Meta推出Muse Ember：面向AI智能体的低价百万Token模型

Meta超级智能实验室于2026年11月9日星期一宣布推出Muse Ember。这是Muse系列中最小的模型，面向高频智能体任务，例如调用工具、处理编程子任务、任务路由和解析长文档。Meta表示，Ember可以读取文本、图像、音频和视频，支持1,048,576个Token的上下文窗口，单次回复最多可生成524,288个Token。

Meta将Ember定位为与Muse Spark或Muse Wonder等大型模型搭配使用的主力模型。在智能体工作流中，较大的模型负责规划和推理，Ember则以较低成本处理数以千计的重复任务。这种设计旨在大幅降低单项任务的成本。

Ember与竞品相比如何

Meta在Artificial Analysis Index上对Ember进行了评测。该基准综合考察编程、金融和业务自动化任务。Meta称，Ember的总分与Anthropic的Claude Haiku 5.5持平，但每项任务的成本约为其三分之一。在同一基准中，Ember的表现也优于OpenAI的Luna模型；在包含657项云应用任务的AutomationBench‑AA测试集中，Ember领先17 %。

定价体现了其低成本定位：每百万个输入Token收费10 美分，每百万个输出Token收费50 美分；使用缓存后，输入费用可降至每百万个Token 0.4 美分。根据Model API文档，输入Token超过200 K的长上下文请求适用更高费率。

Ember目前的适用场景

Muse Ember现已通过Meta的Model API和Muse Code提供，支持所有按量付费或订阅计划。它仅支持Standard模式，这意味着每次请求都可获得最大硬件资源分配。该模型接受与Muse Spark相同的请求格式，因此在API调用中更改模型ID即可切换。

开发者可以用Ember处理范围明确、需要反复执行大量次的工作，例如给客服工单分类、为大批量图像添加说明、从PDF中提取字段，或在更大的工作流中运行终端命令。