Meta超级智能实验室于9 November 2026宣布推出Muse Ember。Meta称，这是其迄今最小、效率最高的模型，专为AI智能体日常执行的常规任务打造，例如调用工具、处理编程子任务、分发请求、提取数据和解析长文档。
Muse Ember能够读取和生成文本、图像、音频和视频，单次提示最多可处理一百万个token。目前，用户可通过Meta Model API和Muse Code使用该模型。其定价为每百万输入token $0.10、每百万输出token $0.50；在Artificial Analysis基准测试中，折合每项任务约$0.14。
与竞品相比表现如何
在Meta自家的Artificial Analysis Intelligence Index中，Ember得分为36，每项任务成本为$0.14；体量更大的Muse Spark 1.3得分几乎相同，为37，但每项任务要花$2.39。Meta称，在大多数测试中，Ember的单位智能成本优于Anthropic的Claude Haiku 5.5和OpenAI的GPT-6 Luna。不过，根据Meta的数据，在FrontierCode 2.0-AA编程基准测试中，Haiku得分为34.9 percent，Ember则为27.2 percent。
TechCrunch指出，Ember每百万输入token的价格与DeepSeek V4.1 Flash、GLM 5.3 Flash等开源模型相近，因此在大规模使用时也具备竞争力。
Ember在Meta模型阵容中的定位
Ember是Meta Muse系列的第四款模型。此前推出的产品包括中型模型Spark（April 2026）、其开源孪生模型Glimmer（August 2026），以及前沿模型Wonder（October 2026）。Meta设想让Ember与更大型的Muse Wonder协同工作：由重型模型制定策略，再由Ember将策略应用于数以万计的案例，例如客户支持自动化。
为什么重要
对于需要运行大量自动化客服或数据提取智能体的企业，Ember提供了一种成本更低的方式来处理重复步骤，同时仍能应对文本、图像、音频和视频。较低的单项任务成本有望让高频AI工作流更经济，但其编程表现仍逊于部分竞品。
