，獨立複測結果尚未出爐。
參考來源：CocoLoop、Meta 官方研究部落格；部落格已核對分級價格、各項評測分數、單任務成本及合作夥伴引語，日帳單為依公開單價的估算。