2026 年 11 月 9 日，Meta 推出旗下体积最小、定位高效率的模型 Muse Ember。模型在 Meta Model API 上的输入定价为每百万 token 0.10 美元，输出为 0.50 美元。其目标直指工具调用、环境路由与代码子任务。Meta 第一次把同等智能水平的单任务开销压到了前沿竞品的三分之一。
0.136 美元平替 0.411 美元：成本曲线被压断
在自主 Agent 系统中，输入与输出 token 的比例通常高达十比一甚至二十比一。每次循环都会携带冗长的工具定义、执行历史与上下文切片。高频输入叠加少量结构化输出，让输入单价成为决定系统调用上限的硬约束。输入 0.10 美元的定价，直接把基础推理成本打入了工业消耗品区间。
根据 Artificial Analysis 发布的测试数据，Muse Ember 在 0.116 美元单任务成本下取得 33.9 分。在 0.136 美元价位，这一分数升至 35.8 分。相比之下，Anthropic 的 Claude Haiku 5.5 需要消耗 0.248 美元才能达到 34.3 分，冲到 36.2 分的高位则需要 0.411 美元。GPT-6 Luna 虽然拥有 0.073 美元的超低价位，但得分仅有 21.4 分，无法支撑严肃复杂的工程链条。
在 35.8 分对 36.2 分的相近表现区间，Muse Ember 跑出了 0.136 美元对 0.411 美元的账单对比。在 Artificial Analysis 的效率前沿曲线上，目前没有其他模型能在更低单任务成本下取得更高分数。 工程开销不再与参数规模线性绑定。专门优化的轻量架构重塑了单任务单价。
图：Muse Ember 官方发布页主视觉。来源：Meta AI Research
工具调用消耗八成预算，工业部署容不下旗舰溢价
在自主 Agent 系统中，绝大多数 token 消耗在单调的重复环节。一个简单的跨服务操作，往往伴随着几十次 JSON 解析与参数提取。若每次工具调用都使用昂贵的旗舰模型，算力账单将迅速吞噬业务毛利。
在最高推理预算基准测试中，Muse Ember 展现出极强的针对性。在专注自动化工作流的 AutomationBench-AA 上，Muse Ember 测得 37.8 分，远超 Haiku 5.5 的 13.9 分与 GPT-6 Luna 的 20.2 分。通用旗舰往往包含过度的发散推理，在固定格式的工具执行中反而容易产生格式漂移。在固定自动化步骤中，通用旗舰并未展现出与溢价相匹配的稳定性。
类似的分流出现在其他环境交互测试中。在针对高难度边缘推理的 Agents’ Last Exam 中，Muse Ember 拿到 61.6 分，高于 Haiku 5.5 的 57.0 分与 Luna 的 57.1 分。在终端模拟测试 Terminal-Bench 4.0 中，其得分达到 40.9 分，超过 Haiku 5.5 的 39.2 分与 Luna 的 16.4 分。编程代理基准 Coding Agent Index-AA 上，它同样以 46 分领先 Haiku 5.5 的 37 分与 Luna 的 31 分。
在 OSWorld 2.1 的部分完成度测试中，Muse Ember 拿到 69.5 分，与 Haiku 5.5 的 68.9 分处于同档，高于 Luna 的 50.5 分。带工具调用的多模态测试 PerceptionBench 给出 80.6 分，超越 Haiku 5.5 的 78.6 分与 Luna 的 62.8 分。在综合指标 Artificial Analysis Index 上，它与 Haiku 5.5 同时录得 36 分。轻量模型在工具调用中表现平齐，直接削弱了旗舰模型的溢价基础。
1M 上下文吃进代码仓库，Subagent 省去繁琐分块
传统小模型为了兼顾吞吐与显存，常将上下文限制在 32K 或 128K。工程师搭建编排框架时，不得不维护复杂的语义分块与校验管线。这些胶水代码推高了维护成本，还在每次切片时制造了信息断层。一旦切分窗口丢失关键依赖，整个子任务就会陷入反复重试。
Muse Ember 提供了 1M token 的输入上下文窗口，同时支持最高 512K token 的连续输出。大多数轻量模型仅支持 4K 到 8K 的单次生成，难以完整产出大型模块补丁。512K 的输出能力让模型能一次性交付长篇测试用例与完整重构代码。系统因此省去了分段拼接与语法校验的多轮往返。
长上下文与低单价的组合，重构了 Subagent 系统的调度拓扑。主控 Agent 可直接分发完整工程日志，每个子任务能独立产出几十页结构化补丁。缩减通讯与编排开销，往往比提升单轮生成速度更具系统价值。 扁平化的单次大吞吐调用，让子代理集群的容错空间大幅提升。
图：Meta 开发者站 Muse Ember 模型页配图。来源：Meta
生产环境跳过通用对话，转向合同审查与终端操作
早期的企业级评估往往关注开放域的多轮对话质量。进入生产阶段后，采购决策迅速转向具体的执行单元。模型能否写散文不再重要，在严格约束下准确触发外部动作才是关键。
云存储服务商 Box 的落地实践展现了这种转变。Box AI 产品副总裁 Yashodha Bhavnani 指出，团队在测试中使用 Muse Ember 处理高难度的合同审查。模型逐条对照谈判手册核验数十页协议，并在保持长程注意力的同时精确提取条款细节。系统最终给出准确可靠的量化打分。
类似的选择也出现在辅助编程领域。开源编码工具 Cline 创始人 Saoud Rizwan 明确表示，Muse Ember 非常贴合调度框架里的 Subagent 工位。子代理需要反复探测环境、执行命令与分析语法。其核心价值在于长期稳定运行而不超支。
这些案例均聚焦于高确定性的规则核对与工具调用。兼具长上下文与平价特性的专用小模型已成为默认基座。 真实业务负荷的选型逻辑，淘汰了盲目追求参数排名的指标。
模型竞争焦点从追求算力峰值转向核算单任务开销
当前大模型产业呈现出两条截然不同的演进路线。Anthropic 的 Fable 5.2 和 Mythos 5.2 拓展推理上限，伴随高昂的调用收费。这类模型专攻高价值决策与开创性研发。Meta 的 Muse Ember 则在成熟能力区间下探，将同等智力规格打入规模化采购的价格带。
对于每天运转数百万次的工业级 Agent，系统真正的瓶颈始终在于日常开销。接口校验需要消耗几美分，直接决定了工作流能否持续运转。单任务成本压低到三分之一后，产业迎来转折。行业竞争从峰值智力炫技，沉淀为每任务成本核算。
单位调用价格大幅下降。原本受制于预算的多代理协作，具备了落地可能。不必为简单分支反复权衡开销，系统规模化因此有了坚实的商业底座。 下一阶段模型的成败，取决于每项任务在资产负债表上的结算数字。
参考链接：
- Meta AI Research：Introducing Muse Ember
- Meta 开发者中心：Muse Ember 模型技术规格与 API 文档
- Artificial Analysis：Model Evaluation and Benchmarks
- Box 官方技术分享：Complex Work Eval 实践
- Cline 开源项目讨论：Subagent 编排架构与模型选型
