Meta 推出低成本模型，瞄准智能体高频任务
Meta 发布 Muse Ember，面向工具调用、代码子任务、路由和信息提取等重复工作。输入与输出价格分别为每百万词元 0.10 和 0.50 美元，官方宣称其单位成本表现优于 Haiku 5.5 和 GPT-6 Luna。
AI 深度解读
Meta 给 Muse Ember 安排的工作，是 Agent 每天反复执行的工具调用、信息提取和编码子任务。原文的核心判断是：Agent 的成本优化，要从这些数量庞大的小步骤入手，把难题和日常执行交给不同模型。
按原文引用的数据，Ember 在综合智能指标上追平 Claude Haiku 5.5，单任务成本约为其三分之一。但它在真实工程任务上落后，测试环境也并不统一。对开发者更有价值的，是看懂这组取舍，再决定哪些步骤适合交给便宜模型。
便宜模型该接手哪些工作
原文称，Meta 于 2026 年 11 月 9 日推出 Muse Ember，补齐 Muse 家族的三层分工：Muse Wonder 处理最难的问题，Muse Spark 面向编码与 Agent 工作流，Muse Ember 承担大规模、可重复的编码和执行任务。
这套安排对应一种实际需求：Agent 完成一次任务，可能要读文件、提取字段、调用工具、检查结果，再根据反馈修正。每一步都调用最强模型，未必划算。
模型选择应该跟着步骤的难度走。
Ember 也是首个使用 Meta 最大模型 Muse Wonder Full 训练的模型。不过，原文没有展开训练方法，也没有给出对照实验，不能据此判断这条训练路线贡献了多少效果。
输入能力方面，Ember 原生支持文本、图片、音频和视频。截图、图表、扫描件、语音备忘录和会议录音，都在原文列出的使用范围内。这能减少额外接入模型的需求，但支持某种输入，不等于已经证明它在该类任务上足够可靠。
综合分数接近，工程能力却不能画等号
原文引用的是 Meta 官方公告中的数据，涉及 Artificial Analysis 在 2026 年 11 月 9 日的榜单及 Meta 内部测试，所述分数均采用最大推理强度。
在 Intelligence Index 上，Ember 得分为 36，Muse Spark 1.3 为 37。Meta 宣称，Ember 追平 Haiku 5.5 的最佳成绩，单任务成本约为其三分之一，并超过 GPT-6 Luna 的所有推理设置。Meta 还称，在完整榜单中，没有模型能以更低单任务成本取得更高分。
更值得拆开看的是任务成绩：
| 测试 | 原文列出的成绩 | 应该怎样理解 |
|---|---|---|
| AutomationBench-AA | Ember 37.8，Haiku 13.9 | Ember 在端到端业务工作流中领先 |
| FrontierCode 2.0-AA | Ember 27.2，Haiku 5.5 为 34.9 | 涉及真实工程修改、按可合并性评判时，Ember 落后 |
| GDP.pdf-AA | Ember 与 Luna 同为 22.8 | 长文档表现没有拉开明显差距，仅略高于 Haiku |
这些结果支持的结论有边界：Ember 更适合结构明确、能够检查结果的执行步骤。它不能因为综合分数接近，就被当成 Haiku 的全面替代品。
原文提到的安全评估也需要这样理解。Meta 表示，Ember 在 Meta Superintelligence Scaling Framework 覆盖的化学与生物、网络安全及失控风险类别中，均低于高风险阈值，并接受了与更大模型相同的核心安全训练和测试。测试还涉及用户意图、敏感信息、隐藏在网页或工具输出中的指令，以及高影响操作前请求人工介入。原文没有提供这些项目的具体通过率。
单任务便宜，为什么还不能直接算收益
原文给出的 Muse Spark 1.3 价格是每百万输入 tokens 1.25 美元、每百万输出 tokens 4.25 美元；Ember 的输入价格是每百万 tokens 0.10 美元，输出价格没有交代。
另一组数字来自 Artificial Analysis 的单任务成本：Ember 约 0.14 美元，Spark 1.3 约 2.39 美元，相差约 17 倍，而 Intelligence Index 只差 1 分。
这里要分清：token 单价是计费单位，单任务成本还受调用次数、输出长度和推理消耗影响。基准里的 0.14 美元，不能直接当成自己业务每次执行的预算。
作者据此提出，便宜模型让验证循环、自我修正和多次采样更容易负担。这个方向合理，但「小模型跑三次可能胜过大模型跑一次」只是作者的判断，原文没有给出对应实验。重试能否提高成功率，还取决于错误是否能被识别，以及几次尝试是否会重复犯错。
测试环境也是变量。Terminal-Bench 4.0 为各模型使用各自最佳的已公布执行框架：Ember 用 mini-swe-agent，Haiku 用 Claude Code，Luna 用 Codex。这里的框架负责组织上下文、工具调用和反馈，成绩反映的是整套系统的表现，不能全部归给模型。
我的判断
我认同按任务步骤分配模型，尤其是那些输入清楚、输出可验证的工作。相比所有步骤都调用同一个强模型，这种方式有明确的成本优化空间。
但分流也会增加维护成本：哪些任务交给 Ember，什么情况下升级模型，失败如何判定，都需要规则。如果任务量不大，或者多数问题都依赖复杂的跨文件理解，统一使用较强模型可能更省事。
原文的数据支持「值得试用」，还不足以支持「直接迁移」。它没有提供作者团队的生产实测，也没有给出相同执行框架下的完整对照数据。关于重试收益和实际节省幅度，目前应当视为经验判断与待验证假设。
能拿来做什么
- 从日常 AI 编程流程中挑一类任务试用，例如文件信息提取或边界明确的局部修改，同时记录成功率、调用次数和总费用。
- 给前端或 Node 项目的修改配置现有测试、类型检查和构建检查；便宜模型提交结果后，用这些检查决定是否重试或升级模型。
- 比较模型时尽量固定工具权限、任务输入和重试预算，并保留 mini-swe-agent、Claude Code、Codex 等执行框架的差异记录。
- 原文列出的入口包括 Muse Code、Meta Model API，以及 Google Cloud 和 Oracle Cloud，API 模型标识为
muse-ember-1.0；接入前补齐输出价格和实际任务成本信息，再决定迁移规模。